4. openmv在光流的绝对旋转变换例程中，出现完美的夹具，这个夹具具体是指什么
  • 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，需要报错提示与全部代码文本，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。

    • openmv在光流的绝对旋转变换例程中，出现完美的夹具，这个夹具具体是指什么

    • 3

      1_1565014197985_3.PNG 0_1565014197981_2.PNG

      # 光流绝对旋转变换示例

#

# 此示例显示使用OpenMV Cam通过将当前图像与先前图像相互比较来测量旋转/缩放。 

# 请注意，在此模式下仅处理旋转/缩放 - 而不是X和Y平移。



# 要有效地运行此演示，请将OpenMV安装在稳固的底座上，

# 然后 慢慢地 围绕镜头旋转摄像机，并向前/向后移动摄像机以查看数字的变化。

# 即仅改变z方向。



import sensor, image, time, math



# 注意！！！ 使用find_displacement()时，必须使用2的幂次方分辨率。 

# 这是因为该算法由称为相位相关的东西提供动力，该相位相关使用FFT进行图像比较。 

# 非2的幂次方分辨率要求填充到2的幂，这降低了算法结果的有用性。 

# 请使用像B64X64或B64X32这样的分辨率（快2倍）。



# 您的OpenMV Cam支持2的幂次方分辨率64x32,64x64,128x64和128x128。

# 如果您想要32x32的分辨率，可以通过在64x64图像上执行“img.pool（2,2）”来创建它。



sensor.reset()                      # Reset and initialize the sensor.

sensor.set_pixformat(sensor.RGB565) # Set pixel format to RGB565 (or GRAYSCALE)

sensor.set_framesize(sensor.B64X64) # Set frame size to 64x64... (or 64x32)...

sensor.skip_frames(time = 2000)     # Wait for settings take effect.

clock = time.clock()                # Create a clock object to track the FPS.



# 从主帧缓冲区的RAM中取出以分配第二帧缓冲区。

# 帧缓冲区中的RAM比MicroPython堆中的RAM多得多。

# 但是，在执行此操作后，您的某些算法的RAM会少得多......

# 所以，请注意现在摆脱RAM问题要容易得多。

extra_fb = sensor.alloc_extra_fb(sensor.width(), sensor.height(), sensor.RGB565)

extra_fb.replace(sensor.snapshot())



while(True):

    clock.tick() # Track elapsed milliseconds between snapshots().

    img = sensor.snapshot() # Take a picture and return the image.



    # 如果没有完美的夹具，这个算法很难测试......所以，这是一个让它看起来有效的骗子...

    # 在下面输入一个z_rotation值，你应该看到r的输出等于它。

    if(0):

        expected_rotation = 20.0

        img.rotation_corr(z_rotation=expected_rotation)



    # 如果没有完美的夹具，这个算法很难测试......所以，这是一个让它看起来有效的骗子...

    # 在下面输入一个z_rotation值，你应该看到r的输出等于它。

    if(0):

        expected_zoom = 0.8

        img.rotation_corr(zoom=expected_zoom)



    # 对于此示例，我们从不更新旧图像以测量绝对变化。

    displacement = extra_fb.find_displacement(img, logpolar=True)



    # 没有滤波，偏移结果是嘈杂的，所以我们降低了一些精度。

    rotation_change = int(math.degrees(displacement.rotation()) * 5) / 5.0

    zoom_amount = displacement.scale()



    if(displacement.response() > 0.1): # 低于0.1左右（YMMV），结果只是噪音。

        print("{0:+f}r {1:+f}z {2} {3} FPS".format(rotation_change, zoom_amount, \

              displacement.response(),

              clock.fps()))

    else:

        print(clock.fps())
      0