Koodaus tekoälynäköanturilla VEXcode V5 Pythonissa

Varmista, että sinulla on väritunnistetta ja värikoodit määritettynä tekoälynäköanturiisi, jotta niitä voidaan käyttää palikoidesi kanssa. Lisätietoja niiden määrittämisestä on alla olevissa artikkeleissa:

• Väritunnisteiden määrittäminen tekoälynäköanturilla VEXcode V5:ssä
• Värikoodien määrittäminen tekoälynäköanturilla VEXcode V5:ssä

Tekoälynäköanturi pystyy myös havaitsemaan tekoälyn luokitukset ja AprilTagit. Lisätietoja näiden tunnistustilojen käyttöönotosta on täällä:

• Tekoälyluokitusten käyttö tekoälynäköanturin kanssa
• AprilTags-sovelluksen käyttö tekoälynäköanturin kanssa

Lisätietoja näistä yksittäisistä komennoista ja niiden käytöstä VEXcodessa on API-sivustolla.

---

Hanki visuaalisia tietoja tekoälynäköanturilla

Jokainen tekoälynäköanturin komento alkaa konfiguroidun tekoälynäköanturin nimellä. Kaikissa tämän artikkelin esimerkeissä käytetyn tekoälynäköanturin nimi on ai_vision_1.

ota_kuva

take_snapshot -metodi ottaa kuvan siitä, mitä tekoälynäköanturi sillä hetkellä näkee, ja hakee tästä tilannekuvasta tietoja, joita voidaan sitten käyttää projektissa. Kun tilannekuva otetaan, sinun on määritettävä, minkä tyyppisestä kohteesta tekoälynäköanturin tulisi kerätä tietoja:

• AVäriallekirjoitus taiVärikoodi
  • Nämä visuaaliset allekirjoitukset alkavat tekoälynäköanturin nimellä, kaksoisalaviivalla ja sitten visuaalisen allekirjoituksen nimellä, esimerkiksi: ai_vision_1__Sininen.
• Tekoälyluokitukset
• AiVision.ALL_TAGS

Tilannevedoksen ottaminen luo tuplen kaikista määrittämistäsi havaituista objekteista. Jos esimerkiksi haluat havaita "sinisen" väritunnisteenja tekoälynäköanturi havaitsee 3 erilaista sinistä kohdetta, kaikkien kolmen tiedot lisätään tupleen.

Tässä esimerkissä muuttuja vision_objects tallentaa tuplen, joka sisältää tekoälynäköanturista nimeltä ai_vision_1havaitut "violetit"väritunnisteet. Se näyttää havaittujen kohteiden määrän ja ottaa uuden tilannekuvan 0,5 sekunnin välein.

while True: 
    # Hakee tilannekuvan kaikista purppuranvärisistä allekirjoituksista ja tallentaa sen vision_objects-kansioon.
    vision_objects = ai_vision_1.take_snapshot(ai_vision_1__Purple)
    
    # Tarkistetaan, että tilannekuvasta on havaittu objekti ennen datan hakemista.
    jos vision_objects[0].exists == True
    
        brain.screen.clear_screen()
        brain.screen.set_cursor(1, 1)
    
        brain.screen.print("Objektien määrä:", len(vision_objects))
    wait(0.5, SEKUNTIA)

Objektin ominaisuudet

Jokaisella tilannevedoksen objektilla on erilaisia ​​ominaisuuksia, joita voidaan käyttää objektin tietojen raportointiin. Käytettävissä olevat ominaisuudet ovat seuraavat:

• tunnus
• keskipiste X ja keskipiste Y
• alkuperäX ja alkuperäY
• leveys
• korkeus
• kulma
• pisteet
• olemassa

Päästäksesi objektin ominaisuuteen, käytä tuplen sisältävää muuttujan nimeä ja sen perään objektin indeksiä.

Objekti-indeksi osoittaa, minkä tietyn objektin ominaisuuden haluat noutaa. Otettuaan tilannekuvan tekoälynäköanturi lajittelee objektit automaattisesti koon mukaan. Suurimmalle objektille annetaan indeksi 0, ja pienemmille objekteille annetaan suurempi indeksinumero.

Esimerkiksi muuttujan vision_objects sisällä olevan suurimman objektin leveyden kutsuminen olisi: vision_objects[0].width.

tunnus

Ominaisuus id on käytettävissä vain tekoälyluokituksissa AprilTags ja

Lisätietoja AprilTags ja AI Classifications -luokituksista ja niiden tunnistuksen ottamisesta käyttöön AI Vision Utility -apuohjelmassa on näissä artikkeleissa.

keskikohta X ja keskikohta

Tämä on havaitun kohteen keskipisteen koordinaatit pikseleinä.

Tässä esimerkissä, koska tekoälynäköanturin näkymän keskipiste on (160, 120), robotti kääntyy oikealle, kunnes havaitun kohteen keskipisteen X-koordinaatti on suurempi kuin 150 pikseliä, mutta pienempi kuin 170 pikseliä.

while True:
    # Hakee tilannekuvan kaikista sinisistä allekirjoituksista ja tallentaa sen vision_objects-kansioon.
    vision_objects = ai_vision_1.take_snapshot(ai_vision_1__Blue)

    # Tarkistetaan, että tilannekuvasta on havaittu objekti ennen datan hakemista.
    if vision_objects[0].exists == True

        # Tarkistetaan, onko kohde tekoälynäköanturin näkymän keskellä.
        jos vision_objects[0].centerX > 150 ja 170 > vision_objects[0].centerX:

            # Jatka kääntymistä oikealle, kunnes kohde on näkymän keskellä.
            voimansiirto.käännös(OIKEA)
        muuten:
            voimansiirto.pysäytys()
    odota(5, MSEC)

alkuperäX ja alkuperäY

OriginX ja OriginY on havaitun objektin vasemmassa yläkulmassa oleva koordinaatti pikseleinä.

leveys ja korkeus

Tämä on havaitun kohteen leveys tai korkeus pikseleinä.

Tässä esimerkissä objektin leveyttä käytetään navigointiin. Robotti lähestyy kohdetta, kunnes sen leveys on saavuttanut tietyn koon, ennen pysähtymistä.

while True:
    # Hakee tilannekuvan kaikista sinisen värin allekirjoituksista ja tallentaa sen vision_objects-kansioon.
    vision_objects = ai_vision_1.take_snapshot(ai_vision_1__Blue)

    # Tarkistetaan, että tilannekuvasta on havaittu objekti ennen datan hakemista.
    if vision_objects[0].exists == True

        # Tarkistetaan, onko suurin kohde lähellä tekoälynäköanturia mittaamalla sen leveys.
        if vision_objects[0].width < 250:

            # Aja lähemmäs kohdetta, kunnes se on leveämpi kuin 250 pikseliä.
            voimansiirto.drive(ETEEN)
        muuten:
            voimansiirto.stop()

    odota(5, MSEC)

kulma

pisteet

pistemäärä -ominaisuutta käytetään, kun tekoälynäköanturilla havaitaantekoälyluokitusta.

olemassa

Ominaisuutta exists käytetään havaitsemaan, onko viimeksi otetussa tilannevedoksessa havaittu määritetty visuaalinen allekirjoitus.

Näin voit tarkistaa, havaittiinko edellisessä tilannevedoksessa havaittuja kohteita. Tämä ominaisuus palauttaa arvon True, kun objekti on olemassa, ja arvon False, kun objektia ei ole olemassa.