1. VEX ലൈബ്രറി
  2. വി5
  3. AI വിഷൻ സെൻസർ
  4. AI വിഷൻ സെൻസർ ഉപയോഗിച്ചുള്ള കോഡിംഗ്

VEXcode V5 ബ്ലോക്കുകളിൽ AI വിഷൻ സെൻസർ ഉപയോഗിച്ച് കോഡിംഗ്.

നിങ്ങളുടെ ബ്ലോക്കുകളിൽ ഉപയോഗിക്കാൻ കഴിയുന്ന തരത്തിൽ നിങ്ങളുടെ AI വിഷൻ സെൻസർ ഉപയോഗിച്ച് കോൺഫിഗർ ചെയ്‌തിരിക്കുന്ന കളർ സിഗ്നേച്ചറുകൾ ഉം കളർ കോഡുകൾ ഉണ്ടെന്ന് ഉറപ്പാക്കുക. അവ എങ്ങനെ ക്രമീകരിക്കാം എന്നതിനെക്കുറിച്ച് കൂടുതലറിയാൻ, താഴെയുള്ള ലേഖനങ്ങൾ നിങ്ങൾക്ക് വായിക്കാം:

AI വിഷൻ സെൻസറിന് AI ക്ലാസിഫിക്കേഷനുകളും ഏപ്രിൽ ടാഗുകളും കണ്ടെത്താനും കഴിയും. ഈ കണ്ടെത്തൽ മോഡുകൾ എങ്ങനെ പ്രാപ്തമാക്കാമെന്ന് അറിയാൻ, ഇവിടെ പോകുക:

ഈ വ്യക്തിഗത ബ്ലോക്കുകളെക്കുറിച്ചും അവ VEXcode-ൽ എങ്ങനെ ഉപയോഗിക്കാമെന്നതിനെക്കുറിച്ചും കൂടുതലറിയാൻ, API സൈറ്റിലേക്ക് പോകുക.

സ്നാപ്പ്ഷോട്ട് എടുക്കുക

രണ്ട് ഡ്രോപ്പ്ഡൗൺ തിരഞ്ഞെടുപ്പുകളുടെ ഒരു സ്നാപ്പ്ഷോട്ട് എടുക്കാൻ കമാൻഡ് അടങ്ങിയിരിക്കുന്ന ഒരു ബ്ലോക്ക്: ഒന്ന് AIVision1 എന്നും മറ്റൊന്ന് COL1 എന്നും ലേബൽ ചെയ്‌തിരിക്കുന്നു. ഒരു AI വിഷൻ സെൻസറിൽ നിന്ന് ഒരു സ്നാപ്പ്ഷോട്ട് എടുത്ത് ഒരു വിഷ്വൽ കോഡിംഗ് പരിതസ്ഥിതിയിൽ നിയുക്ത വേരിയബിളുകളിൽ നിന്ന് ഒരു പ്രത്യേക വസ്തുവിനെയോ നിറത്തെയോ പരാമർശിക്കുന്നതിനാണ് ഈ ബ്ലോക്ക് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. ബ്ലോക്ക് അധിഷ്ഠിത കോഡിംഗ് ഇന്റർഫേസുകളുടെ സ്വഭാവത്തിൽ, ബ്ലോക്കിന്റെ ആകൃതിയുടെ അറ്റത്ത് നേരിയ വളവുകൾ ഉണ്ട്.

ടേക്ക് സ്നാപ്പ്ഷോട്ട് ബ്ലോക്ക്, AI വിഷൻ സെൻസർ നിലവിൽ കാണുന്നതിന്റെ ഒരു ചിത്രം എടുക്കുകയും ആ സ്നാപ്പ്ഷോട്ടിൽ നിന്ന് ഡാറ്റ എടുക്കുകയും അത് ഒരു പ്രോജക്റ്റിൽ ഉപയോഗിക്കാൻ കഴിയുകയും ചെയ്യുന്നു. ഒരു സ്നാപ്പ്ഷോട്ട് എടുക്കുമ്പോൾ, AI വിഷൻ സെൻസർ ഏത് തരം വസ്തുവിന്റെ ഡാറ്റ ശേഖരിക്കണമെന്ന് നിങ്ങൾ വ്യക്തമാക്കേണ്ടതുണ്ട്:

  • കളർ സിഗ്നേച്ചർ
  • കളർ കോഡ്
  • AI വർഗ്ഗീകരണങ്ങൾ
  • ഏപ്രിൽടാഗുകൾ

ഒരു സ്നാപ്പ്ഷോട്ട് എടുക്കുന്നത് നിങ്ങൾ വ്യക്തമാക്കിയ എല്ലാ കണ്ടെത്തിയ വസ്തുക്കളുടെയും ഒരു നിര സൃഷ്ടിക്കും. ഉദാഹരണത്തിന്, നിങ്ങൾക്ക് ഒരു "ചുവപ്പ്"കളർ സിഗ്നേച്ചർകണ്ടെത്തണമെങ്കിൽ, AI വിഷൻ സെൻസർ 3 വ്യത്യസ്ത ചുവപ്പ് വസ്തുക്കൾ കണ്ടെത്തിയാൽ, മൂന്നിൽ നിന്നുമുള്ള ഡാറ്റ അറേയിൽ ഉൾപ്പെടുത്തും.

വ്യത്യസ്ത വസ്തുക്കൾക്കിടയിൽ എങ്ങനെ വ്യക്തമാക്കാം എന്നതിനെക്കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾക്ക്, ഈ ലേഖനത്തിലെ "സജ്ജമാക്കുക ഒബ്ജക്റ്റ് ഇനം" വിഭാഗത്തിലേക്ക് പോകുക.

ഒരു വസ്തുവിന്റെയോ നിറത്തിന്റെയോ സ്നാപ്പ്ഷോട്ട് എടുക്കാനുള്ള കമാൻഡുള്ള ഇളം നീല കോഡിംഗ് ബ്ലോക്ക്. രണ്ട് ഡ്രോപ്പ്ഡൗൺ ഓപ്ഷനുകൾ ഉണ്ട്: ഒന്ന് AIVision2 എന്ന് ലേബൽ ചെയ്തിരിക്കുന്നു, മറ്റൊന്ന് നീല എന്ന് ലേബൽ ചെയ്തിരിക്കുന്നു. ബ്ലോക്ക് അധിഷ്ഠിത കോഡിംഗ് പരിതസ്ഥിതിയിൽ ഉപയോഗിക്കുന്നതിനാണ് ബ്ലോക്ക് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്, അവിടെ അത് ഒരു AI വിഷൻ സെൻസറിൽ നിന്ന് ഒരു സ്നാപ്പ്ഷോട്ട് പിടിച്ചെടുക്കുകയും നീല എന്ന് നിർവചിച്ചിരിക്കുന്ന ഒരു വസ്തുവിനെയോ നിറത്തെയോ ട്രാക്ക് ചെയ്യുകയും ചെയ്യുന്നു. മോഡുലാർ ബ്ലോക്കുകൾ ഉപയോഗിക്കുന്ന കോഡിംഗ് ഇന്റർഫേസുകളുടെ സ്വഭാവത്തിലുള്ള ചെറിയ വളവുകൾ ഈ ബ്ലോക്കിനുണ്ട്.

ഈ ഉദാഹരണത്തിൽ, അതിന്റെ കോൺഫിഗർ ചെയ്‌ത "Blue" Color Signature പൊരുത്തപ്പെടുന്ന ഒബ്‌ജക്‌റ്റുകൾ മാത്രമേ ഇത് കണ്ടെത്തൂ, മറ്റൊന്നുമല്ല.

ഒരു സ്നാപ്പ്ഷോട്ടിൽ നിന്ന് എടുത്ത ഡാറ്റ

AI വിഷൻ സെൻസർ പിന്നീട് വരുന്ന ഏതൊരു ബ്ലോക്കിനും അതിന്റെ അവസാനത്തെ സ്നാപ്പ്ഷോട്ട് ഉപയോഗിക്കുമെന്ന് ഓർമ്മിക്കുക. നിങ്ങളുടെ AI വിഷൻ സെൻസറിൽ നിന്ന് ഏറ്റവും കാലികമായ വിവരങ്ങൾ എപ്പോഴും ലഭിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കാൻ, അതിൽ നിന്ന് ഡാറ്റ എടുക്കാൻ ആഗ്രഹിക്കുമ്പോഴെല്ലാം നിങ്ങളുടെ സ്നാപ്പ്ഷോട്ട് വീണ്ടും എടുക്കുക. 

