VEXcode EXP Python-এ AI ভিশন সেন্সর দিয়ে কোডিং

নিশ্চিত করুন যে আপনার AI ভিশন সেন্সরের সাথে কালার সিগনেচার এবং কালার কোড কনফিগার করা আছে যাতে সেগুলি আপনার ব্লকের সাথে ব্যবহার করা যায়। এগুলি কীভাবে কনফিগার করবেন সে সম্পর্কে আরও জানতে, আপনি নীচের নিবন্ধগুলি পড়তে পারেন:

• VEXcode EXP-তে AI Vision Signature ব্যবহার করে রঙিন স্বাক্ষর কনফিগার করা
• VEXcode EXP-তে AI Vision Signature ব্যবহার করে কালার কোড কনফিগার করা

এআই ভিশন সেন্সর এআই ক্লাসিফিকেশন এবং এপ্রিলট্যাগও সনাক্ত করতে পারে। এই সনাক্তকরণ মোডগুলি কীভাবে সক্ষম করবেন তা জানতে, এখানে যান:

• VEXcode EXP-তে AI ভিশন সেন্সর সহ AI শ্রেণীবিভাগ
• VEXcode EXP-তে AI ভিশন সেন্সর সহ AprilTags

এই পৃথক কমান্ডগুলি সম্পর্কে আরও বিস্তারিত জানতে এবং VEXcode-এ কীভাবে সেগুলি ব্যবহার করবেন তা জানতে, API সাইটে যান।

---

এআই ভিশন সেন্সর দিয়ে ভিজ্যুয়াল ডেটা সংগ্রহ করুন

প্রতিটি AI Vision Sensor কমান্ড কনফিগার করা AI Vision Sensor এর নাম দিয়ে শুরু হবে। এই প্রবন্ধের সকল উদাহরণের জন্য, ব্যবহৃত AI ভিশন সেন্সরের নাম হবে ai_vision_1।

ছবি তোলা

take_snapshot পদ্ধতিটি AI ভিশন সেন্সর বর্তমানে যা দেখছে তার একটি ছবি তোলে এবং সেই স্ন্যাপশট থেকে ডেটা সংগ্রহ করে যা পরে একটি প্রকল্পে ব্যবহার করা যেতে পারে। যখন একটি স্ন্যাপশট নেওয়া হয়, তখন আপনাকে নির্দিষ্ট করতে হবে যে AI ভিশন সেন্সর কোন ধরণের বস্তুর তথ্য সংগ্রহ করবে:

• Aরঙের স্বাক্ষর অথবারঙের কোড
  • এই ভিজ্যুয়াল স্বাক্ষরগুলি AI ভিশন সেন্সরের নাম, ডাবল আন্ডারস্কোর এবং তারপর ভিজ্যুয়াল স্বাক্ষরের নাম দিয়ে শুরু হয়, উদাহরণস্বরূপ: ai_vision_1__Blue।
• এআই শ্রেণীবিভাগ - AiVision.ALL_AIOBJS
• এপ্রিলট্যাগ- AiVision.ALL_TAGS

একটি স্ন্যাপশট নিলে আপনার নির্দিষ্ট করা সমস্ত সনাক্ত করা বস্তুর একটি টুপল তৈরি হবে। উদাহরণস্বরূপ, যদি আপনি একটি "নীল" রঙের স্বাক্ষরসনাক্ত করতে চান, এবং AI ভিশন সেন্সর 3টি ভিন্ন নীল বস্তু সনাক্ত করে, তাহলে তিনটিরই ডেটা টিপলে রাখা হবে।

এই উদাহরণে, vision_objects ভেরিয়েবলটি AI ভিশন সেন্সর থেকে সনাক্ত করা "Purple"Color Signatures ধারণকারী একটি টুপল সংরক্ষণ করে যার নাম ai_vision_1। এটি সনাক্ত করা বস্তুর সংখ্যা প্রদর্শন করে এবং প্রতি ০.৫ সেকেন্ডে একটি নতুন স্ন্যাপশট ক্যাপচার করে।

while True: 
    # সমস্ত বেগুনি রঙের স্বাক্ষরের একটি স্ন্যাপশট নিন এবং এটি vision_objects-এ সংরক্ষণ করুন।
    vision_objects = ai_vision_1.take_snapshot(ai_vision_1__Purple)
    
    # ডেটা টানার আগে স্ন্যাপশটে কোনও বস্তু সনাক্ত হয়েছে কিনা তা পরীক্ষা করে দেখুন।
    যদি vision_objects[0].exists == True
    
        brain.screen.clear_screen()
        brain.screen.set_cursor(1, 1)
    
        brain.screen.print("Object count:", len(vision_objects))
    wait(0.5, SECONDS)

বস্তুর বৈশিষ্ট্য

স্ন্যাপশটের প্রতিটি বস্তুর আলাদা আলাদা বৈশিষ্ট্য রয়েছে যা সেই বস্তু সম্পর্কে তথ্য রিপোর্ট করতে ব্যবহার করা যেতে পারে। উপলব্ধ সম্পত্তিগুলি নিম্নরূপ:

• আইডি
• সেন্টারএক্স এবং সেন্টারওয়াই
• অরিজিনএক্স এবং অরিজিনওয়াই
• প্রস্থ
• উচ্চতা
• কোণ
• স্কোর
• বিদ্যমান

কোনও বস্তুর সম্পত্তি অ্যাক্সেস করতে, টুপল সংরক্ষণকারী ভেরিয়েবলের নাম ব্যবহার করুন, তারপরে অবজেক্ট ইনডেক্স ব্যবহার করুন।

