2023电赛E题视觉部分

该部分主要要完成正方形区域的识别,并返回对应的坐标,但是由于距离1m,过远。因此需要引入图像增强,下面代码完成基本流程测试,仅供参考:

import sensor

import image

import time

初始化摄像头

sensor.reset()

sensor.set_pixformat(sensor.RGB565)

sensor.set_framesize(sensor.QVGA)

sensor.skip_frames(time = 2000)

设置阈值,用于图像增强

thresholds = [(30, 100, -64, -8, -32, 32)] # 根据实际情况调整阈值

while True:

img = sensor.snapshot() # 获取图像

图像增强

img.binary([thresholds])

寻找轮廓

blobs = img.find_blobs([thresholds], pixels_threshold=200, area_threshold=200)

遍历找到的轮廓

for blob in blobs:

判断是否为正方形

if blob.is_square():

计算正方形的中心坐标

x = blob.cx()

y = blob.cy()

计算距离

distance = 1 / blob.w() # 假设正方形的宽度为1米

在图像上绘制正方形和坐标

img.draw_rectangle(blob.rect())

img.draw_cross(x, y)

打印坐标和距离

print("Square found at (x={}, y={}), distance={}m".format(x, y, distance))

显示图像

img.show()

相关推荐
yuzhuanhei2 天前
YOLO26实操记录(自用)
人工智能·计算机视觉·目标跟踪
沃达德软件3 天前
模糊图像复原技术解析
图像处理·人工智能·深度学习·目标检测·机器学习·计算机视觉·目标跟踪
前端摸鱼匠3 天前
YOLOv8使用 Ultralytics 内置功能简化格式转换:介绍如何使用 yolo mode=data 等相关功能或辅助工具来加速和简化数据格式的准备工作
人工智能·yolo·目标检测·机器学习·目标跟踪·视觉检测
pen-ai4 天前
【Yolo系列】 评价指标
人工智能·yolo·目标跟踪
liliangcsdn5 天前
基于Saliency Map对LLM进行可解释性分析
人工智能·计算机视觉·目标跟踪
向哆哆5 天前
厨房食品卫生安全检测数据集:智能餐饮与食品安全保障的视觉卫士
人工智能·安全·目标跟踪
Katecat996635 天前
YOLO11-LSCD-LQE:自然景观与人物识别目标检测系统构建与应用_1
人工智能·目标检测·目标跟踪
【赫兹威客】浩哥13 天前
半导体芯片缺陷检测数据集分享及多版本YOLO模型训练验证
人工智能·计算机视觉·目标跟踪
羞儿13 天前
yolov8的整理与分析,非全新理论创新,而是基于v5融合 YOLOX/YOLOv6/YOLOv7/PPYOLOE 等 SOTA 技术的工程化
人工智能·yolo·目标跟踪·dfl·样本分配策略
Hcoco_me15 天前
深挖 TBD 核心进阶点:深度学习匹配(目标关联的“智能指纹”)
人工智能·深度学习·目标检测·计算机视觉·目标跟踪