用OpenMV自动识别颜色序列

新年假期过去啦~

主控:OpenMV3 M7摄像头(STM32F765)

IDE:OPENMV官方IDE

我将Capstone期间做的代码上传到Gitee啦,后续还会陆续上传代码上去的,地址:Capstone,如果对你有帮助的话不妨点个支持一下~

OpenMV需要识别颜色顺序的位置是第一个区域,区域中的物料摆放如下图所示

对于OpenMV识别颜色,很大一部分人都是采用了使用阈值调节,通过拍回来的照片修改阈值得到想要的区域,这种情况一般都会存在调试时间长,受光照影响大的限制。

通过分析本项目的颜色识别部分,小车到达粗加工区后开始颜色识别,识别到序列之后在开始抓取,车子在识别颜色时的位置是大致不变的,所以本文将阈值->颜色识别的流程转化为区域->颜色的识别,可以减少调试时间,但解决不了受光照影响的问题。

OpenMV使用的是LAB色域,如下图所示

根据任务要求,物料颜色分别有红绿蓝三色,则对上图进行观察对比,可以发现红绿蓝三色均在球形的外端,有非明显的区别,比如红色的a值为正数蓝色的b值为负数绿色的a值为负数。因此可以根据这些特征筛选出所需颜色。

在实际运行过程中,我们将OpenMV的画面分成上下两部分,然后在每次运行到粗加工区位置时都运行一遍识别程序,避免因颜色识别不全卡在粗加工区。

在此处放出获取区域颜色的代码

function:GetColor

def GetColor(Rev_Num):
global Left_x
global Middle_x
global Right_x
global Left_y
global Middle_y
global Right_y
global LeftMean_Shang
global MiddleMean_Shang
global RightMean_Shang
global LeftMean_Xia
global MiddleMean_Xia
global RightMean_Xia
if (Rev_Num == 1):
#获取左中右三个位置的X坐标和Y坐标
Left_x = LeftROI_Shang[0] + (LeftROI_Shang[2] / 2)
Middle_x = MiddleROI_Shang[0] + (MiddleROI_Shang[2] / 2)
Right_x = RightROI_Shang[0] + (RightROI_Shang[2] / 2)
Left_y = LeftROI_Shang[1] + (LeftROI_Shang[3] / 2)
Middle_y = MiddleROI_Shang[1] + (MiddleROI_Shang[3] / 2)
Right_y = RightROI_Shang[1] + (RightROI_Shang[3] / 2)
for i in range(100):
img = sensor.snapshot()
img.draw_rectangle(LeftROI_Shang)
img.draw_rectangle(MiddleROI_Shang)
img.draw_rectangle(RightROI_Shang)
img.draw_cross(int(Left_x), int(Left_y))
img.draw_cross(int(Middle_x), int(Middle_y))
img.draw_cross(int(Right_x), int(Right_y))
Left_Stat = img.get_statistics(roi = LeftROI_Shang)
Middle_Stat = img.get_statistics(roi = MiddleROI_Shang)
Right_Stat = img.get_statistics(roi = RightROI_Shang)
#获取上层左侧ROI的LAB均值
LeftMean_Shang[0] = LeftMean_Shang[0] + (Left_Stat.l_mean() / 100)
LeftMean_Shang[1] = LeftMean_Shang[1] + (Left_Stat.a_mean() / 100)
LeftMean_Shang[2] = LeftMean_Shang[2] + (Left_Stat.b_mean() / 100)
#获取上层中间ROI的LAB均值
MiddleMean_Shang[0] = MiddleMean_Shang[0] + (Middle_Stat.l_mean() / 100)
MiddleMean_Shang[1] = MiddleMean_Shang[1] + (Middle_Stat.a_mean() / 100)
MiddleMean_Shang[2] = MiddleMean_Shang[2] + (Middle_Stat.b_mean() / 100)
#获取上层右侧ROI的LAB均值
RightMean_Shang[0] = RightMean_Shang[0] + (Right_Stat.l_mean() / 100)
RightMean_Shang[1] = RightMean_Shang[1] + (Right_Stat.a_mean() / 100)
RightMean_Shang[2] = RightMean_Shang[2] + (Right_Stat.b_mean() / 100)
elif (Rev_Num == 2):
#获取左中右三个位置的X坐标和Y坐标
Left_x = LeftROI_Xia[0] + (LeftROI_Xia[2] / 2)
Middle_x = MiddleROI_Xia[0] + (MiddleROI_Xia[2] / 2)
Right_x = RightROI_Xia[0] + (RightROI_Xia[2] / 2)
Left_y = LeftROI_Xia[1] + (LeftROI_Xia[3] / 2)
Middle_y = MiddleROI_Xia[1] + (MiddleROI_Xia[3] / 2)
Right_y = RightROI_Xia[1] + (RightROI_Xia[3] / 2)
for i in range(100):
img = sensor.snapshot()
img.draw_rectangle(LeftROI_Xia)
img.draw_rectangle(MiddleROI_Xia)
img.draw_rectangle(RightROI_Xia)
img.draw_cross(int(Left_x), int(Left_y))
img.draw_cross(int(Middle_x), int(Middle_y))
img.draw_cross(int(Right_x), int(Right_y))
Left_Stat = img.get_statistics(roi = LeftROI_Xia)
Middle_Stat = img.get_statistics(roi = MiddleROI_Xia)
Right_Stat = img.get_statistics(roi = RightROI_Xia)
#获取下层左侧ROI的LAB均值
LeftMean_Xia[0] = LeftMean_Xia[0] + (Left_Stat.l_mean() / 100)
LeftMean_Xia[1] = LeftMean_Xia[1] + (Left_Stat.a_mean() / 100)
LeftMean_Xia[2] = LeftMean_Xia[2] + (Left_Stat.b_mean() / 100)
#获取下层中间ROI的LAB均值
MiddleMean_Xia[0] = MiddleMean_Xia[0] + (Middle_Stat.l_mean() / 100)
MiddleMean_Xia[1] = MiddleMean_Xia[1] + (Middle_Stat.a_mean() / 100)
MiddleMean_Xia[2] = MiddleMean_Xia[2] + (Middle_Stat.b_mean() / 100)
#获取下层右侧ROI的LAB均值
RightMean_Xia[0] = RightMean_Xia[0] + (Right_Stat.l_mean() / 100)
RightMean_Xia[1] = RightMean_Xia[1] + (Right_Stat.a_mean() / 100)
RightMean_Xia[2] = RightMean_Xia[2] + (Right_Stat.b_mean() / 100)

