zgir 发布的帖子

@fimw 同问，楼主解决了吗？

OpenMV的标配镜头是不是可以滤掉太阳光的红外线？

回复: 关于有助于消除环境光照影响的滤波方法

@lk3r 你可以给一下逻辑，当主控板给OpenMV发送某个数据即OpenMV接收到主控板发送的某个数据时，才发送数据给主控板

@kidswong999 请问大佬知不知道产生负值的原因？

@lk3r 灰度识别的是亮度，要看看你程序功能是否对亮度有要求

回复: Apriltag识别中，怎么定位/测距？输出的tx ty tz的单位是什么？怎么就得到实际的距离了？

电脑连接上OpenMV可以识别OpenMV，可以在OpenMV IDE上运行程序，但是不能将程序导入OpenMV

昨天用着用着OpenMV突然不能打开OpenMv的文件夹，在设备管理器中也没有发现OpenMv的驱动，该怎么办？

@kidswong999 当我识别到多个举行时就会出现这负值
如图

硬件版本：

是这个吧？

怎么看固件版本啊？

IDE版本

我在运行识别矩形的例程时，发现rect.x()，rect.y()为负值，这是为什么？
代码：

# Find Rects Example
#
# This example shows off how to find rectangles in the image using the quad threshold
# detection code from our April Tags code. The quad threshold detection algorithm
# detects rectangles in an extremely robust way and is much better than Hough
# Transform based methods. For example, it can still detect rectangles even when lens
# distortion causes those rectangles to look bent. Rounded rectangles are no problem!
# (But, given this the code will also detect small radius circles too)...

import sensor, image, time

sensor.reset()
sensor.set_pixformat(sensor.RGB565) # grayscale is faster (160x120 max on OpenMV-M7)
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(time = 2000)
clock = time.clock()

while(True):
    clock.tick()
    img = sensor.snapshot()

    # `threshold` below should be set to a high enough value to filter out noise
    # rectangles detected in the image which have low edge magnitudes. Rectangles
    # have larger edge magnitudes the larger and more contrasty they are...

    for r in img.find_rects(threshold = 10000):
        img.draw_rectangle(r.rect(), color = (255, 0, 0))
        for p in r.corners(): img.draw_circle(p[0], p[1], 5, color = (0, 255, 0))
        print(r)

    print("FPS %f" % clock.fps())

运行结果：

@kidswong999 刚刚我测了一下，var是int型

我在多文件编程时，想在find_circle_uart.py中调用Uart_Protocol.py时，遇到问题AttributeError:' module' object has no attribute ' Find Circular'，应该怎么解决？
问题截图：

代码如下：
Uart_Protocol.py：

import sensor, image, time

def ExceptionVar(var):
    data = []
    data.append(0)
    data.append(0)

    if var == -1:
        data[0] = 0
        data[1] = 0
    else:
        data[0] = var & 0xFF
        data[1] = var >> 8
    return data


Frame_Cnt = 0
fCnt_tmp = [0,0]

# FormType : 所识别的形状 Ps: 0: Cricle      -> 圆心坐标 -> 半径
#                           1: Rectangle   -> 中心坐标 ->
#                           2: Lines       -> 端点坐标(靠近(0,0)) -> 角度
#                           3: LineSegment -> 端点坐标 -> 角度angle
# FormType_X,FormType_Y : 坐标
# FormType_Other : 其他
def UART_Send(FormType, FormType_X, FormType_Y, FormType_Other):
    global Frame_Cnt
    global fCnt_tmp
    Frame_Head = [170,170]
    Frame_End = [85,85]
    fFormType_tmp = [FormType]
    Frame_Cnt += 1

    if Frame_Cnt > 65534 :
        FrameCnt = 0

    fHead = bytes(Frame_Head)

    fCnt_tmp[0] = Frame_Cnt & 0xFF
    fCnt_tmp[1] = Frame_Cnt >> 8
    fCnt = bytes(fCnt_tmp)

    fFormType = bytes(fFormType_tmp)

    fFormType_X = bytes(ExceptionVar(FormType_X))
    fFormType_Y = bytes(ExceptionVar(FormType_Y))
    fFormType_Other = bytes(ExceptionVar(FormType_Other))

    fEnd = bytes(Frame_End)

    FrameBuffe = fHead + fCnt + fFormType + fFormType_X + fFormType_Y + fFormType_Other + fEnd

    return FrameBuffe

find_circle_uart.py：

# 识别圆形

# OpenMV识别图像中的圆形，并将圆形的坐标，半径通过串口

# 发送给MSP432.

# 串口发送的数据结构参考中科浩电的巡线例程



import sensor, image, time, pyb
import math
import Uart_Protocol

from pyb import UART
from pyb import LED

Led1 = pyb.LED(3) # 蓝灯
                  # Ps：pyb.LED(1):Red; pyb.LED(1):Green; pyb.LED(4):IR