റെസല്യൂഷൻ

കൃത്യമായ ഡാറ്റ വ്യാഖ്യാനത്തിന് AI വിഷൻ സെൻസറിന്റെ റെസല്യൂഷൻ മനസ്സിലാക്കുന്നത് നിർണായകമാണ്. സെൻസറിന് 320x240 പിക്സൽ റെസല്യൂഷൻ ഉണ്ട്, കൃത്യമായ കേന്ദ്രം കോർഡിനേറ്റുകളിൽ (160, 120) ഉണ്ട്.

160-ൽ താഴെയുള്ള X-കോർഡിനേറ്റുകൾ സെൻസറിന്റെ വ്യൂ ഫീൽഡിന്റെ ഇടത് പകുതിയെ പ്രതിനിധീകരിക്കുന്നു, അതേസമയം 160-ൽ കൂടുതലുള്ളവ വലത് പകുതിയെ പ്രതിനിധീകരിക്കുന്നു. അതുപോലെ, 120-ൽ താഴെയുള്ള Y-കോർഡിനേറ്റുകൾ വ്യൂവിന്റെ മുകളിലെ പകുതിയെ സൂചിപ്പിക്കുന്നു, 120-ൽ കൂടുതലുള്ളവ താഴത്തെ പകുതിയെ സൂചിപ്പിക്കുന്നു.
AI വിഷൻ സെൻസർ ഉപയോഗിച്ച് വസ്തുക്കൾ എങ്ങനെ അളക്കുന്നു എന്നതിനെക്കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾക്ക് VEXcode V5 ലെ AI വിഷൻ യൂട്ടിലിറ്റിയിലെ ഡാറ്റ മനസ്സിലാക്കൽ
പോകുക.

വീതിയും ഉയരവും

കണ്ടെത്തിയ വസ്തുവിന്റെ വീതിയോ ഉയരമോ പിക്സലുകളിൽ ഇതാണ്.

ചിത്രത്തിൽ ഒരു വെളുത്ത ചതുര രൂപരേഖയുള്ള ഒരു നീല ബക്കിബോൾ കാണിക്കുന്നു. മുകളിൽ ഇടത് മൂലയിൽ അതൊരു നീല വസ്തുവാണെന്ന് സൂചിപ്പിക്കുന്ന ഒരു ലേബൽ ഉണ്ട്, കോർഡിനേറ്റുകൾ X:176, Y:117, അളവുകൾ W:80, H:78 എന്നിവയുണ്ട്. ചുവന്ന അമ്പടയാളങ്ങൾ വസ്തുവിന്റെ വീതിയും ഉയരവും എടുത്തുകാണിക്കുന്നു.

വീതിയും ഉയരവും അളക്കുന്നത് വ്യത്യസ്ത വസ്തുക്കളെ തിരിച്ചറിയാൻ സഹായിക്കുന്നു. ഉദാഹരണത്തിന്, ഒരു ബക്കിബോളിന് ഒരു റിങ്ങിനേക്കാൾ ഉയരം കൂടുതലായിരിക്കും.

ഒരു ദൃശ്യ തിരിച്ചറിയൽ സംവിധാനം ഉപയോഗിച്ച് രണ്ട് നീല ക്യൂബിക് വസ്തുക്കൾ ട്രാക്ക് ചെയ്യുന്നു. മുകളിലെ ക്യൂബിന് വെളുത്ത രൂപരേഖയുണ്ട്, അതിന്റെ സ്ഥാനം X:215, Y:70 എന്നും അളവുകൾ W:73, H:84 എന്നും സൂചിപ്പിക്കുന്ന ഒരു ലേബൽ ഉണ്ട്. താഴത്തെ ക്യൂബിന് സമാനമായ വെളുത്ത രൂപരേഖയുണ്ട്, ലേബലിൽ X:188, Y:184 എന്നും അളവുകൾ W:144, H:113 എന്നും കാണിച്ചിരിക്കുന്നു. ഓരോ ക്യൂബിലും മധ്യഭാഗത്തായി ഒരു വെളുത്ത കുരിശുണ്ട്, ഇത് ട്രാക്കിംഗിനുള്ള കേന്ദ്രബിന്ദുവിനെ സൂചിപ്പിക്കുന്നു. ഓരോ വസ്തുവിന്റെയും അളവുകളും ട്രാക്കിംഗ് ഡാറ്റയും ലേബലുകൾ എടുത്തുകാണിക്കുന്നു.

വീതിയും ഉയരവും AI വിഷൻ സെൻസറിൽ നിന്നുള്ള ഒരു വസ്തുവിന്റെ ദൂരത്തെ സൂചിപ്പിക്കുന്നു. ചെറിയ അളവുകൾ സാധാരണയായി വസ്തു കൂടുതൽ അകലെയാണെന്ന് സൂചിപ്പിക്കുന്നു, അതേസമയം വലിയ അളവുകൾ അത് അടുത്താണെന്ന് സൂചിപ്പിക്കുന്നു.

പ്രോഗ്രാം ആരംഭിക്കുമ്പോൾ ബ്ലോക്കിൽ നിന്ന് ആരംഭിക്കുന്നു, തുടർന്ന് ഒരു ഫോറെവർ ലൂപ്പ്. ലൂപ്പിനുള്ളിൽ, ഒരു നീല വസ്തുവിനെ കണ്ടെത്തുന്നതിന് പ്രോഗ്രാം AI വിഷൻ സെൻസർ (AIVision1) ഉപയോഗിച്ച് ഒരു സ്നാപ്പ്ഷോട്ട് എടുക്കുന്നു. ഒബ്ജക്റ്റ് നിലവിലുണ്ടെങ്കിൽ, ഒബ്ജക്റ്റിന്റെ വീതി 250 പിക്സലുകളിൽ കുറവാണോ എന്ന് പ്രോഗ്രാം പരിശോധിക്കുന്നു. ശരിയാണെങ്കിൽ, റോബോട്ട് മുന്നോട്ട് നീങ്ങുന്നു; അല്ലെങ്കിൽ, അത് ഓടിക്കുന്നത് നിർത്തുന്നു. ബ്ലോക്കുകൾ ഒരുമിച്ച് അടുക്കി വച്ചിരിക്കുന്നു, ഇത് മോഡുലാർ കോഡിംഗ് പരിതസ്ഥിതിയിൽ പ്രോഗ്രാമിന്റെ ഒഴുക്കിനെ സൂചിപ്പിക്കുന്നു.

ഈ ഉദാഹരണത്തിൽ, വസ്തുവിന്റെ വീതി നാവിഗേഷനായി ഉപയോഗിക്കുന്നു. ഒരു പ്രത്യേക വലിപ്പത്തിൽ വീതി എത്തുന്നതുവരെ റോബോട്ട് വസ്തുവിനെ സമീപിച്ച് നിർത്തും.

സെന്റർഎക്സും സെന്റർ വൈയും

ഇത് കണ്ടെത്തിയ വസ്തുവിന്റെ പിക്സലുകളിൽ മധ്യ കോർഡിനേറ്റുകളാണ്.

കമ്പ്യൂട്ടർ വിഷൻ സിസ്റ്റം ട്രാക്ക് ചെയ്യുന്ന ഒരു നീല ബക്കിബോൾ. വസ്തുവിന്റെ രൂപരേഖ ഒരു വെളുത്ത ചതുരത്തിലാണ് വരച്ചിരിക്കുന്നത്, ബാഹ്യരേഖയ്ക്കുള്ളിൽ മധ്യഭാഗത്തായി ഒരു വെളുത്ത കുരിശിനെ ചുറ്റിപ്പറ്റിയുള്ള ഒരു ചെറിയ ചുവന്ന ചതുരവുമുണ്ട്. ചിത്രത്തിന്റെ മുകളിൽ ഇടത് കോണിൽ, ഒരു ലേബൽ വസ്തു നീലയാണെന്ന് സൂചിപ്പിക്കുന്നു, കോർഡിനേറ്റുകൾ X:176, Y:117, അളവുകൾ W:80, H:78 എന്നിവയുണ്ട്.

