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
cver12319 小时前
野生动物检测数据集介绍-5,138张图片 野生动物保护监测 智能狩猎相机系统 生态研究与调查
人工智能·pytorch·深度学习·目标检测·计算机视觉·目标跟踪
txwtech1 天前
第10.4篇 使用预训练的目标检测网络
人工智能·计算机视觉·目标跟踪
音元系统14 天前
项目开发中途遇到困难的解决方案
后端·目标跟踪·中间件·服务发现
king of code porter15 天前
目标检测之YOLOV11自定义数据预处理——从原始标注到YOLO-OBB格式转换与验证
yolo·目标检测·目标跟踪
Honeysea_7017 天前
目标检测相关【清晰易懂】
人工智能·计算机视觉·目标跟踪
要努力啊啊啊17 天前
YOLOv5 模型结构详解
人工智能·深度学习·yolo·计算机视觉·目标跟踪
Coovally AI模型快速验证17 天前
数据集分享 | 电力检测数据集,助力AI守护电网安全
人工智能·算法·安全·计算机视觉·目标跟踪
Fxrain19 天前
[深度学习]目标检测基础
深度学习·目标检测·目标跟踪
要努力啊啊啊20 天前
YOLOv1 技术详解:正负样本划分与置信度设计
人工智能·深度学习·yolo·计算机视觉·目标跟踪
Eric.Lee202120 天前
数据集-目标检测系列- 狮子 数据集 lion >> DataBall
人工智能·目标检测·目标跟踪