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
Hcoco_me1 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
前端摸鱼匠1 天前
YOLOv8 深入探索 Ultralytics CLI:一行命令搞定目标检测的魔法
人工智能·yolo·目标检测·计算机视觉·目标跟踪
Hcoco_me1 天前
图像分割:目标检测、语义分割和实例分割
人工智能·深度学习·算法·目标检测·计算机视觉·目标跟踪
永远都不秃头的程序员(互关)3 天前
CANN ops-cv:CV专用算子库,赋能NPU端图像处理与目标检测加速
图像处理·目标检测·目标跟踪
永远都不秃头的程序员(互关)3 天前
CANN ops-cv:NPU端CV专用算子库,图像处理与目标检测加速核心
图像处理·目标检测·目标跟踪
永远都不秃头的程序员(互关)3 天前
CANN ops-cv:计算机视觉专用算子库,赋能端侧 CV 任务高效落地
人工智能·计算机视觉·目标跟踪
AI浩3 天前
通过多层次细粒度视觉-语言对齐增强开放词汇目标检测
人工智能·目标检测·目标跟踪
Liue612312313 天前
设备识别与定位_YOLO11目标检测算法应用研究
算法·目标检测·目标跟踪
Hcoco_me4 天前
知识蒸馏 大白话详解(适配YOLO/机器人轻量化场景)
人工智能·深度学习·yolo·机器学习·目标跟踪·chatgpt·机器人
那雨倾城4 天前
PiscCode:用 MediaPipe 实现手势控制输入尝试之俄罗斯方块
图像处理·人工智能·计算机视觉·目标跟踪·人机交互