നാവിഗേഷനും സ്ഥാനനിർണ്ണയത്തിനും CenterX ഉം CenterY ഉം കോർഡിനേറ്റുകളെ സഹായിക്കുന്നു. AI വിഷൻ സെൻസറിന് 320 x 240 പിക്സൽ റെസലൂഷൻ ഉണ്ട്.

ഒരു ദർശന സംവിധാനം ട്രാക്ക് ചെയ്ത രണ്ട് നീല ക്യൂബിക് വസ്തുക്കൾ. മുകളിലെ വസ്തുവിൽ X:215, Y:70 എന്നീ കോർഡിനേറ്റുകളും W:73, H:84 എന്നീ അളവുകളും വെളുത്ത രൂപരേഖയും മധ്യഭാഗത്ത് ഒരു വെളുത്ത കുരിശും രേഖപ്പെടുത്തിയിരിക്കുന്നു. താഴെയുള്ള വസ്തുവിന് X:188, Y:184 എന്നീ കോർഡിനേറ്റുകൾ, W:144, H:113 എന്നീ അളവുകൾ എന്നിവ അടയാളപ്പെടുത്തിയിരിക്കുന്നു, കൂടാതെ മധ്യഭാഗത്ത് വെളുത്ത കുരിശുള്ള വെള്ള നിറത്തിലും രൂപരേഖ നൽകിയിട്ടുണ്ട്.

AI വിഷൻ സെൻസറിനോട് അടുത്തുള്ള ഒരു വസ്തുവിന്, അകലെയുള്ള ഒരു വസ്തുവിനേക്കാൾ താഴ്ന്ന CenterY കോർഡിനേറ്റ് ഉണ്ടായിരിക്കുമെന്ന് നിങ്ങൾക്ക് കാണാൻ കഴിയും.

ബ്ലോക്ക് അധിഷ്ഠിത കോഡിംഗ് ശ്രേണി, എപ്പോൾ ആരംഭിച്ചു എന്നതിൽ തുടങ്ങി ഒരു ഫോറെവർ ലൂപ്പ്. ലൂപ്പിനുള്ളിൽ, ഒരു നീല വസ്തുവിനെ കണ്ടെത്തുന്നതിന് പ്രോഗ്രാം AIVision1 ഉപയോഗിച്ച് ഒരു സ്നാപ്പ്ഷോട്ട് എടുക്കുന്നു. ഒരു വസ്തു നിലവിലുണ്ടെങ്കിൽ, AI വിഷൻ സെൻസറിന്റെ വ്യൂവിൽ ആ വസ്തു കേന്ദ്രീകരിക്കുന്നതുവരെ പ്രോഗ്രാം തിരിയുന്നു. ഒരു വസ്തുവിന്റെ centerX മൂല്യം 150 നും 170 നും ഇടയിലാണെങ്കിൽ അത് കേന്ദ്രീകൃതമായി കണക്കാക്കപ്പെടുന്നു. വസ്തു മധ്യത്തിലല്ലെങ്കിൽ, റോബോട്ട് വലത്തേക്ക് തിരിയുന്നു; അല്ലെങ്കിൽ, അത് ഡ്രൈവിംഗ് നിർത്തുന്നു. വിഷ്വൽ പ്രോഗ്രാമിന്റെ ഒഴുക്കും യുക്തിയും ബ്ലോക്കുകൾ സൂചിപ്പിക്കുന്നു.

ഈ ഉദാഹരണത്തിൽ, AI വിഷൻ സെൻസറിന്റെ വ്യൂവിന്റെ മധ്യഭാഗം (160, 120) ആയതിനാൽ, കണ്ടെത്തിയ ഒരു വസ്തുവിന്റെ സെന്റർഎക്സ് കോർഡിനേറ്റ് 150 പിക്സലുകളിൽ കൂടുതലാകുന്നതുവരെയും 170 പിക്സലുകളിൽ കുറവാകുന്നതുവരെയും റോബോട്ട് വലത്തേക്ക് തിരിയും.

ആംഗിൾ

ആംഗിൾ എന്നത്കളർ കോഡുകൾ ഉംഏപ്രിൽ ടാഗുകൾന് മാത്രം ലഭ്യമായ ഒരു പ്രോപ്പർട്ടി ആണ്. കണ്ടെത്തിയകളർ കോഡ്അല്ലെങ്കിൽ ഏപ്രിൽ ടാഗ് വ്യത്യസ്തമായി ക്രമീകരിച്ചിട്ടുണ്ടോ എന്ന് ഇത് പ്രതിനിധീകരിക്കുന്നു.

മുകളിൽ പച്ചയും താഴെ നീലയുമുള്ള രണ്ട് ക്യൂബുകളുടെ ഒരു കൂട്ടം, ഒരു വിഷൻ സിസ്റ്റം ഉപയോഗിച്ച് ട്രാക്ക് ചെയ്യുന്നു. രണ്ട് ക്യൂബുകളുടെയും ചുറ്റും ഒരു വെളുത്ത രൂപരേഖയുണ്ട്, പച്ച ക്യൂബിൽ മധ്യഭാഗത്തായി ഒരു വെളുത്ത കുരിശുണ്ട്. ചിത്രത്തിന്റെ താഴെയുള്ള ലേബലിൽ Green_Blue A:87° പ്രദർശിപ്പിക്കുന്നു, ഇത് കണ്ടെത്തിയ നിറങ്ങളെയും ഒരു കോൺ അളവിനെയും സൂചിപ്പിക്കുന്നു. അതിനു താഴെ, കോർഡിനേറ്റുകൾ X:117, Y:186 എന്നിങ്ങനെ പട്ടികപ്പെടുത്തിയിരിക്കുന്നു, W:137, H:172 എന്നീ അളവുകളോടെ, ഫ്രെയിമിലെ അടുക്കിയിരിക്കുന്ന ക്യൂബുകളുടെ സ്ഥാനവും വലുപ്പവും പ്രതിനിധീകരിക്കുന്നു.

കളർ കോഡ് അല്ലെങ്കിൽഏപ്രിൽ ടാഗ് മായി ബന്ധപ്പെട്ട് റോബോട്ട് വ്യത്യസ്തമായി ഓറിയന്റേഷൻ ചെയ്തിട്ടുണ്ടോ എന്ന് നിങ്ങൾക്ക് കാണാനും അതനുസരിച്ച് നാവിഗേഷൻ തീരുമാനങ്ങൾ എടുക്കാനും കഴിയും.

രണ്ട് ക്യൂബുകൾ, ഒന്ന് പച്ചയും ഒന്ന് നീലയും, അടുത്തടുത്തായി സ്ഥാപിച്ച് ഒരു വിഷൻ സിസ്റ്റം ഉപയോഗിച്ച് ട്രാക്ക് ചെയ്യുന്നു. രണ്ട് ക്യൂബുകളുടെയും ചുറ്റും ഒരു വെളുത്ത രൂപരേഖയുണ്ട്, മധ്യത്തിൽ ഒരു വെളുത്ത കുരിശും. മുകളിൽ ഇടത് ലേബൽ പച്ച_നീല A:0° സൂചിപ്പിക്കുന്നു, കണ്ടെത്തിയ നിറങ്ങളെയും ഒരു കോൺ അളവിനെയും സൂചിപ്പിക്കുന്നു. അതിനു താഴെ, കോർഡിനേറ്റുകൾ X:150, Y:102 എന്നിങ്ങനെ കാണിച്ചിരിക്കുന്നു, W:179, H:109 അളവുകളോടെ, ഫ്രെയിമിനുള്ളിലെ ക്യൂബുകളുടെ സ്ഥാനവും വലുപ്പവും പ്രതിനിധീകരിക്കുന്നു.

