视觉模块

算法介绍

算法id	名称	简介
1	颜色识别	设置1～25个识别区域，返回每个区域中的颜色信息，如R，G，B值及分类标签
2	色块检测	检测图像中是否包含一个或多个指定颜色的色块，返回其坐标和尺寸，可以通过设置色块尺寸用于滤除干扰
3	标签识别	检测图像中是否有Apriltag图案，目前支持16H5，25H9,36H11编码，可以同时识别多个图案
4	线条检测	检测图像中的实心线条，返回线段的两个端点坐标及倾斜角度，曲线将被近似为直线段处理，可支持5个线段检测
5	深度学习	对任意物体进行离线训练并进行识别
6	卡片识别	识别特制的卡片图案，10张交通卡片，9张形状卡片，10张数字卡片
7	人脸识别	检测与识别人脸，可以通过短按导航键来记录人脸数据，已记录的人脸将会分配一个Label标签用于分类
8	20类物体	实现对20类常见物体的识别，诸如猫、椅子、人、汽车、电视等
9	二维码	识别简单的二维码，可自定义生成，但应符合以下条件：由基本ASCII码字符组成，不超过25个字符，白底黑格图案
10	运动物体	判断图像中是否有移动区域，如果有，返回该区域的坐标和大小，传感器需处于静止状态，自身不可移动

颜色识别

设置1～25个识别区域，返回每个区域中的颜色信息，如R，G，B值及分类标签。

通过摇杆进行算法配置          运行界面               返回分类标签

色块检测-Blob

检测图像中是否包含一个或多个指定颜色的色块，返回其坐标和尺寸，可以通过设置色块尺寸用于滤除干扰。

通过摇杆进行算法配置              运行算法，返回分类标签

标签识别-Apriltag

检测图像中是否有Apriltag图案，目前支持16H5，25H9，36H11编码，可以同时识别多个图案。

通过摇杆进行算法配置                 运行界面

                      三种Apriltag码标签

线条检测-Line

                  

    通过摇杆进行算法配置                        运行界面

深度学习-Learning

对任意物体进行简易离线训练并进行识别。

                       通过摇杆进行算法配置

卡片识别

识别特制的卡片图案，10张交通卡片，9张形状卡片，10张数字卡片。

                       可以识别的卡片

人脸识别

20类物体识别

实现对20类常见物体的识别，诸如猫、椅子、人、汽车、电视等。

       

二维码识别-QRCode

识别简单的二维码，可自定义生成，但应符合以下条件：由基本ASCII码字符组成，不超过25个字符，白底黑格图案。

运动物体检测-Motion

判断图像中是否有移动区域，如果有，返回该区域的坐标和大小，传感器需处于静止状态，自身不可移动。

操作说明

样例代码

# -*- coding: utf_8 -*-
#导入MYBIT程序库
from npython import *           # 导入npython模块
#在下面开始写你自己的代码
data=0
uart1=UART(1,baudrate=115200,rx=PINS[13],tx=PINS[5],timeout=10)
time.sleep(4)
uart1.write("o1")#开启算法识别
time.sleep(0.5)
while True:
    uart1.write("L")
    time.sleep(0.1)
    if uart1.any():
        data=uart1.read()
        data=data.decode('utf-8')#解码
        print(data[0])
        if data=='1\n':
            rgb.write_left(255,0,0)
        else:
                rgb.write_left(0,0,0)
                oled.print(1,1,"数值="+str(data),1)
                print("数值="+str(data))