অবজেক্ট ইনডেক্সটি নির্দেশ করে যে আপনি কোন নির্দিষ্ট অবজেক্টের সম্পত্তি পুনরুদ্ধার করতে চান। স্ন্যাপশট নেওয়ার পর, এআই ভিশন সেন্সর স্বয়ংক্রিয়ভাবে আকার অনুসারে বস্তু বাছাই করে। সবচেয়ে বড় বস্তুটিকে সূচক ০ দেওয়া হয়, যেখানে ছোট বস্তুগুলিকে উচ্চতর সূচক সংখ্যা দেওয়া হয়।

উদাহরণস্বরূপ, vision_objects ভেরিয়েবলের ভিতরে বৃহত্তম বস্তুর প্রস্থকে কল করলে হবে: vision_objects[0].width।

আইডি

id সম্পত্তিটি শুধুমাত্র এপ্রিল ট্যাগ এবং AI শ্রেণীবিভাগের জন্য উপলব্ধ।

এপ্রিলট্যাগ এবং এআই ক্লাসিফিকেশন এবং এআই ভিশন ইউটিলিটিতে কীভাবে তাদের সনাক্তকরণ সক্ষম করবেন সে সম্পর্কে আরও তথ্যের জন্য এই নিবন্ধগুলি দেখুন।

কেন্দ্রX এবং কেন্দ্রY

এটি পিক্সেলের মাধ্যমে সনাক্ত করা বস্তুর কেন্দ্র স্থানাঙ্ক।

এই উদাহরণে, যেহেতু AI ভিশন সেন্সরের ভিউয়ের কেন্দ্র (160, 120), রোবটটি ডানদিকে ঘুরবে যতক্ষণ না সনাক্ত করা বস্তুর সেন্টারএক্স স্থানাঙ্ক 150 পিক্সেলের বেশি কিন্তু 170 পিক্সেলের কম হয়।

while True:
    # সমস্ত নীল রঙের স্বাক্ষরের একটি স্ন্যাপশট নিন এবং এটি vision_objects-এ সংরক্ষণ করুন।
    vision_objects = ai_vision_1.take_snapshot(ai_vision_1__Blue)

    # ডেটা টানার আগে স্ন্যাপশটে কোনও বস্তু সনাক্ত করা হয়েছে কিনা তা পরীক্ষা করে দেখুন।
    যদি vision_objects[0].exists == True

        # বস্তুটি AI ভিশন সেন্সরের ভিউয়ের কেন্দ্রে নেই কিনা তা পরীক্ষা করুন।
        যদি vision_objects[0].centerX > 150 এবং 170 > vision_objects[0].centerX:

            # বস্তুটি দৃশ্যের কেন্দ্রে না আসা পর্যন্ত ডানদিকে ঘুরতে থাকুন।
            drivetrain.turn(Right)
        অন্য:
            drivetrain.stop()
    wait(5, MSEC)

অরিজিনX এবং অরিজিন

OriginX এবং OriginY হল পিক্সেলের মাধ্যমে সনাক্ত করা বস্তুর উপরের-বাম কোণে স্থানাঙ্ক।

প্রস্থ এবং উচ্চতা

এটি পিক্সেলের মাধ্যমে সনাক্ত করা বস্তুর প্রস্থ বা উচ্চতা।

এই উদাহরণে, বস্তুর প্রস্থ নেভিগেশনের জন্য ব্যবহৃত হয়েছে। রোবটটি বস্তুটির কাছে যাবে যতক্ষণ না প্রস্থ একটি নির্দিষ্ট আকারে পৌঁছায় এবং থামে।

while True:
    # সমস্ত নীল রঙের স্বাক্ষরের একটি স্ন্যাপশট নিন এবং এটি vision_objects-এ সংরক্ষণ করুন।
    vision_objects = ai_vision_1.take_snapshot(ai_vision_1__Blue)

    # ডেটা টানার আগে স্ন্যাপশটে কোনও বস্তু সনাক্ত করা হয়েছে কিনা তা পরীক্ষা করে দেখুন।
    যদি vision_objects[0].exists == True

        # সবচেয়ে বড় বস্তুটি AI ভিশন সেন্সরের প্রস্থ পরিমাপ করে তার কাছাকাছি কিনা তা পরীক্ষা করুন।
        যদি vision_objects[0].width < 250:

            # বস্তুর কাছাকাছি যান যতক্ষণ না এটি 250 পিক্সেলের চেয়ে প্রশস্ত হয়।
            drivetrain.drive(FORWARD)
        অন্য:
            drivetrain.stop()

    wait(5, MSEC)

কোণ

স্কোর

AI ভিশন সেন্সর দিয়েAI ক্লাসিফিকেশন সনাক্ত করার সময় স্কোর বৈশিষ্ট্যটি ব্যবহার করা হয়।

বিদ্যমান

শেষ তোলা স্ন্যাপশটে একটি নির্দিষ্ট ভিজ্যুয়াল সিগনেচার সনাক্ত করা হয়েছে কিনা তা সনাক্ত করতে exists প্রপার্টি ব্যবহার করা হয়।

এটি আপনাকে পূর্ববর্তী স্ন্যাপশটে কোনও সনাক্ত করা বস্তু সনাক্ত করা হয়েছে কিনা তা পরীক্ষা করতে দেয়। যখন কোন বস্তু বিদ্যমান থাকে তখন এই বৈশিষ্ট্যটি True এবং যখন কোন বস্তু বিদ্যমান থাকে না তখন False প্রদান করবে।