ഉദാഹരണത്തിന്, ഒരുകളർ കോഡ് ശരിയായ കോണിൽ കണ്ടെത്തിയില്ലെങ്കിൽ, അത് പ്രതിനിധീകരിക്കുന്ന വസ്തുവിനെ റോബോട്ടിന് ശരിയായി പിടിക്കാൻ കഴിഞ്ഞേക്കില്ല.

ഒറിജിൻഎക്സും ഒറിജിൻവൈയും

കണ്ടെത്തിയ വസ്തുവിന്റെ മുകളിൽ ഇടത് കോണിലുള്ള കോർഡിനേറ്റാണ് പിക്സലുകളിൽ OriginX ഉം OriginY ഉം.

ഒരു വിഷൻ സിസ്റ്റം ട്രാക്ക് ചെയ്യുന്ന ഒരു നീല ബക്കിബോൾ. വസ്തുവിനെ ചുറ്റിപ്പറ്റി ഒരു വെളുത്ത രൂപരേഖയുണ്ട്, ബാഹ്യരേഖയ്ക്കുള്ളിൽ മധ്യഭാഗത്തായി ഒരു വെളുത്ത കുരിശുണ്ട്. മുകളിൽ ഇടതുവശത്തുള്ള ലേബൽ വസ്തുവിന്റെ നിറം നീലയായി സൂചിപ്പിക്കുന്നു, കൂടാതെ കോർഡിനേറ്റുകൾ X:176, Y:117, അളവുകൾ W:80, H:78 എന്നിവയോടൊപ്പം ഉണ്ട്. ഒരു ചെറിയ ചുവന്ന ചതുരം വസ്തുവിന്റെ മുകളിൽ ഇടത് മൂല എടുത്തുകാണിക്കുന്നു.

നാവിഗേഷനും സ്ഥാനനിർണ്ണയത്തിനും OriginX, OriginY കോർഡിനേറ്റുകൾ സഹായിക്കുന്നു. ഈ കോർഡിനേറ്റിനെ വസ്തുവിന്റെ വീതിയും ഉയരവും സംയോജിപ്പിച്ചുകൊണ്ട്, വസ്തുവിന്റെ ബൗണ്ടിംഗ് ബോക്സിന്റെ വലുപ്പം നിങ്ങൾക്ക് നിർണ്ണയിക്കാൻ കഴിയും. ചലിക്കുന്ന വസ്തുക്കളെ ട്രാക്ക് ചെയ്യുന്നതിനോ വസ്തുക്കൾക്കിടയിൽ നാവിഗേറ്റ് ചെയ്യുന്നതിനോ ഇത് സഹായിക്കും.

ബ്ലോക്ക് അധിഷ്ഠിത കോഡിംഗ് ശ്രേണി, എപ്പോൾ ആരംഭിച്ചു എന്നതിൽ തുടങ്ങി ഒരു ഫോറെവർ ലൂപ്പ്. ലൂപ്പിനുള്ളിൽ, ഒരു നീല വസ്തുവിനെ കണ്ടെത്തുന്നതിന് പ്രോഗ്രാം AIVision1 ഉപയോഗിച്ച് ഒരു സ്നാപ്പ്ഷോട്ട് എടുക്കുന്നു. വസ്തു നിലവിലുണ്ടെങ്കിൽ, വസ്തുവിന്റെ സ്ഥാനവും വലുപ്പവും അടിസ്ഥാനമാക്കി പ്രോഗ്രാം ബ്രെയിൻ സ്ക്രീനിൽ ഒരു ദീർഘചതുരം വരയ്ക്കും. AIVision1 സെൻസർ നൽകുന്ന വസ്തുവിന്റെ originX, originY, വീതി, ഉയരം എന്നീ മൂല്യങ്ങൾ ഉപയോഗിച്ചാണ് ദീർഘചതുരം വരയ്ക്കുന്നത്. ഈ പ്രോഗ്രാം കണ്ടെത്തിയ വസ്തുവിനെ ബ്രെയിൻ സ്ക്രീനിൽ ദൃശ്യപരമായി ട്രാക്ക് ചെയ്യുകയും ഹൈലൈറ്റ് ചെയ്യുകയും ചെയ്യുന്നു.

ഈ ഉദാഹരണത്തിൽ, തലച്ചോറിന്റെ ഉത്ഭവസ്ഥാനം, വീതി, ഉയരം എന്നിവയുടെ കൃത്യമായ കോർഡിനേറ്റുകൾ ഉപയോഗിച്ച് ഒരു ദീർഘചതുരം വരയ്ക്കും.

ടാഗ് ഐഡി

ടാഗ് ഐഡിഏപ്രിൽ ടാഗുകൾന് മാത്രമേ ലഭ്യമാകൂ. ഇത് നിർദ്ദിഷ്ടഏപ്രിൽ ടാഗ്ന്റെ ഐഡി നമ്പറാണ്.

ഒരു വിഷൻ സിസ്റ്റം ട്രാക്ക് ചെയ്യുന്ന ഏപ്രിൽ ടാഗുകളുള്ള മൂന്ന് ചതുര കാർഡുകൾ. ഓരോ കാർഡിലും ഒരു ഐഡി നമ്പറും അനുബന്ധ ട്രാക്കിംഗ് ഡാറ്റയും ലേബൽ ചെയ്തിരിക്കുന്നു. ഇടതുവശത്തുള്ള കാർഡ് ID:0 എന്ന് ലേബൽ ചെയ്തിരിക്കുന്നു, കോർഡിനേറ്റുകൾ A:350°, X:110, Y:96, W:41, H:41 കാണിക്കുന്നു. ID:3 എന്ന് ലേബൽ ചെയ്‌തിരിക്കുന്ന മധ്യ കാർഡിൽ A:1°, X:187, Y:180, W:57, H:57 എന്നീ കോർഡിനേറ്റുകളുണ്ട്. വലതുവശത്തുള്ള കാർഡ് ID:9 എന്ന് ലേബൽ ചെയ്തിരിക്കുന്നു, കോർഡിനേറ്റുകൾ A:3°, X:237, Y:89, W:38, H:38 എന്നിവയുമുണ്ട്. ഓരോ കാർഡിനും ഒരു വെളുത്ത രൂപരേഖയുണ്ട്, കൂടാതെ സിസ്റ്റം അവയുടെ സ്ഥാനങ്ങളും ഓറിയന്റേഷനുകളും ട്രാക്ക് ചെയ്യുന്നു.

നിർദ്ദിഷ്ട ഏപ്രിൽ ടാഗുകൾ തിരിച്ചറിയുന്നത് തിരഞ്ഞെടുത്ത നാവിഗേഷനെ അനുവദിക്കുന്നു. നിങ്ങളുടെ റോബോട്ടിനെ ചില ടാഗുകളിലേക്ക് നീങ്ങാൻ പ്രോഗ്രാം ചെയ്യാനും മറ്റുള്ളവയെ അവഗണിക്കാനും കഴിയും, ഓട്ടോമേറ്റഡ് നാവിഗേഷനുള്ള സൂചനകളായി അവയെ ഫലപ്രദമായി ഉപയോഗിക്കാനും കഴിയും.

സ്കോർ

AI വിഷൻ സെൻസർ ഉപയോഗിച്ച്AI ക്ലാസിഫിക്കേഷനുകൾ കണ്ടെത്തുമ്പോൾ സ്കോർ പ്രോപ്പർട്ടി ഉപയോഗിക്കുന്നു.

ഒരു ദർശന സംവിധാനം നാല് വസ്തുക്കളെ ട്രാക്ക് ചെയ്യുന്നതായി ചിത്രം കാണിക്കുന്നു: രണ്ട് പന്തുകളും രണ്ട് വളയങ്ങളും. ചുവന്ന പന്തിൽ X:122, Y:84, W:67, H:66 എന്നീ കോർഡിനേറ്റുകൾ രേഖപ്പെടുത്തിയിരിക്കുന്നു, കൂടാതെ 99% സ്കോറും ഉണ്ട്. നീല പന്തിൽ X:228, Y:86, W:70, H:68 എന്നിവയുണ്ട്, 99% സ്കോർ. പച്ച വളയത്തിന് X:109, Y:186, W:98, H:92 എന്നീ കോർഡിനേറ്റുകളുണ്ട്, കൂടാതെ 99% സ്കോറും ഉണ്ട്. ചുവന്ന വളയത്തിന് X:259, Y:187, W:89, H:91 എന്നിങ്ങനെ ലേബൽ ചെയ്തിരിക്കുന്നു, 99% സ്കോർ. ഓരോ വസ്തുവും വെള്ള നിറത്തിൽ ഔട്ട്‌ലൈൻ ചെയ്തിരിക്കുന്നു, ഇത് ട്രാക്കിംഗ് കൃത്യതയെ സൂചിപ്പിക്കുന്നു.

