블록과 함께 사용할 수 있도록 AI 비전 센서에 색상 시그니처 과 색상 코드 이 구성되어 있는지 확인하세요. 구성 방법에 대해 자세히 알아보려면 아래 문서를 읽어보세요.
AI 비전 센서는 AI 분류와 AprilTags도 감지할 수 있습니다. 이러한 감지 모드를 활성화하는 방법을 알아보려면 여기를 방문하세요.
이러한 개별 블록에 대한 자세한 내용과 VEXcode에서 이를 사용하는 방법을 알아보려면 API 사이트로 이동하세요.
스냅샷 찍기
스냅샷 찍기 블록은 AI 비전 센서가 현재 보고 있는 것의 사진을 찍고 해당 스냅샷에서 프로젝트에 사용할 수 있는 데이터를 가져옵니다. 스냅샷을 찍을 때 AI Vision Sensor가 어떤 유형의 개체에 대한 데이터를 수집해야 하는지 지정해야 합니다.
- 컬러 시그니처
- 색상 코드
- AI 분류
- 4월태그
스냅샷을 찍으면 지정한 모든 감지된 객체의 배열이 생성됩니다. 예를 들어, "빨간색"색상 시그니처을 감지하려고 하고 AI 비전 센서가 3개의 서로 다른 빨간색 물체를 감지한 경우 3개의 모든 데이터가 배열에 저장됩니다.
서로 다른 물체를 지정하는 방법에 대한 자세한 내용은 이 문서의 "개체 항목 설정" 섹션을 참조하세요.
이 예에서는 구성된 "파란색" 색상 서명 과 일치하는 개체만 감지하고 다른 개체는 감지하지 않습니다.
스냅샷에서 가져온 데이터
AI 비전 센서는 이후에 나오는 모든 블록에 마지막으로 찍은 스냅샷을 사용한다는 점을 명심하세요. AI 비전 센서에서 항상 최신 정보를 받으려면 데이터를 가져올 때마다 스냅샷을 다시 찍으세요.
너비와 높이
이는 감지된 객체의 너비나 높이를 픽셀 단위로 나타낸 것입니다.
너비와 높이의 측정은 다양한 물체를 식별하는 데 도움이 됩니다. 예를 들어, 버키볼은 링보다 높이가 더 큽니다.
너비와 높이는 AI 비전 센서로부터 물체까지의 거리를 나타냅니다. 일반적으로 측정값이 작을수록 물체가 멀리 있다는 것을 의미하고, 측정값이 클수록 물체가 가까이 있다는 것을 의미합니다.
이 예에서는 객체의 너비가 탐색에 사용됩니다. 로봇은 물체의 너비가 특정 크기에 도달할 때까지 물체에 접근한 후 멈춥니다.
CenterX와 Center Y
이는 감지된 객체의 중심 좌표를 픽셀 단위로 나타낸 것입니다.
CenterX 및 CenterY 좌표는 탐색 및 위치 지정에 도움이 됩니다. AI 비전 센서의 해상도는 320 x 240픽셀입니다.
AI 비전 센서에 가까운 객체는 먼 객체보다 CenterY 좌표가 낮은 것을 확인할 수 있습니다.
이 예에서 AI Vision Sensor의 시야 중심이 (160, 120)이므로 로봇은 감지된 객체의 centerX 좌표가 150픽셀보다 크고 170픽셀보다 작을 때까지 오른쪽으로 회전합니다.
각도
Angle은색상 코드 과AprilTags에만 사용할 수 있는 속성입니다. 이는 감지된색상 코드또는 AprilTag 가 다르게 방향이 지정되어 있는지 여부를 나타냅니다.
로봇이색상 코드 또는AprilTag 에 따라 다르게 방향이 지정되어 있는지 확인하고 그에 따라 탐색 결정을 내릴 수 있습니다.
예를 들어,색상 코드 이 적절한 각도에서 감지되지 않으면 해당 물체를 로봇이 제대로 집어 올리지 못할 수 있습니다.
OriginX 및 OriginY
OriginX와 OriginY는 감지된 객체의 왼쪽 상단 모서리의 좌표(픽셀)입니다.
OriginX 및 OriginY 좌표는 탐색 및 위치 지정에 도움이 됩니다. 이 좌표를 객체의 너비와 높이와 결합하면 객체의 경계 상자 크기를 결정할 수 있습니다. 이는 움직이는 객체를 추적하거나 객체 간을 탐색하는 데 도움이 될 수 있습니다.
이 예에서는 원점, 너비, 높이의 정확한 좌표를 사용하여 Brain에 사각형이 그려집니다.
태그ID
태그ID는AprilTags에만 사용 가능합니다. 이는 지정된AprilTag에 대한 ID 번호입니다.
특정 AprilTags 식별하면 선택적 탐색이 가능합니다. 로봇이 다른 태그를 무시하고 특정 태그를 향해 이동하도록 프로그래밍할 수 있으며, 이를 자동 탐색을 위한 표지판으로 효과적으로 활용할 수 있습니다.
점수
점수 속성은 AI 비전 센서로AI 분류 감지할 때 사용됩니다.