# 指示灯
def LED_flicker():
    Led1.on()
    time.sleep(150)
    Led1.off()
    time.sleep(150)


sensor.reset()

sensor.set_pixformat(sensor.RGB565) # grayscale is faster

sensor.set_framesize(sensor.QQVGA)

sensor.skip_frames(time = 2000)

clock = time.clock()
uart = UART(3, 115200)                         # i使用给定波特率初始化
# uart.init(115200, bits=8, parity=None, stop=1, timeout_char=1000) # 使用给定参数初始化


while(True):

    clock.tick()

    #lens_corr(1.8)畸变矫正
    img = sensor.snapshot().lens_corr(1.8)

    (X,Y,R) = Uart_Protocol.Find_Circular(img)

    print(X,Y,R)

    uart.write(Uart_Protocol.UART_Send_Circular(X,Y,R))

    print("FPS %f" % clock.fps())

@kidswong999 应该怎么解决？把浮点型改为整型？

我在写程序时遇到问题TypeError:unsupported types for and:"float,int'该怎么解决？
问题截图：

程序如下：

import sensor, image, time, pyb
import math

from pyb import UART
from pyb import LED

Led1 = pyb.LED(3) # 蓝灯
                  # Ps：pyb.LED(1):Red; pyb.LED(1):Green; pyb.LED(4):IR

enable_lens_corr = False # 使能畸变校正标志
                         # True: 允许畸变校正; False: 禁止畸变校正

# 指示灯
def LED_flicker():
    Led1.on()
    time.sleep(150)
    Led1.off()
    time.sleep(150)

# 处理数据
def ExceptionVar(var):
    data = []
    data.append(0)
    data.append(0)

    if var == -1:
        data[0] = 0
        data[1] = 0
    else:
        data[0] = var & 0xFF
        data[1] = var >> 8
    return data

# 识别圆 -- 返回圆心坐标及半径(3)
def Find_Circular(img):
    Formtype = 0xFF
    X = 0
    Y = 0
    R = 0

    enable_lens_corr = True

    if enable_lens_corr: img.lens_corr(1.8) # 适用于2.8mm镜头...

    for c in img.find_circles(threshold = 4000, 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.x())
        Circle_buffer = "[%d,%d,%d]"%(c.x(), c.y(), c.r())

        print(Circle_buffer)
        LED_flicker()

        X = c.x()
        Y = c.y()
        R = c.r()
        Formtype = 0

    return Formtype,X,Y,R

# 识别矩形 -- 返回矩形中心点坐标(2)
def Find_Rectangle(img):
    Formtype = 0xFF
    X = 0
    Y = 0
    W = 0
    H = 0

    for rects in img.find_rects():#roi=(0,0,80,120),threshold = 10000
        img.draw_rectangle(rects.rect(), color = (255, 0, 0))
        for p in rects.corners():
            img.draw_circle(p[0], p[1], 5, color = (0, 255, 0))

        print(rects)

        Formtype = 1
        X = rects.x() + rects.w()/2
        Y = rects.y() + rects.h()/2
#        W = rects.w()
        H = rects.h()
        rectBuffer = "[%d,%d]"%(X,Y)
        print(rectBuffer)

    return Formtype,X,Y,W

# 识别直线 -- 返回端点坐标及角度angle(3)
def Find_Lines(img):
    Formtype = 0xFF
    X = 0
    Y = 0
    Angle = 0

    min_degree = 0
    max_degree = 179

    if enable_lens_corr: img.lens_corr(1.8) # 适用于2.8mm镜头...

    for lines in img.find_lines(threshold = 1000, theta_margin = 25, rho_margin = 25):
        if (min_degree <= lines.theta()) and (lines.theta() <= max_degree):
            img.draw_line(lines.line(), color = (255, 0, 0))

            Formtype = 2
            X = lines.x1()
            Y = lines.y1()
            Angle = lines.theta()

    return Formtype,X,Y,Angle

# 识别线段 -- 返回端点坐标及角度angle(3)
def Find_LineSegment(img):
    Formtype = 0xFF
    X = 0
    Y = 0
    Angle = 0

    if enable_lens_corr: img.lens_corr(1.8) # for 2.8mm lens...

    for linesegment in img.find_line_segments(merge_distance = 0, max_theta_diff = 5):
        img.draw_line(linesegment.line(), color = (255, 0, 0))

        print(linesegment)

        Formtype = 3
        X = linesegment.x1()
        Y = linesegment.y1()
        Angle = linesegment.theta()

    return Formtype,X,Y,Angle

# 识别三角形
def Find_Triangle(img):

    pass

# 识别形状(圆,矩形,直线,线段,三角形(线段角度))
def Find_Formtype(img):

    pass

Frame_Cnt = 0
fCnt_tmp = [0,0]

