import sensor, image, time

line_threshold = (2, 51, -21, 65, -17, 18)

sensor.reset()

sensor.set_pixformat(sensor.RGB565)

sensor.set_framesize(sensor.QVGA)

sensor.skip_frames(10)

sensor.set_auto_whitebal(False)

clock = time.clock()

def find_max(blobs):
    max_size=0
    for blob in blobs:
        if blob[2]*blob[3] > max_size:
            max_blob=blob
            max_size = blob[2]*blob[3]
    return max_blob

while(True):
    clock.tick()
    img = sensor.snapshot()
    blobs = img.find_blobs([line_threshold], x_stride=10)
    if blobs:
            max_blob=find_max(blobs)
            if int(max_blob.w()/max_blob.h())>5 and max_blob.w()>200:
                img.draw_rectangle(max_blob[0:4])
                img.draw_cross(max_blob[5], max_blob[6])
                print(max_blob[5], max_blob[6])
                print(clock.fps())

# 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())

openmv在使用的时候，突然会出现白屏

视频看完了，问题还没解决

当openmv的串口没有收到数据时，为什么print函数一直现实的是一

# Blob Detection and uart transport

import sensor, image, time,pyb

from pyb import UART

import json

# For color tracking to work really well you should ideally be in a very, very,

# very, controlled enviroment where the lighting is constant...

yellow_threshold   = (65, 100, -10, 6, 24, 51)

# You may need to tweak the above settings for tracking green things...

# Select an area in the Framebuffer to copy the color settings.



#sensor.reset() # Initialize the camera sensor.

#sensor.set_pixformat(sensor.RGB565) # use RGB565.

#sensor.set_framesize(sensor.QQVGA) # use QQVGA for speed.

#sensor.skip_frames(10) # Let new settings take affect.

#sensor.set_auto_whitebal(False) # turn this off.

clock = time.clock() # Tracks FPS.

led = pyb.LED(3) 

uart = UART(3, 9600)

i=0

while(True):
    i=uart.readchar()
    b=int(uart.readchar())
    
    print(b) 

openmv中云台中pid函数中，有一处“output += error * self._kp ”，self._kp的值一直为零，那么output的值也一直为零，此时pid函数的意义何在？我实在看不懂，请求指点

from pyb import millis
from math import pi, isnan
class PID:
	_kp = _ki = _kd = _integrator = _imax = 0  
	_last_error = _last_derivative = _last_t = 0  #定义私有属性
    _RC = 1/(2 * pi * 20)
	def __init__(self, p=0, i=0, d=0, imax=0):     #前后双下划线，魔法属性
		self._kp = float(p)
		self._ki = float(i)
		self._kd = float(d)
		self._imax = abs(imax)
		self._last_derivative = float('nan')     #最常见的计算有 无穷大 减 无穷大 结果为 nan
	def get_pid(self, error, scaler):
		tnow = millis()                           #插件重置后，返回毫秒数。
		dt = tnow - self._last_t                  #这次时间与上次时间的差
		output = 0
		if self._last_t == 0 or dt > 1000:
			dt = 0
			self.reset_I()
		self._last_t = tnow
		delta_time = float(dt) / float(1000)
		output += error * self._kp               #self.kp=0,output=0？
		if abs(self._kd) > 0 and dt > 0:
			if isnan(self._last_derivative):
				derivative = 0
				self._last_derivative = 0
			else:
				derivative = (error - self._last_error) / delta_time
			derivative = self._last_derivative + \
									 ((delta_time / (self._RC + delta_time)) * \
										(derivative - self._last_derivative))
			self._last_error = error
			self._last_derivative = derivative
			output += self._kd * derivative
		output *= scaler
		if abs(self._ki) > 0 and dt > 0:
			self._integrator += (error * self._ki) * scaler * delta_time
			if self._integrator < -self._imax: self._integrator = -self._imax
			elif self._integrator > self._imax: self._integrator = self._imax
			output += self._integrator
		return output
	def reset_I(self):
		self._integrator = 0
		self._last_derivative = float('nan')
![0_1562652603774_捕获.PNG](https://fcdn.singtown.com/00f312db-c421-456d-bfe0-726c28b68fdb.PNG) 

@kidswong999 一直弄不好
比较着急

@kidswong999 那应该是怎么弄