• 免费好用的星瞳AI云服务上线!简单标注,云端训练,支持OpenMV H7和OpenMV H7 Plus。可以替代edge impulse。 https://forum.singtown.com/topic/9519
  • 我们只解决官方正版的OpenMV的问题(STM32),其他的分支有很多兼容问题,我们无法解决。
  • 如果有产品硬件故障问题,比如无法开机,论坛很难解决。可以直接找售后维修
  • 发帖子之前,请确认看过所有的视频教程,https://singtown.com/learn/ 和所有的上手教程http://book.openmv.cc/
  • 每一个新的提问,单独发一个新帖子
  • 帖子需要目的,你要做什么?
  • 如果涉及代码,需要报错提示全部代码文本,请注意不要贴代码图片
  • 必看:玩转星瞳论坛了解一下图片上传,代码格式等问题。
  • 小车+云台 追踪特定的物体 提前保存好特征值无法达到效果



    • 我想要实现的功能是:小车+云台 追踪特定的物体
      我的方法是:利用特征点识别提前将特征点保存好,然后再用特征值检测来匹配这个特定物体
      我提前保存了三张图片,但是识别的时候,我移动物体,也就是换了背景,openmv就识别不到物体了,因此也追踪不了
      请问有什么办法可以解决吗?



    • 你提供一下具体的图片。



    • 我保存了三张这个物体的图
      0_1602312028300_d5cfc128787a22e46817b54df22a4b5.png
      然后运行的时候根本识别不到咧
      0_1602312061660_ab786e976570a9dce79b1f1bd5c9c17.png
      这是代码 拜托帮忙看一下

      # Blob Detection Example
      #
      # This example shows off how to use the find_blobs function to find color
      # blobs in the image. This example in particular looks for dark green objects.
      
      import sensor, image, time
      import car
      from pid import PID
      from pyb import Servo
      
      pan_servo=Servo(1)
      tilt_servo=Servo(2)
      
      pan_pid = PID(p=0.06, i=0.1, imax=90) #脱机运行或者禁用图像传输,使用这个PID  #识别左右。位于下方的舵机
      tilt_pid = PID(p=0.08, i=0.05, imax=90) #脱机运行或者禁用图像传输,使用这个PID
      #pan_pid = PID(p=0.1,d=0.01, i=0.02, imax=100)#在线调试使用这个PID
      #tilt_pid = PID(p=0.1, d=0.01,i=0.02, imax=75)#在线调试使用这个PID
      
      sensor.reset()# 感光元件设置
      # HQVGA and GRAYSCALE are the best for face tracking.
      # HQVGA和灰度对于人脸识别效果最好
      sensor.set_contrast(3)
      sensor.set_gainceiling(16)
      sensor.set_framesize(sensor.VGA)
      sensor.set_windowing((320, 240))
      sensor.set_pixformat(sensor.GRAYSCALE)
      sensor.skip_frames(time = 2000)
      sensor.set_auto_gain(False, value=100)
      
      #画出特征点
      def draw_keypoints(img, kpts):
          if kpts:
              print(kpts)
              img.draw_keypoints(kpts)
              img = sensor.snapshot()
              time.sleep(2000)
      
      #kpts1 = None   #运行程序的时候,最开始识别到的物体的特征,将会被保存到kpts1中
      #kpts1保存目标物体的特征,可以从文件导入特征,但是不建议这么做。建议检测的时候实时提取特征
      kpts1 = image.load_descriptor("/desc.orb")
      kpts3= image.load_descriptor("/desc1.orb")
      kpts4= image.load_descriptor("/desc2.orb")
      
      clock = time.clock()
      
      #如果摄像头检测到的小球的色块面积像素
      #点数大于2000的话,就说明我们的小车距
      #离我们的小球非常近,大于2000就让小车后退一点,
      #小于2000就设置openmv去追这个小球
      size_threshold = 2000
      
      x_pid = PID(p=0.5, i=1, imax=100)  #控制电机的方向(拐角)
      h_pid = PID(p=0.02, i=0.1, imax=50)  #控制小车的速度
      
      def find_max(blobs):  #追踪距离最近的小球
          max_size=0
          for blob in blobs:
              if blob[4]*blob[5] > max_size:   #blob[2]是矩形的宽、blob[3]是矩形的高度
                  max_blob=blob
                  max_size = blob[4]*blob[5]
          return max_blob
      