# FormType : 所识别的形状 Ps: 0: Cricle      -> 圆心坐标 -> 半径
#                           1: Rectangle   -> 中心坐标 ->
#                           2: Lines       -> 端点坐标(靠近(0,0)) -> 角度
#                           3: LineSegment -> 端点坐标 -> 角度angle
# FormType_X,FormType_Y : 坐标
# FormType_Other : 其他
def UART_Send(FormType, FormType_X, FormType_Y, FormType_Other):
    global Frame_Cnt
    global fCnt_tmp
    Frame_Head = [170,170]
    Frame_End = [85,85]
    fFormType_tmp = [FormType]
    Frame_Cnt += 1

    if Frame_Cnt > 65534 :
        FrameCnt = 0

    fHead = bytes(Frame_Head)

    fCnt_tmp[0] = Frame_Cnt & 0xFF
    fCnt_tmp[1] = Frame_Cnt >> 8
    fCnt = bytes(fCnt_tmp)

    fFormType = bytes(fFormType_tmp)

    fFormType_X = bytes(ExceptionVar(FormType_X))
    fFormType_Y = bytes(ExceptionVar(FormType_Y))
    fFormType_Other = bytes(ExceptionVar(FormType_Other))

    fEnd = bytes(Frame_End)

    FrameBuffe = fHead + fCnt + fFormType + fFormType_X + fFormType_Y + fFormType_Other + fEnd

    return FrameBuffe


sensor.reset()

sensor.set_pixformat(sensor.RGB565) # grayscale is faster

sensor.set_framesize(sensor.QQVGA)

sensor.skip_frames(time = 2000)

clock = time.clock()
uart = UART(3, 115200)                         # i使用给定波特率初始化
# uart.init(115200, bits=8, parity=None, stop=1, timeout_char=1000) # 使用给定参数初始化

while(True):

    clock.tick()

    #lens_corr(1.8)畸变矫正
    img = sensor.snapshot()

#    (FormType,X,Y,R) = Find_Circular(img)
    (FormType,X,Y,W) = Find_Rectangle(img)
#    (FormType,X,Y,Angle) = Find_Lines(img)
#    (FormType,X,Y,Angle) = Find_LineSegment(img)

    if(FormType == 0):
        print(FormType,X,Y,R)
        uart.write(UART_Send(FormType,X,Y,R))
    elif(FormType == 1):
        print(FormType,X,Y,W)
        uart.write(UART_Send(FormType,X,Y,W))
    elif(FormType == 2):
        print(FormType,X,Y,Angle)
        uart.write(UART_Send(FormType,X,Y,Angle))
    elif(FormType == 3):
        print(FormType,X,Y,Angle)
        uart.write(UART_Send(FormType,X,Y,Angle))


    print("FPS %f" % clock.fps())

这是我写的openmv识别圆的程序，我想把识别到的圆的circle.x()，circle.y()通过串口发送给MSP432，我这个串口发送的是什么类型的数据？我用串口助手查看OpenMV发送的数据，发现全都是0，这是为什么呢？

以下是我写的OpenMV代码：

# 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, pyb
from pyb import UART

LED1 = pyb.LED(3)

sensor.reset()

sensor.set_pixformat(sensor.RGB565) # grayscale is faster

sensor.set_framesize(sensor.QQVGA)

sensor.skip_frames(time = 2000)

clock = time.clock()
uart = UART(3, 9600, timeout_char=1000)                         # i使用给定波特率初始化
uart.init(9600, bits=8, parity=None, stop=1, timeout_char=1000) # 使用给定参数初始化


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。
    # (以左上角为原点)

    # 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 。(检测识别x方向大于x_stride个像素点的圆)

    # 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。
    # (如果检测到的圆多余实际，则调大阈值threshold；反之，调小阈值threshold)

    # 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。
    #（若检测到的两个圆x方向间距小于x_margin个像素点则被合并）

    # 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 = 4000, 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.x())

        Circle_buffer = "[%d,%d,%d]"%(c.x(), c.y(), c.r())

        uart.write(Circle_buffer)
        uart.write("\r\n")

        LED1.on()
        time.sleep(150)
        LED1.off()
        time.sleep(100)

    print("FPS %f" % clock.fps())

这是串口助手接收到的数据：

我将OpenMV与MSP432连接，OpenMV给MSP432传输数据，我想将OpenMV的数据保存到OpenMV的SD卡中，以方便我在系统运行结束后查看OpenMv的数据

circle.x（）
返回圆的x位置。
circle.y）
返回圆的y位置。
circle.r（）
返回圆的半径。

这里的圆的x,y位置和圆的半径的单位是什么？

是多少个像素点？还是cm?

特征点检测不行吗？