കോൺഫിഡൻസ് സ്‌കോർ, AI വിഷൻ സെൻസറിന് അതിന്റെ കണ്ടെത്തലിൽ എത്രത്തോളം ഉറപ്പുണ്ടെന്ന് സൂചിപ്പിക്കുന്നു. ഈ ചിത്രത്തിൽ, ഈ നാല് വസ്തുക്കളുടെ AI വർഗ്ഗീകരണങ്ങൾ തിരിച്ചറിയുന്നതിൽ 99% ആത്മവിശ്വാസമുണ്ട്. നിങ്ങളുടെ റോബോട്ട് വളരെ ആത്മവിശ്വാസമുള്ള കണ്ടെത്തലുകളിൽ മാത്രം ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നുവെന്ന് ഉറപ്പാക്കാൻ നിങ്ങൾക്ക് ഈ സ്കോർ ഉപയോഗിക്കാം.

ഒബ്ജക്റ്റ് ഇനം സജ്ജമാക്കുക

AI വിഷൻ സെൻസർ ഒരു വസ്തുവിനെ കണ്ടെത്തുമ്പോൾ, അത് ഒരു അറേയിൽ സ്ഥാപിക്കുന്നു. സ്ഥിരസ്ഥിതിയായി, AI വിഷൻ സെൻസർ അറേയിലെ ആദ്യ ഒബ്‌ജക്റ്റിൽ നിന്നോ അല്ലെങ്കിൽ സൂചിക 1 ഉള്ള ഒബ്‌ജക്റ്റിൽ നിന്നോ ഡാറ്റ എടുക്കും. നിങ്ങളുടെ AI വിഷൻ സെൻസർ ഒരു വസ്തുവിനെ മാത്രമേ കണ്ടെത്തിയിട്ടുള്ളൂ എങ്കിൽ, ആ വസ്തു സ്ഥിരസ്ഥിതിയായി തിരഞ്ഞെടുക്കപ്പെടും.

എന്നിരുന്നാലും, നിങ്ങളുടെ AI വിഷൻ സെൻസർ ഒരേസമയം ഒന്നിലധികം വസ്തുക്കൾ കണ്ടെത്തിയാൽ, ഏത് വസ്തുവിൽ നിന്നാണ് ഡാറ്റ പിൻവലിക്കേണ്ടതെന്ന് വ്യക്തമാക്കാൻ നിങ്ങൾസെറ്റ് ഒബ്ജക്റ്റ് ഇനം ബ്ലോക്ക് ഉപയോഗിക്കേണ്ടതുണ്ട്.

ഇളം നീല നിറത്തിലുള്ള ഒരു കോഡിംഗ് ബ്ലോക്ക്. AIVision1-നുള്ള ഒബ്‌ജക്റ്റ് ഇനം 1 ആയി സജ്ജീകരിക്കുന്നതിനുള്ള ഒരു കമാൻഡ് ഇതിൽ അടങ്ങിയിരിക്കുന്നു. ഈ ബ്ലോക്ക് ഒരു ബ്ലോക്ക് അധിഷ്ഠിത കോഡിംഗ് പരിതസ്ഥിതിയുടെ ഭാഗമാണ്, സാധാരണയായി AI വിഷൻ സെൻസർ ഏത് വസ്തുവിലോ ഇനത്തിലോ ശ്രദ്ധ കേന്ദ്രീകരിക്കണം അല്ലെങ്കിൽ ട്രാക്ക് ചെയ്യണമെന്ന് നിർവചിക്കാൻ ഉപയോഗിക്കുന്നു. ബ്ലോക്കിന്റെ ആകൃതിയിൽ നേരിയ വളവുകൾ ഉണ്ട്, വിഷ്വൽ കോഡിംഗ് പ്ലാറ്റ്‌ഫോമിന്റെ മോഡുലാർ സ്വഭാവവുമായി ഇത് യോജിക്കുന്നു.

AI വിഷൻ സെൻസർ ഒന്നിലധികം വസ്തുക്കൾ കണ്ടെത്തുമ്പോൾ, അവയെ ഏറ്റവും വലുത് മുതൽ ചെറുത് വരെ ശ്രേണിയിൽ ക്രമീകരിക്കുന്നു. അതായത് കണ്ടെത്തിയ ഏറ്റവും വലിയ ഒബ്‌ജക്റ്റ് എല്ലായ്‌പ്പോഴും ഒബ്‌ജക്റ്റ് സൂചിക 1 ആയി സജ്ജീകരിക്കപ്പെടും, ഏറ്റവും ചെറിയ ഒബ്‌ജക്റ്റ് എല്ലായ്‌പ്പോഴും ഏറ്റവും ഉയർന്ന സംഖ്യയിലേക്ക് സജ്ജീകരിക്കപ്പെടും.

ഇടതുവശത്ത് രണ്ട് നീല ക്യൂബുകൾ കണ്ടെത്തിയിട്ടുള്ള AI വിഷൻ യൂട്ടിലിറ്റി ഇന്റർഫേസ്, ഓരോന്നിനും അവയുടെ X, Y കോർഡിനേറ്റുകളും അളവുകളും അടയാളപ്പെടുത്തിയിരിക്കുന്നു. സിസ്റ്റം കണക്ട് ചെയ്തിട്ടുണ്ട്, ഏപ്രിൽ ടാഗുകൾ ടോഗിൾ ചെയ്തിരിക്കുന്നു, അതേസമയം AI ക്ലാസിഫിക്കേഷൻ ഓഫാണ്. വലതുവശത്ത്, നീല നിറ ക്രമീകരണങ്ങൾ യഥാക്രമം 22 ഉം 0.34 ഉം ആയി സജ്ജീകരിച്ചിരിക്കുന്ന ക്രമീകരിക്കാവുന്ന ഹ്യൂ, സാച്ചുറേഷൻ ശ്രേണികളോടെ പ്രദർശിപ്പിച്ചിരിക്കുന്നു. നിറം ചേർക്കാനോ സജ്ജീകരിക്കാനോ വീഡിയോ ഫ്രീസ് ചെയ്യാനോ ഉള്ള ഒരു ഓപ്ഷൻ ഉണ്ട്. ഫേംവെയർ കാലികമാണ്, 1.0.0.b16 പതിപ്പ് പ്രവർത്തിക്കുന്നു, കൂടാതെ താഴെ ഒരു ക്ലോസ് ബട്ടൺ ലഭ്യമാണ്.

ഈ ഉദാഹരണത്തിൽ,കളർ സിഗ്നേച്ചർ "ബ്ലൂ" ഉള്ള രണ്ട് വസ്തുക്കൾ കണ്ടെത്തി. ടേക്ക് സ്നാപ്പ്ഷോട്ട് ബ്ലോക്ക് ഉപയോഗിക്കുമ്പോൾ അവ രണ്ടും അറേയിൽ ഉൾപ്പെടുത്തും.

