import time, sensor, image
from image import SEARCH_EX, SEARCH_DS


sensor.reset()


sensor.set_contrast(1)
sensor.set_gainceiling(16)

sensor.set_framesize(sensor.QQVGA)

sensor.set_pixformat(sensor.GRAYSCALE)


templates = ["/2zuo.pgm","/2you.pgm","/6zuo.pgm","/6you.pgm"] #保存多个模板
#加载模板图片


sensor.set_vflip(True) #设置图像水平方向的翻转
sensor.set_hmirror(True) #设置图像垂直方向的翻转

while (True):

    img = sensor.snapshot()
    for t in templates:
        template = image.Image(t)
        #对每个模板遍历进行模板匹配
        r = img.find_template(template, 0.60, step=4, search=SEARCH_EX)#,roi=(0, 0, 160, 160))
        if r :
           if t==2zuo.pgm or t==2you.pgm :
              templates = ["/2zuo.pgm","/2you.pgm"]
              
           if t==6zuo.pgm or t==6you.pgm :
              templates = ["/6zuo.pgm","/6you.pgm"]
             while True :
                 img = sensor.snapshot()
                 for t in templates:
                     template = image.Image(t)
                     #对每个模板遍历进行模板匹配
                     r = img.find_template(template, 0.60, step=4, search=SEARCH_EX)#,roi=(0, 0, 160, 160))
                     if r:
                        img.draw_rectangle(r)
                        print(t) #打印模板名字
                        #print(r) #输出识别到的目标的坐标（x，y，w，h）这个高度中间是64,r[0]就是x的坐标
                        if r[0]<64 : 
                           print("左边")  
                              
                        if r[0]>64 :
                           print("右边")

# Template Matching Example - Normalized Cross Correlation (NCC)
#
# 这个例子展示了如何使用OpenMV凸轮的NCC功能将小部分图像与图像的各个部分
# 进行匹配...期望获得极其可控的环境NCC并不是全部有用的。
#
# 警告：NCC支持需要重做！到目前为止，这个功能需要做大量的工作才能有用。
# 这个脚本将重新表明功能的存在，但在目前的状态是不足的。

import time, sensor, image
from image import SEARCH_EX, SEARCH_DS
#从imgae模块引入SEARCH_EX和SEARCH_DS。使用from import仅仅引入SEARCH_EX, 
#SEARCH_DS两个需要的部分，而不把image模块全部引入。

# Reset sensor
sensor.reset()

# Set sensor settings
sensor.set_contrast(1)
sensor.set_gainceiling(16)
# Max resolution for template matching with SEARCH_EX is QQVGA
sensor.set_framesize(sensor.QQVGA)
# You can set windowing to reduce the search image.
#sensor.set_windowing(((640-80)//2, (480-60)//2, 80, 60))
sensor.set_pixformat(sensor.GRAYSCALE)

# Load template.
# Template should be a small (eg. 32x32 pixels) grayscale image.
templates = ["/5.pgm", "/1.pgm"] #保存多个模板
#加载模板图片

clock = time.clock()

# Run template matching
while (True):
    clock.tick()
    img = sensor.snapshot()

    # find_template(template, threshold, [roi, step, search])
    # ROI: The region of interest tuple (x, y, w, h).
    # Step: The loop step used (y+=step, x+=step) use a bigger step to make it faster.
    # Search is either image.SEARCH_EX for exhaustive search or image.SEARCH_DS for diamond search
    #
    # Note1: ROI has to be smaller than the image and bigger than the template.
    # Note2: In diamond search, step and ROI are both ignored.
    for t in templates:
        template = image.Image(t)
        #对每个模板遍历进行模板匹配
        r = img.find_template(template, 0.70, step=4, search=SEARCH_EX) #, roi=(10, 0, 60, 60))
    #find_template(template, threshold, [roi, step, search]),threshold中
    #的0.7是相似度阈值,roi是进行匹配的区域（左上顶点为（10，0），长80宽60的矩形），
    #注意roi的大小要比模板图片大，比frambuffer小。
    #把匹配到的图像标记出来
        if r:
            img.draw_rectangle(r)
            print(t) #打印模板名字

    #print(clock.fps())

巡线小车，怎么判断画面中的直线只有一条的时候才处理

就是我接了3.3V那个引脚供电，而且还插着USB，但是没环，不是不能用3.3V引脚供电吗，他现在还能用，好像没什么异常。。。。怎么办

我不小心接了3.3V供电怎么办，还是和USB一起接的。。。。。。。。。。

import time, pyb
from pyb import UART

uart = UART(3, 9600) #参数1：使用串口3 参数2：波特率是4800
led1 = pyb.LED(1) #红
led2 = pyb.LED(2) #绿
led3 = pyb.LED(3) #蓝
while(True):
#串口发送数据
uart.writechar(-1)#发送数字
time.sleep(3)

帮我看一下哪里错了

如何通过识别下方的圆心，告诉小车下方任意两个圆心之间的连线与小车形成的夹角