신뢰도 점수는 AI 비전 센서가 감지에 얼마나 확신하는지를 나타냅니다. 이 이미지에서는 이 네 가지 객체의 AI 분류를 식별하는 데 99%의 확신도를 보입니다. 이 점수를 사용하면 로봇이 신뢰도 높은 감지에만 집중하도록 할 수 있습니다.
개체 항목 설정
AI 비전 센서가 물체를 감지하면 해당 물체를 배열에 넣습니다. 기본적으로 AI Vision Sensor는 배열의 첫 번째 객체 또는 인덱스가 1인 객체에서 데이터를 가져옵니다. AI Vision Sensor가 하나의 객체만 감지한 경우 기본적으로 해당 객체가 선택됩니다.
그러나 AI Vision Sensor가 한 번에 여러 객체를 감지한 경우객체 항목 설정 블록을 사용하여 데이터를 가져올 객체를 지정해야 합니다.
AI 비전 센서가 여러 개의 물체를 감지하는 경우, 가장 큰 물체부터 가장 작은 물체까지 배열합니다. 즉, 감지된 가장 큰 객체는 항상 객체 인덱스 1에 설정되고, 가장 작은 객체는 항상 가장 높은 숫자에 설정됩니다.
이 예에서는색상 특징 "파란색"을 갖는 두 개의 객체가 감지되었습니다. 스냅샷 찍기 블록을 사용하면 둘 다 배열에 배치됩니다.
여기서, 가장 앞에 있는 객체는 가장 큰 객체이므로 객체 인덱스 1이 되고, 가장 작은 객체는 객체 인덱스 2가 됩니다.
객체가 존재합니다
스냅샷에서 데이터를 가져오기 전에, AI Vision Sensor가 해당 스냅샷에서 객체를 감지했는지 것이 중요합니다. 여기서Object Exists 블록이 작용합니다.
이 블록은 마지막으로 찍은 스냅샷에 개체가 감지되었는지 여부에 대해True 또는False 값을 반환합니다.
이 블록은 잠재적으로 비어 있는 스냅샷에서 데이터를 가져오려고 하지 않는지 확인하는 데 합니다.
예를 들어, 여기서 로봇은 AI 비전 센서를 이용해 끊임없이 스냅샷을 찍습니다. "파란색" 색상 시그니처으로 개체 0개 중 식별하면 앞으로 주행합니다.
스냅샷에 "파란색" 색상 시그니처이 없으면 로봇은 움직임을 멈춥니다.
개체 수
개체 수 블록을 사용하면 AI 비전 센서가 마지막 스냅샷에서 볼 수 있는 특정 색상 시그니처 개체 수를 확인할 수 있습니다.
여기서 AI 비전 센서는 색상 시그니처 "파란색"으로 구성되어 있으며 두 개의 객체를 감지하고 있습니다.
이 코드에서 AI Vision 센서는 스냅샷을 찍고 VEXcode 콘솔에 "2"를 인쇄합니다. 왜냐하면 두 개의 "파란색" 색상 서명만 감지하기 때문입니다.
물체
개체 블록을 사용하면 지정된 개체의 속성을 보고할 수 있습니다. 이렇게 하면 가장 최근에 찍은 스냅샷에서 가져온 사용 가능한 데이터를 사용할 수 있습니다.
촬영한 스냅샷에서 가져올 수 있는 개체 속성은 다음과 같습니다.
- 너비
- 키
- 센터X
- 센터Y
- 각도
- 원점X
- 기원Y
- 태그ID
- 점수
이러한 속성에 대한 자세한 내용은 이 기사의 "스냅샷에서 가져온 데이터" 섹션을 읽어보세요.
감지된 AprilTag는 다음과 같습니다.
AprilTag가 감지됨 블록은AprilTag 감지 모드 켜져 있을 때만 사용할 수 있습니다.
이 블록은 지정된 객체가 특정 AprilTag인지 여부에 따라 True 또는 False를 보고합니다.
단일 스냅샷에서 여러 AprilTag가 감지되는 경우 크기가 아닌 식별된 ID를 기준으로 배열에 정렬됩니다.
이 이미지에서는 ID가 0, 3, 9인 AprilTag 세 개가 감지되었습니다. 배열에서 ID의 오름차순으로 정렬됩니다. 인덱스 1에 있는 객체는 ID 0을 가진 AprilTag에 대응되고, 인덱스 2에 있는 객체는 ID 3을 가진 AprilTag에 대응되고, 인덱스 3에 있는 객체는 ID 9를 가진 AprilTag에 대응됩니다.
AprilTags가 무엇이고 AI Vision Sensor로 이를 감지하는 방법을 자세히 알아보려면 이 문서를 읽어보세요.
AI 분류는
AI 분류 블록은AI 분류 감지 모드 켜져 있을 때만 사용할 수 있습니다.
이 블록은 지정된 객체가 특정 AI 분류인지 여부에 따라 True 또는 False를 보고합니다.
AI 비전 센서가 감지할 수 있는 AI 분류는 사용하는 모델에 따라 다릅니다. 사용 가능한 AI 분류에 대한 자세한 내용과 AI Vision Sensor로 해당 분류를 감지하는 방법에 대한 자세한 내용은 이 문서를 읽어보세요.