എക്സ്, വൈ, ഡൈമൻഷൻ ഡാറ്റ എന്നിവ ലേബൽ ചെയ്തിരിക്കുന്ന രണ്ട് നീല ക്യൂബുകളെ ട്രാക്ക് ചെയ്യുന്ന AI വിഷൻ യൂട്ടിലിറ്റി ഇന്റർഫേസ്. ഇടതുവശത്തുള്ള ക്യൂബിന് X:127, Y:179 എന്നീ കോർഡിനേറ്റുകളുണ്ട്, W:136, H:123 എന്ന അളവുകളും, വലതുവശത്തുള്ള ക്യൂബിന് X:233, Y:74 എന്ന കോർഡിനേറ്റുകളുണ്ട്, W:78, H:87 എന്ന അളവുകളുമുണ്ട്. സിസ്റ്റം കണക്ട് ചെയ്തിട്ടുണ്ട്, AprilTags ഓണാക്കിയിരിക്കുന്നു, AI ക്ലാസിഫിക്കേഷൻ ഓഫാണ്. നീല വർണ്ണ ക്രമീകരണങ്ങൾക്ക് 22 ഹ്യൂ റേഞ്ചും 0.34 സാച്ചുറേഷനും ഉണ്ട്. താഴെ ഒരു ഫ്രീസ് വീഡിയോ ബട്ടണും ഫേംവെയർ വിവരങ്ങളും (പതിപ്പ് 1.0.0.b16) പ്രദർശിപ്പിച്ചിരിക്കുന്നു.

ഇവിടെ, മുന്നിലുള്ള വസ്തു ഏറ്റവും വലിയ വസ്തു ആയതിനാൽ വസ്തു സൂചിക 1 ആയി മാറും, ഏറ്റവും ചെറിയ വസ്തു വസ്തു സൂചിക 2 ആയി മാറും.

വസ്തു നിലവിലുണ്ട്

ഒരു സ്നാപ്പ്ഷോട്ടിൽ നിന്ന് ഏതെങ്കിലും ഡാറ്റ എടുക്കുന്നതിന് മുമ്പ്, AI വിഷൻ സെൻസർ ആ സ്നാപ്പ്ഷോട്ടിൽ നിന്ന് ഏതെങ്കിലും വസ്തുക്കൾ ആദ്യം കണ്ടെത്തിയിട്ടുണ്ടെന്ന് ഉറപ്പാക്കാൻഎപ്പോഴും പരിശോധിക്കേണ്ടത് പ്രധാനമാണ്. ഇവിടെയാണ്ഒബ്ജക്റ്റ് എക്സ്സിസ്ട്സ് ബ്ലോക്ക് പ്രസക്തമാകുന്നത്.

AIVision1 ഒബ്ജക്റ്റ് എന്ന വാചകം ഉള്ള ഒരു ഇളം നീല ഷഡ്ഭുജ കോഡിംഗ് ബ്ലോക്ക് നിലവിലുണ്ടോ? ഈ ബ്ലോക്ക് ഒരു ബ്ലോക്ക് അധിഷ്ഠിത കോഡിംഗ് പരിതസ്ഥിതിയുടെ ഭാഗമാണ്, സാധാരണയായി AIVision1 എന്ന് ലേബൽ ചെയ്തിട്ടുള്ള AI വിഷൻ സെൻസർ ഒരു വസ്തുവിനെ കണ്ടെത്തിയോ എന്ന് പരിശോധിക്കാൻ ഉപയോഗിക്കുന്നു. ഈ ബ്ലോക്ക് ഒരു മോഡുലാർ കോഡിംഗ് ഘടനയിൽ ഉൾക്കൊള്ളുന്ന തരത്തിലാണ് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്, അത്തരം പരിതസ്ഥിതികളുടെ സ്വഭാവ സവിശേഷതകളായ ചെറിയ വളവുകളും ആകൃതിയും ഇതിൽ ഉൾപ്പെടുന്നു.

അവസാനം എടുത്ത സ്നാപ്പ്ഷോട്ടിൽ ഏതെങ്കിലും വസ്തുക്കൾ കണ്ടെത്തിയിട്ടുണ്ടോ ഇല്ലയോ എന്നതിനെ അടിസ്ഥാനമാക്കി ഈ ബ്ലോക്ക്True അല്ലെങ്കിൽFalse മൂല്യം നൽകും.

ശൂന്യമായ ഒരു സ്നാപ്പ്ഷോട്ടിൽ നിന്ന് ഏതെങ്കിലും ഡാറ്റ വലിച്ചെടുക്കാൻ നിങ്ങൾ ശ്രമിക്കുന്നില്ലെന്ന് ഉറപ്പാക്കാൻ ഈ ബ്ലോക്ക്എപ്പോഴും ഉപയോഗിക്കണം.

ബ്ലോക്ക് അധിഷ്ഠിത കോഡിംഗ് ശ്രേണി, എപ്പോൾ ആരംഭിച്ചു എന്നതിൽ ആരംഭിച്ച് ഒരു ഫോറെവർ ലൂപ്പ് പിന്തുടരുന്നു. ലൂപ്പിനുള്ളിൽ, നീല നിറം കണ്ടെത്തുന്നതിനായി AI വിഷൻ സെൻസർ (AIVision2) ഒരു സ്നാപ്പ്ഷോട്ട് എടുക്കുന്നു. നീല ദൃശ്യ ഒപ്പുള്ള ഒരു വസ്തു കണ്ടെത്തിയാൽ, റോബോട്ട് മുന്നോട്ട് നീങ്ങും. ഒരു വസ്തുവും കണ്ടെത്തിയില്ലെങ്കിൽ, റോബോട്ട് ഡ്രൈവിംഗ് നിർത്തും. പ്രോഗ്രാമിന്റെ കണ്ടീഷണൽ ലോജിക്കിനെ പ്രതിനിധീകരിക്കുന്നതിനാണ് ബ്ലോക്കുകൾ അടുക്കി വച്ചിരിക്കുന്നത്, അവിടെ കണ്ടെത്തിയ ഒരു വസ്തുവിന്റെ സാന്നിധ്യം റോബോട്ടിന്റെ ചലനത്തെ നിയന്ത്രിക്കുന്നു.

ഉദാഹരണത്തിന്, ഇവിടെ റോബോട്ട് AI വിഷൻ സെൻസർ ഉപയോഗിച്ച് നിരന്തരം സ്നാപ്പ്ഷോട്ടുകൾ എടുക്കും. "Blue" Color Signatureഉപയോഗിച്ച് ഏതെങ്കിലും വസ്തുവിനെ അത് തിരിച്ചറിഞ്ഞാൽ, അത് മുന്നോട്ട് നയിക്കും.


ഏതെങ്കിലും സ്നാപ്പ്ഷോട്ടിൽ "നീല" കളർ സിഗ്നേച്ചർഇല്ലെങ്കിൽ, റോബോട്ട് നീങ്ങുന്നത് നിർത്തും.

വസ്തുക്കളുടെ എണ്ണം

AIVision1 ഒബ്ജക്റ്റ് കൗണ്ട് എന്ന് ലേബൽ ചെയ്തിട്ടുള്ള ഇളം നീല നിറത്തിലുള്ള വൃത്താകൃതിയിലുള്ള കോഡിംഗ് ബ്ലോക്ക്. AIVision1 എന്ന് ലേബൽ ചെയ്‌തിരിക്കുന്ന AI വിഷൻ സെൻസർ കണ്ടെത്തിയ വസ്തുക്കളുടെ എണ്ണം വീണ്ടെടുക്കുന്നതിന് ബ്ലോക്ക് അധിഷ്ഠിത കോഡിംഗ് പരിതസ്ഥിതിയിൽ ഈ ബ്ലോക്ക് ഉപയോഗിക്കുന്നു. റോബോട്ടിക്സ് അല്ലെങ്കിൽ വിഷൻ സിസ്റ്റങ്ങൾക്കായുള്ള വിഷ്വൽ പ്രോഗ്രാമിംഗ് ഇന്റർഫേസുകളിൽ സാധാരണയായി ഉപയോഗിക്കുന്ന ഒരു മോഡുലാർ ഘടനയ്ക്കുള്ളിലാണ് ബ്ലോക്ക് യോജിക്കുന്നത്.

ഒബ്ജക്റ്റ് കൗണ്ട് ബ്ലോക്ക് ഉപയോഗിക്കുന്നത്, AI വിഷൻ സെൻസറിന് അതിന്റെ അവസാന സ്നാപ്പ്ഷോട്ടിൽ ഒരു നിർദ്ദിഷ്ട കളർ സിഗ്നേച്ചർ ന്റെ എത്ര ഒബ്ജക്റ്റുകൾ കാണാൻ കഴിയുമെന്ന് കാണാൻ നിങ്ങളെ അനുവദിക്കും. 

