import sensor, image, time, math ,os
sensor.reset() # Reset and initialize the sensor.
sensor.set_pixformat(sensor.GRAYSCALE) # Set pixel format to RGB565 (or GRAYSCALE)
sensor.set_framesize(sensor.QQVGA) # Set frame size to QQVGA (160x120)
sensor.skip_frames(time = 2000) # Wait for settings take effect.
def find_error():
# 初始化存放各区块方差的list
stdev_list = []
# 初始化用于存放目标区块index的list
index_list = []
# 获取图像，调整畸变
img = sensor.snapshot().lens_corr(strength = 1.1, zoom = 1.0)
# 边缘检测(目的是提取不同区域的纹理), 边缘检测的阈值(threshold)由于不同队伍采用的摄像头型号和摆放位置的差异需要自行调整
img.find_edges(image.EDGE_CANNY, threshold=(80, 120))
# 横向切分20个区块并计算方差
for i in range(20):
region = img.get_statistics(roi=(i*16, 150, 16, 90))
stdev_list.append(region.stdev())
# Console控制台查看输出结果
for i in range(20):
print('Part' + str(i) + ':', stdev_list[i], end = '')
以下代码有两个版本，第一个版本为原始版本，经过测试；第二个是为了应对明暗变化的场景尝试优化的代码，未经实测
'''
# 版本1：
# # 初始化阈值(通过实地测试得到的方差之间的分界线)，即方差值大于"最大值-阈值"的区块都是我们的目标区块
THRESHOLD = 25
# # 取最值：
max_value = max(stdev_list)
for i in range(20):
if stdev_list[i] >= (max_value - THRESHOLD):
index_list.append(i)
# # 输出中位数，即小车行进的期望方向。作为pid控制的参数，应该约等于steady_state的值？原谅作者控制学的太烂了
output = math.floor(index_list[math.floor(len(index_list)/2)])-10
print("Output of median is {}".format(output))
return (output)