      while(True):
          clock.tick() # Track elapsed milliseconds between snapshots().
          img = sensor.snapshot() # 截取一张图片
          if (kpts1 == None):
              kpts1 = img.find_keypoints(max_keypoints=150, threshold=10, scale_factor=1.35)
              draw_keypoints(img, kpts1)
          else:
              kpts2 = img.find_keypoints(max_keypoints=150, threshold=10, normalized=True)  #用来检测视野中是否存在特征,将检测到的特征保留在kpts2中
              if (kpts2):
                  match = image.match_descriptor(kpts1, kpts2, threshold=85)
                  if (match.count()>10):
                      # If we have at least n "good matches"
                      # Draw bounding rectangle and cross.
                      #在匹配到的目标特征中心画十字和矩形框。
                      img.draw_rectangle(match.rect())
                      img.draw_cross(match.cx(), match.cy(), size=10)
                      print(kpts2, "matched:%d dt:%d"%(match.count(), match.theta()))
      
                      pan_error = match.cx()-img.width()/2
                      tilt_error = match.cy()-img.height()/2
                      print("pan_error: ", pan_error)
      
                      x_output=x_pid.get_pid(match.cx(),1)
                      h_output=h_pid.get_pid(match.cy(),1)   #调用pid的函数,get_pid是pid里面的函数,来得到一个最终的结果,来控制小车运动
                      car.run(-h_output+x_output,-h_output+x_output)
      
                      pan_output=pan_pid.get_pid(pan_error,1)
                      tilt_output=tilt_pid.get_pid(tilt_error,1)
                      pan_servo.angle(pan_servo.angle()+pan_output)
                      tilt_servo.angle(tilt_servo.angle()+tilt_output)
                  else:
                      car.run(18,-18)  #小车在原地以非常慢的速度在旋转
      
                  match2 = image.match_descriptor(kpts3, kpts2, threshold=85)
                  if (match2.count()>10):
                      # If we have at least n "good matches"
                      # Draw bounding rectangle and cross.
                      #在匹配到的目标特征中心画十字和矩形框。
                      img.draw_rectangle(match2.rect())
                      img.draw_cross(match2.cx(), match2.cy(), size=10)
                      print(kpts2, "matched:%d dt:%d"%(match2.count(), match2.theta()))
      
                      pan_error = match2.cx()-img.width()/2
                      tilt_error = match2.cy()-img.height()/2
                      print("pan_error: ", pan_error)
      
                      x_output=x_pid.get_pid(match2.cx(),1)
                      h_output=h_pid.get_pid(match2.cy(),1)   #调用pid的函数,get_pid是pid里面的函数,来得到一个最终的结果,来控制小车运动
                      car.run(-h_output+x_output,-h_output+x_output)
      
                      pan_output=pan_pid.get_pid(pan_error,1)
                      tilt_output=tilt_pid.get_pid(tilt_error,1)
                      pan_servo.angle(pan_servo.angle()+pan_output)
                      tilt_servo.angle(tilt_servo.angle()+tilt_output)
                  else:
                      car.run(18,-18)  #小车在原地以非常慢的速度在旋转
      
                  match3 = image.match_descriptor(kpts4, kpts2, threshold=85)
                  if (match3.count()>10):
                      # If we have at least n "good matches"
                      # Draw bounding rectangle and cross.
                      #在匹配到的目标特征中心画十字和矩形框。
                      img.draw_rectangle(match3.rect())
                      img.draw_cross(match3.cx(), match3.cy(), size=10)
                      print(kpts2, "matched:%d dt:%d"%(match3.count(), match3.theta()))
      
                      pan_error = match3.cx()-img.width()/2
                      tilt_error = match3.cy()-img.height()/2
                      print("pan_error: ", pan_error)
      
                      x_output=x_pid.get_pid(match3.cx(),1)
                      h_output=h_pid.get_pid(match3.cy(),1)   #调用pid的函数,get_pid是pid里面的函数,来得到一个最终的结果,来控制小车运动
                      car.run(-h_output+x_output,-h_output+x_output)
      
                      pan_output=pan_pid.get_pid(pan_error,1)
                      tilt_output=tilt_pid.get_pid(tilt_error,1)
                      pan_servo.angle(pan_servo.angle()+pan_output)
                      tilt_servo.angle(tilt_servo.angle()+tilt_output)
                  else:
                      car.run(18,-18)  #小车在原地以非常慢的速度在旋转
      


    • 此回复已被删除!


    • https://singtown.com/learn/50021/

      先按照视频步骤,测试一下换了背景后是否能识别到。



    • @kidswong999 试过了呢,这些视频我都看了好几遍了的 识别度非常不灵敏 或者就算是识别到 也没办法跟随 所以才想问有没有更好的解决方法



    • 没什么好办法。。。