ഇടതുവശത്ത് രണ്ട് നീല ക്യൂബുകൾ കണ്ടെത്തിയിരിക്കുന്ന AI വിഷൻ യൂട്ടിലിറ്റി ഇന്റർഫേസ്. ഏപ്രിൽ ടാഗുകൾ പ്രവർത്തനക്ഷമമാക്കിയും AI ക്ലാസിഫിക്കേഷൻ ഓഫാക്കിയും സിസ്റ്റം ബന്ധിപ്പിച്ചിരിക്കുന്നു. നീല നിറം കണ്ടെത്തുന്നതിനുള്ള ക്രമീകരണങ്ങൾ ഇന്റർഫേസ് പ്രദർശിപ്പിക്കുന്നു, നിറം 22 ആയും സാച്ചുറേഷൻ 0.34 ആയും സജ്ജീകരിച്ചിരിക്കുന്നു. വീഡിയോ ഫ്രീസ് ചെയ്യുന്നതിനും നിറം ചേർക്കുന്നതിനോ സജ്ജീകരിക്കുന്നതിനോ ഉള്ള ബട്ടണുകൾ നിലവിലുണ്ട്. ഫേംവെയർ കാലികമാണെന്നും 1.0.0.b16 പതിപ്പ് പ്രവർത്തിക്കുന്നതായും സൂചിപ്പിച്ചിരിക്കുന്നു. കണക്ഷൻ വിച്ഛേദിക്കുന്നതിനോ യൂട്ടിലിറ്റി അടയ്ക്കുന്നതിനോ ഒരു ബട്ടണും ഉണ്ട്.

ഇവിടെ, AI വിഷൻ സെൻസർ കോൺഫിഗർ ചെയ്‌തിരിക്കുന്ന കളർ സിഗ്നേച്ചർ “ബ്ലൂ” ആണെന്നും രണ്ട് ഒബ്‌ജക്റ്റുകൾ കണ്ടെത്തുന്നുണ്ടെന്നും നമുക്ക് കാണാം.

എപ്പോൾ ആരംഭിച്ചു എന്നതിൽ നിന്ന് ആരംഭിച്ച്, തുടർന്ന് ഒരു ഫോറെവർ ലൂപ്പ് വരുന്ന ബ്ലോക്ക് അധിഷ്ഠിത കോഡിംഗ് ശ്രേണി. ലൂപ്പിനുള്ളിൽ, നീല വിഷ്വൽ സിഗ്നേച്ചർ കണ്ടെത്തുന്നതിന് പ്രോഗ്രാം AIVision2 ഉപയോഗിച്ച് ഒരു സ്നാപ്പ്ഷോട്ട് എടുക്കുന്നു. ഏതെങ്കിലും നീല വസ്തുക്കൾ കണ്ടെത്തിയോ എന്ന് പരിശോധിക്കുന്നതിന് മുമ്പ് ഇത് കൺസോൾ ക്ലിയർ ചെയ്ത് പുനഃസജ്ജമാക്കുന്നു. ഒരു നീല വസ്തു നിലവിലുണ്ടെങ്കിൽ, കൺസോളിൽ ഒബ്ജക്റ്റ് എണ്ണം പ്രിന്റ് ചെയ്യപ്പെടും. തുടർന്ന് പ്രോഗ്രാം പ്രക്രിയ ആവർത്തിക്കുന്നതിന് മുമ്പ് രണ്ട് സെക്കൻഡ് കാത്തിരിക്കുന്നു. ബ്ലോക്കുകൾ നീല വസ്തുക്കൾക്കായുള്ള തുടർച്ചയായ പരിശോധനയെ ദൃശ്യപരമായി പ്രതിനിധീകരിക്കുന്നു, ഫലങ്ങൾ കൺസോളിൽ പ്രദർശിപ്പിക്കുന്നു.നമ്പർ 2 പ്രിന്റ് ചെയ്ത ഒരു കൺസോൾ ഔട്ട്പുട്ട്. ബ്ലോക്ക് അധിഷ്ഠിത കോഡിംഗ് പരിതസ്ഥിതിയിൽ പ്രവർത്തിക്കുന്ന ഒരു പ്രോഗ്രാമിൽ നിന്നുള്ള ഫലങ്ങൾ പ്രദർശിപ്പിക്കുന്ന ഒരു വലിയ ഇന്റർഫേസിന്റെ ഭാഗമാണ് കൺസോൾ. കൺസോളിന്റെ മുകളിൽ അധിക പ്രവർത്തനങ്ങൾക്കോ ​​നിയന്ത്രണങ്ങൾക്കോ ​​ഉള്ള ബട്ടണുകൾ ഉണ്ട്, ഇവിടെ പ്രവർത്തിക്കുന്ന പ്രോഗ്രാം പ്രിന്റ് കൺസോളിലേക്ക് ഡാറ്റ ഔട്ട്പുട്ട് ചെയ്യുന്നു, അത് സ്ക്രീനിൽ 2 ന്റെ ഫലം കാണിക്കുന്നു.

ഈ കോഡിൽ, AI വിഷൻ സെൻസർ ഒരു സ്നാപ്പ്ഷോട്ട് എടുത്ത് VEXcode കൺസോളിൽ "2" പ്രിന്റ് ചെയ്യും, കാരണം ഇത് രണ്ട് "നീല" കളർ സിഗ്നേച്ചറുകൾമാത്രമേ കണ്ടെത്തൂ.

വസ്തു

AIVision1-മായി ബന്ധപ്പെട്ട ഒബ്‌ജക്റ്റ് പ്രോപ്പർട്ടികൾ തിരഞ്ഞെടുക്കുന്നതിനുള്ള ഒരു ഡ്രോപ്പ്ഡൗൺ മെനു. തിരഞ്ഞെടുത്ത ഓപ്ഷൻ വീതിയാണ്, കൂടാതെ മെനുവിൽ ഉയരം, centerX, centerY, angle, originX, originY, tagID, സ്കോർ എന്നിവയുൾപ്പെടെയുള്ള മറ്റ് ഓപ്ഷനുകൾ ലിസ്റ്റ് ചെയ്യുന്നു. AI വിഷൻ സെൻസർ കണ്ടെത്തിയ വസ്തുവിൽ നിന്ന് നിർദ്ദിഷ്ട ഡാറ്റ പോയിന്റുകൾ വീണ്ടെടുക്കാൻ ഈ ഓപ്ഷനുകൾ ഉപയോക്താവിനെ അനുവദിക്കുന്നു, ഇത് വസ്തുവിന്റെ വിവിധ ആട്രിബ്യൂട്ടുകൾ ട്രാക്ക് ചെയ്യുന്നതിനോ അളക്കുന്നതിനോ ഉള്ള വഴക്കം നൽകുന്നു.

നിങ്ങളുടെ നിർദ്ദിഷ്ട വസ്തുവിന്റെ പ്രോപ്പർട്ടി റിപ്പോർട്ട് ചെയ്യാൻഒബ്ജക്റ്റ് ബ്ലോക്ക് നിങ്ങളെ അനുവദിക്കുന്നു. ഇത് ഏറ്റവും പുതിയതായി എടുത്ത സ്നാപ്പ്ഷോട്ടിൽ നിന്ന് എടുത്ത ലഭ്യമായ ഏതെങ്കിലും ഡാറ്റ ഉപയോഗിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു.

എടുത്ത സ്നാപ്പ്ഷോട്ടുകളിൽ നിന്ന് പിൻവലിക്കാവുന്ന ഒബ്ജക്റ്റ് പ്രോപ്പർട്ടികൾ ഇവയാണ്:

  • വീതി
  • ഉയരം
  • സെന്റർഎക്സ്
  • സെന്റർ വൈ
  • ആംഗിൾ
  • ഉത്ഭവംഎക്സ്
  • ഉത്ഭവംY
  • ടാഗ് ഐഡി
  • സ്കോർ

ഈ പ്രോപ്പർട്ടികളെക്കുറിച്ച് കൂടുതലറിയാൻ ഈ ലേഖനത്തിലെ "സ്നാപ്പ്ഷോട്ടിൽ നിന്ന് എടുത്ത ഡാറ്റ" എന്ന വിഭാഗം വായിക്കുക.