简单介绍一下函数,函数内容挺简单的,将画面中三个区域中的LAB阈值提出来做均分再相加,就得到了三个区域中L、A、B三个通道的颜色均值,后面再做对比就行

还有调试用的函数,这个函数是用来调试找到三个区域的

function:Get_ROI

def Get_ROI(Rev_Num):
global Left_x
global Middle_x
global Right_x
global Left_y
global Middle_y
global Right_y
if (Rev_Num == 1):
#裁剪窗口
sensor.set_windowing(ROI_Shang)
#获取左中右三个位置的X坐标和Y坐标
Left_x = LeftROI_Shang[0] + (LeftROI_Shang[2] / 2)
Middle_x = MiddleROI_Shang[0] + (MiddleROI_Shang[2] / 2)
Right_x = RightROI_Shang[0] + (RightROI_Shang[2] / 2)
Left_y = LeftROI_Shang[1] + (LeftROI_Shang[3] / 2)
Middle_y = MiddleROI_Shang[1] + (MiddleROI_Shang[3] / 2)
Right_y = RightROI_Shang[1] + (RightROI_Shang[3] / 2)
img = sensor.snapshot()
img.draw_rectangle(LeftROI_Shang)
img.draw_rectangle(MiddleROI_Shang)
img.draw_rectangle(RightROI_Shang)
img.draw_cross(int(Left_x), int(Left_y))
img.draw_cross(int(Middle_x), int(Middle_y))
img.draw_cross(int(Right_x), int(Right_y))
elif (Rev_Num == 2):
#裁剪窗口
#sensor.set_windowing(ROI_Xia)
#获取左中右三个位置的X坐标和Y坐标
Left_x = LeftROI_Xia[0] + (LeftROI_Xia[2] / 2)
Middle_x = MiddleROI_Xia[0] + (MiddleROI_Xia[2] / 2)
Right_x = RightROI_Xia[0] + (RightROI_Xia[2] / 2)
Left_y = LeftROI_Xia[1] + (LeftROI_Xia[3] / 2)
Middle_y = MiddleROI_Xia[1] + (MiddleROI_Xia[3] / 2)
Right_y = RightROI_Xia[1] + (RightROI_Xia[3] / 2)
img = sensor.snapshot()
img.draw_rectangle(LeftROI_Xia)
img.draw_rectangle(MiddleROI_Xia)
img.draw_rectangle(RightROI_Xia)
img.draw_cross(int(Left_x), int(Left_y))
img.draw_cross(int(Middle_x), int(Middle_y))
img.draw_cross(int(Right_x), int(Right_y))

完整的代码发在了Gitee上

程序的运行结果如下图,可以成功的识别得到颜色的序列

手上没有openmv,测试图就这一张

用OpenMV自动识别颜色序列的更多相关文章

  1. cojs 疯狂的魔法树 疯狂的颜色序列 题解报告

    疯狂的魔法树 一个各种操作大杂烩的鬼畜数据结构题目 首先我们注意到树的形态是半随机的 我们可以树分块,对树分成若干个块 对于每个块我们维护一个add标记表示增量 维护一个vis标记表示覆盖量 注意标记 ...

