星瞳实验室APP,快速收到回复
  • 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。
  • 请问怎么让openmv在wifi图传的同时能够识别圆?



    • wifi扩展板已买,wifi图传以及识别圆的代码也在官网上找到了。怎么让openmv在脱机时两个程序都能运行呢?



    • 效果就是能在wifi图传的画面上显示出识别的的圆,像官网视频教程那样用红圈标出。



    • https://book.openmv.cc/example/14-WiFi-Shield/mjpeg-streamer-ap.html

      在frame = sensor.snapshot()下面添加find_circles函数和draw函数



    • ![0_1631780802426_图片2.png](正在上传 100%) 只是将找圆的代码复制粘贴上去吗,我这么做了以后显示错误了,能讲讲具体怎么做吗?0_1631780846274_图片1.png 0_1631780873368_图片3.png



    • 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



    • 你要看懂每一行代码的作用,不是简单复制。

      https://singtown.com/learn/50029/



    • @kidswong999 我现在换了一种办法,直接在你说的地方用import导入circle(从官网上手教程,例程解析里特征识别里面直接找到的find_circles,重命名circle.py文件保存在openmv里),现在的问题是它图传连不上openmv AP热点。我的python语言不太好,就是麻烦大佬能看看是哪里出问题了吗?可以的话大佬能给一个可行的程序吗?谢谢了

      # MJPEG Streaming AP.
      #
      # 这个例子展示了如何在AccessPoint模式下进行MJPEG流式传输。
      # Android上的Chrome,Firefox和MJpegViewer App已经过测试。
      # 连接到OPENMV_AP并使用此URL:http://192.168.1.1:8080查看流。
      
      import sensor, image, time, network, usocket, sys
      
      SSID ='OPENMV_AP'    # Network SSID
      KEY  ='1234567890'   # wifi密码(必须为10字符)
      HOST = ''           # 使用第一个可用的端口
      PORT = 8080         # 任意非特权端口
      
      # 重置传感器
      sensor.reset()
      # 设置传感器设置
      sensor.set_contrast(1)
      sensor.set_brightness(1)
      sensor.set_saturation(1)
      sensor.set_gainceiling(16)
      sensor.set_framesize(sensor.QQVGA)
      sensor.set_pixformat(sensor.RGB565)
      
      # 在AP模式下启动wlan模块。
      wlan = network.WINC(mode=network.WINC.MODE_AP)
      wlan.start_ap(SSID, key=KEY, security=wlan.WEP, channel=2)
      
      #您可以阻止等待客户端连接
      #print(wlan.wait_for_sta(10000))
      
      def start_streaming(s):
          print ('Waiting for connections..')
          client, addr = s.accept()
          # 将客户端套接字超时设置为2秒
          client.settimeout(2.0)
          print ('Connected to ' + addr[0] + ':' + str(addr[1]))
      
          # 从客户端读取请求
          data = client.recv(1024)
          # 应该在这里解析客户端请求
      
          # 发送多部分head
          client.send("HTTP/1.1 200 OK\r\n" \
                      "Server: OpenMV\r\n" \
                      "Content-Type: multipart/x-mixed-replace;boundary=openmv\r\n" \
                      "Cache-Control: no-cache\r\n" \
                      "Pragma: no-cache\r\n\r\n")
      
          # FPS clock
          clock = time.clock()
      
          # 开始流媒体图像
          #注:禁用IDE预览以增加流式FPS。
          while (True):
              clock.tick() # 跟踪snapshots()之间经过的毫秒数。
              frame = sensor.snapshot()
              import circle
              cframe = frame.compressed(quality=100)
              header = "\r\n--openmv\r\n" \
                       "Content-Type: image/jpeg\r\n"\
                       "Content-Length:"+str(cframe.size())+"\r\n\r\n"
              client.send(header)
              client.send(cframe)
              print(clock.fps())
      
      while (True):
          # 创建服务器套接字
          s = usocket.socket(usocket.AF_INET, usocket.SOCK_STREAM)
          try:
              # Bind and listen
              s.bind([HOST, PORT])
              s.listen(5)
      
              # 设置服务器套接字超时
              # 注意:由于WINC FW bug,如果客户端断开连接,服务器套接字必须
              # 关闭并重新打开。在这里使用超时关闭并重新创建套接字。
              s.settimeout(3)
              start_streaming(s)
          except OSError as e:
              s.close()
              print("socket error: ", e)
              #sys.print_exception(e)
      
      
      circle:
      # 圆形检测例程
      #
      # 这个例子展示了如何用Hough变换在图像中找到圆。
      # https://en.wikipedia.org/wiki/Circle_Hough_Transform
      #
      # 请注意,find_circles()方法将只能找到完全在图像内部的圆。圈子之外的
      # 图像/ roi被忽略...
      
      import sensor, image, time
      
      sensor.reset()
      sensor.set_pixformat(sensor.RGB565) # 灰度更快
      sensor.set_framesize(sensor.QQVGA)
      sensor.skip_frames(time = 2000)
      clock = time.clock()
      
      while(True):
          clock.tick()
      
          #lens_corr(1.8)畸变矫正
          img = sensor.snapshot().lens_corr(1.8)
      
          # Circle对象有四个值: x, y, r (半径), 和 magnitude。
          # magnitude是检测圆的强度。越高越好
      
          # roi 是一个用以复制的矩形的感兴趣区域(x, y, w, h)。如果未指定,
          # ROI 即图像矩形。操作范围仅限于roi区域内的像素。
      
          # x_stride 是霍夫变换时需要跳过的x像素的数量。若已知圆较大,可增加
          # x_stride 。
      
          # y_stride 是霍夫变换时需要跳过的y像素的数量。若已知直线较大,可增加
          # y_stride 。
      
          # threshold 控制从霍夫变换中监测到的圆。只返回大于或等于阈值的圆。
          # 应用程序的阈值正确值取决于图像。注意:一条圆的大小是组成圆所有
          # 索贝尔滤波像素大小的总和。
      
          # x_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和  
          # r_margin的部分合并。
      
          # y_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
          # r_margin 的部分合并。
      
          # r_margin 控制所检测的圆的合并。 圆像素为 x_margin 、 y_margin 和
          # r_margin 的部分合并。
      
          # r_min,r_max和r_step控制测试圆的半径。
          # 缩小测试圆半径的数量可以大大提升性能。
          # threshold = 3500比较合适。如果视野中检测到的圆过多,请增大阈值;
          # 相反,如果视野中检测到的圆过少,请减少阈值。
          for c in img.find_circles(threshold = 2500, x_margin = 10, y_margin = 10, r_margin = 10,r_min = 2, r_max = 100, r_step = 2):
              img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0))
              print(c)
      
          print("FPS %f" % clock.fps())
      
      
      


    • 改代码,不是直接粘贴。

      https://singtown.com/learn/50029/