കണ്ടെത്തിയ ഏപ്രിൽ ടാഗ്

ഒരു കോഡിംഗ് ഇന്റർഫേസിൽ നിന്നുള്ള ഇളം നീല ഷഡ്ഭുജാകൃതിയിലുള്ള ഒരു ബ്ലോക്ക്. AIVision1 കണ്ടെത്തിയ AprilTag, മൂല്യം 1 മായി പൊരുത്തപ്പെടുന്നുണ്ടോ എന്ന് പരിശോധിക്കുന്നതിനുള്ള കമാൻഡ് ഇതിൽ അടങ്ങിയിരിക്കുന്നു. ഈ ബ്ലോക്ക് ഒരു ബ്ലോക്ക് അധിഷ്ഠിത കോഡിംഗ് പരിതസ്ഥിതിയിലാണ് ഉപയോഗിക്കുന്നത്, കൂടാതെ ഒരു നിർദ്ദിഷ്ട ഏപ്രിൽ ടാഗ് നിലവിലുണ്ടോ എന്ന് വിലയിരുത്തുന്നതിനാണ് ഇത് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. റോബോട്ടിക്സ് അല്ലെങ്കിൽ AI വിഷൻ ടാസ്‌ക്കുകൾക്കായുള്ള വിഷ്വൽ പ്രോഗ്രാമിംഗിൽ സാധാരണയായി ഉപയോഗിക്കുന്ന മറ്റ് ലോജിക് ബ്ലോക്കുകളിൽ ഇത് ഉൾക്കൊള്ളാൻ ആകൃതിയും ഘടനയും അനുവദിക്കുന്നു.

AprilTag Detection Mode ഓണാക്കിയിരിക്കുമ്പോൾ മാത്രമേDetected AprilTag is ബ്ലോക്ക് ലഭ്യമാകൂ.

നിർദ്ദിഷ്ട ഒബ്‌ജക്റ്റ് ഒരു പ്രത്യേക ഏപ്രിൽ ടാഗ് ആണോ എന്നതിനെ ആശ്രയിച്ച് ഈ ബ്ലോക്ക് ശരിയോ തെറ്റോ എന്ന് റിപ്പോർട്ട് ചെയ്യും.

മൂന്ന് ഏപ്രിൽ ടാഗുകൾ ഒരു വിഷൻ സിസ്റ്റം ട്രാക്ക് ചെയ്യുന്നു. ഓരോ ടാഗിനും ഒരു ഐഡിയും അനുബന്ധ കോർഡിനേറ്റുകളും ഉണ്ട്. ഇടതുവശത്തുള്ള ടാഗ് ID:0 എന്ന് ലേബൽ ചെയ്തിരിക്കുന്നു, കോർഡിനേറ്റുകൾ X:110, Y:96, W:41, H:41 എന്നിവയാണ്. മധ്യ ടാഗ് ID:3 എന്ന് ലേബൽ ചെയ്തിരിക്കുന്നു, കോർഡിനേറ്റുകളെ X:187, Y:180, W:57, H:57 എന്ന് അടയാളപ്പെടുത്തിയിരിക്കുന്നു. വലതുവശത്തുള്ള ടാഗ് ID:9 എന്ന് ലേബൽ ചെയ്തിരിക്കുന്നു, കോർഡിനേറ്റുകൾ X:237, Y:89, W:38, H:38 എന്നിവയാണ്.

ഒരൊറ്റ സ്നാപ്പ്ഷോട്ടിൽ ഒന്നിലധികം ഏപ്രിൽ ടാഗുകൾ കണ്ടെത്തുമ്പോൾ, വലുപ്പം അനുസരിച്ചല്ല, മറിച്ച് അവയുടെ തിരിച്ചറിഞ്ഞ ഐഡി അടിസ്ഥാനമാക്കിയാണ് അവ അറേയിൽ ക്രമീകരിക്കുന്നത്.

ഈ ചിത്രത്തിൽ, 0, 3, 9 എന്നീ ഐഡികളുള്ള മൂന്ന് ഏപ്രിൽ ടാഗുകൾ കണ്ടെത്തി. അറേയിലെ അവയുടെ ഐഡിയുടെ ആരോഹണ ക്രമത്തിലായിരിക്കും അവ ക്രമീകരിക്കപ്പെടുന്നത്. സൂചിക 1 ലെ ഒബ്‌ജക്റ്റ് ഐഡി 0 ഉള്ള ഏപ്രിൽ ടാഗുമായും, സൂചിക 2 ൽ ഐഡി 3 ഉള്ള ഏപ്രിൽ ടാഗുമായും, സൂചിക 3 ൽ ഐഡി 9 ഉള്ള ഏപ്രിൽ ടാഗുമായും യോജിക്കും.

ഏപ്രിൽ ടാഗുകൾ എന്താണെന്നും AI വിഷൻ സെൻസർ ഉപയോഗിച്ച് അവയുടെ കണ്ടെത്തൽ എങ്ങനെ പ്രാപ്തമാക്കാമെന്നും കൂടുതലറിയാൻ, ഈ ലേഖനം വായിക്കുക.

AI വർഗ്ഗീകരണം എന്നത്

ബ്ലോക്ക് അധിഷ്ഠിത കോഡിംഗ് പരിതസ്ഥിതിയിൽ നിന്നുള്ള ഇളം നീല ഷഡ്ഭുജാകൃതിയിലുള്ള ഒരു ബ്ലോക്ക്. ബ്ലോക്കിൽ AIVision1 AI classification is BlueBall? എന്ന കമാൻഡ് അടങ്ങിയിരിക്കുന്നു. കണ്ടെത്തിയ വസ്തുവിനെ AI വിഷൻ സെൻസർ (AIVision1) ഒരു BlueBall ആയി തരംതിരിച്ചിട്ടുണ്ടോ എന്ന് ഈ ബ്ലോക്ക് പരിശോധിക്കുന്നു. ഒരു വിഷ്വൽ പ്രോഗ്രാമിംഗ് ഇന്റർഫേസിൽ ട്രാക്കിംഗ്, തീരുമാനമെടുക്കൽ ആവശ്യങ്ങൾക്കായി വ്യത്യസ്ത ഒബ്ജക്റ്റുകളോ AI വർഗ്ഗീകരണങ്ങളോ തിരഞ്ഞെടുക്കാൻ ഉപയോക്താക്കളെ അനുവദിക്കുന്ന ഡ്രോപ്പ്ഡൗൺ ഓപ്ഷനുകൾ ബ്ലോക്കിൽ ഉൾപ്പെടുന്നു.

AI ക്ലാസിഫിക്കേഷൻ ഡിറ്റക്ഷൻ മോഡ് ഓണായിരിക്കുമ്പോൾ മാത്രമേAI ക്ലാസിഫിക്കേഷൻ ബ്ലോക്ക് ലഭ്യമാകൂ.

 

നിർദ്ദിഷ്ട ഒബ്ജക്റ്റ് ഒരു പ്രത്യേക AI ക്ലാസിഫിക്കേഷനാണോ എന്നതിനെ ആശ്രയിച്ച് ഈ ബ്ലോക്ക് ശരിയോ തെറ്റോ എന്ന് റിപ്പോർട്ട് ചെയ്യും.

നിങ്ങൾ ഉപയോഗിക്കുന്ന മോഡലിനെ ആശ്രയിച്ച് AI വിഷൻ സെൻസറിന് കണ്ടെത്താനാകുന്ന AI ക്ലാസിഫിക്കേഷനുകൾ വ്യത്യാസപ്പെടുന്നു. ഏതൊക്കെ AI ക്ലാസിഫിക്കേഷനുകൾ ലഭ്യമാണ്, AI വിഷൻ സെൻസർ ഉപയോഗിച്ച് അവ എങ്ങനെ കണ്ടെത്താം എന്നതിനെക്കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾക്ക്, ഈ ലേഖനം വായിക്കുക.

For more information, help, and tips, check out the many resources at VEX Professional Development Plus

Last Updated: