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
AAD555888998 分钟前
YOLOv8-BIMAFPN:基于改进多尺度特征融合的爆炸事件检测系统_1
人工智能·yolo·目标跟踪
AAD555888992 小时前
木材缺陷检测与分类:基于FreeAnchor-X101的智能识别系统_1
人工智能·目标跟踪·分类
ZCXZ12385296a17 小时前
黄瓜目标检测与识别_yolov8-seg-efficientViT实战应用
yolo·目标检测·目标跟踪
Dev7z1 天前
基于 YOLO 的课堂手机使用行为智能检测系统实践
yolo·目标跟踪·智能手机
mahtengdbb11 天前
基于YOLO11-RepNCSPELAN的伪装物体检测与识别研究
人工智能·计算机视觉·目标跟踪
Katecat996631 天前
基于YOLOv10n-attention的印尼巴布亚蜡染图案识别与分类系统
yolo·目标跟踪·分类
Dev7z1 天前
基于多尺度深度卷积增强的YOLO11公共区域发传单违规行为检测系统——我之见
人工智能·计算机视觉·目标跟踪
gorgeous(๑>؂<๑)2 天前
【西北工业大学-邢颖慧组-AAAI26】YOLO-IOD:实时增量目标检测
人工智能·yolo·目标检测·计算机视觉·目标跟踪
Coovally AI模型快速验证2 天前
仅192万参数的目标检测模型,Micro-YOLO如何做到目标检测精度与效率兼得
人工智能·神经网络·yolo·目标检测·计算机视觉·目标跟踪·自然语言处理
لا معنى له2 天前
学习笔记:目标跟踪内涵、方法及经典模型
人工智能·笔记·学习·计算机视觉·目标跟踪