import sensor, image, time,math,pyb
from pyb import UART,LED
import json
import ustruct
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.skip_frames(time = 2000)
sensor.set_windowing((240, 240))
sensor.set_auto_gain(False) # must be turned off for color tracking
sensor.set_auto_whitebal(False) # must be turned off for color tracking
red_threshold_01=(10, 100, 127, 32, -43, 67)
#red_threshold_01=(86, 64, -128, -17, -128, 127)
clock = time.clock()
uart = UART(3,115200) #定义串口3变量
uart.init(115200, bits=8, parity=None, stop=1) # init with given parameters
def find_max(blobs): #定义寻找色块面积最大的函数
max_size=0
for blob in blobs:
if blob.pixels() > max_size:
max_blob=blob
max_size = blob.pixels()
return max_blob
def sending_data(cx,cy,cw,ch):
global uart;
data = ustruct.pack("<bbhhhhb", #格式为俩个字符俩个短整型(2字节)
0x2C, #帧头1
int(cx), # up sample by 4 #数据1
int(cy), # up sample by 4 #数据2
0x5B)
uart.write(data); #必须要传入一个字节数组
while(True):
clock.tick()
img = sensor.snapshot()
blobs = img.find_blobs([red_threshold_01])
max_b = find_max(blobs)
cx=0;cy=0;
img.draw_cross(120, 120, size = 5, color = (255, 255, 255))
if blobs:
#如果找到了目标颜色
cx=max_b[5]
cy=max_b[6]
img.draw_rectangle(max_b[0:4]) # rect
img.draw_cross(max_b[5], max_b[6]) # cx, cy
FH = bytearray([0x2C,cx,cy,0x5B])
uart.write(FH)
print(cx,cy)
小风飞子
- 粉丝: 369
- 资源: 1962
最新资源
- 用于执行大规模对象检测和实例分割的轻量级视觉库.zip
- 用于小物体检测的 Tile(切片)YOLO 数据集.zip
- 用于实时对象检测的 YOLOv3 和 YOLOv3-Tiny 实现.zip
- 用于 YOLO 小物体检测和实例分割的 Python 库.zip
- 用于 NVIDIA Jetson 上 yolov5 推理的 Dockerfile.zip
- cefsharp131版本,支持Mp4,64位
- 用于 Autodistill 的 YOLOv8 目标模型插件.zip
- 生命太短暂,没有时间进行测试.zip
- 斐讯K2刷机包通用版本
- 此脚本在 Berkeley Deep Drive 数据集上执行 K-means 聚类,以找到适合 YOLOv3 的锚框 它最初有 9 个锚框,图像大小为 608x608 如有任何问题,请告诉我.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