  2. 用Arduino显示颜色序列(u8g2,OLED)

    目录 用Arduino显示颜色序列(u8g2,OLED) 用Arduino显示颜色序列(u8g2,OLED) 提前祝大家新年快乐! 主控:Arduino Mega 2560 硬件:126×64 OLE ...

  3. [四校联考P3] 区间颜色众数 (主席树)

    主席树 Description 给定一个长度为 N 颜色序列A,有M个询问:每次询问一个区间里是否有一种颜色的数量超过了区间的一半,并指出是哪种颜色. Input 输入文件第一行有两个整数:N和C 输 ...

  4. Uva 1625,颜色的长度

    类似于LCS的动态规划,指标函数的分解. 题目链接:https://uva.onlinejudge.org/external/16/1625.pdf 题目大意:两个颜色序列,将他们合并,合并的时候,每 ...

  5. shell之echo与printf和颜色

    在用户的bashrc中添加一行export来修改提示符.

  6. bzoj5011: [Jx2017]颜色

    Description 可怜有一个长度为n的正整数序列Ai,其中相同的正整数代表着相同的颜色. 现在可怜觉得这个序列太长了,于是她决定选择一些颜色把这些颜色的所有位置都删去. 删除颜色i可以定义为把所 ...

  7. UVa 1625 颜色的长度

    https://vjudge.net/problem/UVA-1625 题意: 输入两个长度分别为n和m的颜色序列,要求按顺序合并成同一个序列,即每次可以把一个序列开头的颜色放到新序列的尾部.对于每个 ...

  8. opencv产生随机的颜色

    //将HSV颜色空间值转换成RGB值,参考这里cv::Scalar HSV2RGB(const float h, const float s, const float v) { ); - h_i; - ...

  9. [JXOI2017]颜色 线段树求点对贡献

    [JXOI2017]颜色 题目链接 https://www.luogu.org/problemnew/show/P4065 题目描述 可怜有一个长度为 n 的正整数序列 Ai,其中相同的正整数代表着相 ...

随机推荐

  1. python修改Gsettings的配置文件

    GSettings 的配置文件是 xml 格式的,文件需以 .gschema.xml 结尾,文件名通常与 id 相同.配置文件安装在 /usr/share/glib-2.0/schemas/ 目录下, ...

  2. WIN DLL劫持提权

    WIN DLL劫持提权 原理: Windows程序启动的时候需要DLL.如果这些DLL 不存在,则可以通过在应用程序要查找的位置放置恶意DLL来提权.通常,Windows应用程序有其预定义好的搜索DL ...

  3. Linux---必备命令(2)

    进程相关命令 # 查看系统所有的进程 ps -ef ps -ef | grep vim # 过滤出vim有关的进程 ps -ef | grep vim # 过滤出22端口的信息 ps -tunlp | ...

  4. xtrabackup备份和恢复数据脚本

    该脚本用于备份和恢复MySQL数据库. 总结xtrabackup备份的两个坑: 1.在恢复数据的过程中,如果中途出错,则数据将会被破坏,后续很难再恢复. 2.在恢复过程中,如果版本过低,在准备全量数据 ...

  5. 论文解读(MLGCL)《Multi-Level Graph Contrastive Learning》

    论文信息 论文标题:Structural and Semantic Contrastive Learning for Self-supervised Node Representation Learn ...

  6. zabbix监控SSL证书有效期

    想给公司网站加上证书的监控,发现agent无此监控项.科普之后发现需要自行添加脚本以及一些操作. 环境信息 系统版本: Ubuntu20.04 zabbix server版本:5.4 (这个自定义貌似 ...

  7. Centos7 搭建 Socks 服务

    Centos7 搭建 Socks 服务 一丶拿到一个动态拨号的服务器还不能使用网络得先打开: pppoe-start 二丶安装命令汇总: 通过yum安装ss5 依赖包: yum install gcc ...

  8. docker:compose安装

    compose:独立于docker的程序,可以做多容器app 安装docker-compose: 下载docker-compose文件: curl -L https://github.com/dock ...

  9. liunx对磁盘进行配额限制

    说明,我们给你一个分区进行磁盘配额进行限制 1.首先我们要进行那个分区进行限制,通过修改配置文件加上uquota ,然后再重启一下系统 二.quota 命令用于管理设备的磁盘容量配额,语法格式为 xf ...

  10. 前后端分离,简单JWT登录详解

    前后端分离,简单JWT登录详解 目录 前后端分离,简单JWT登录详解 JWT登录流程 1. 用户认证处理 2. 前端登录 3. 前端请求处理 4. 后端请求处理 5. 前端页面跳转处理 6. 退出登录 ...