VEXcode EXP ബ്ലോക്കുകളിൽ AI വിഷൻ സെൻസർ ഉപയോഗിച്ച് കോഡിംഗ്. – VEX ലൈബ്രറി

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

VEXcode EXP COL1 ന്റെ AIVision1 സ്നാപ്പ്ഷോട്ട് എടുക്കുക എന്ന് വായിക്കുന്ന ടേക്ക് സ്നാപ്പ്ഷോട്ട് ബ്ലോക്ക്. രണ്ട് ഡ്രോപ്പ്ഡൗണുകളുണ്ട്, ഒന്ന് AI വിഷൻ സെൻസർ തിരഞ്ഞെടുക്കാനും രണ്ടാമത്തേത് കളർ കോഡ് തിരഞ്ഞെടുക്കാനും.

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.

VEXcode EXP Take Snapshot ബ്ലോക്ക്, അതിൽ "AIVision2 സ്നാപ്പ്ഷോട്ട് നീല" എന്ന് എഴുതിയിരിക്കുന്നു.

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

AI വിഷൻ സെൻസറിന്റെ റെസല്യൂഷന്റെ ഡയഗ്രം. മുകളിൽ ഇടത് മൂല 0, 0 എന്നും മുകളിൽ വലത് മൂല 320, 0 എന്നും താഴെ ഇടത് മൂല 0, 240 എന്നും ലേബൽ ചെയ്തിരിക്കുന്നു. സ്ക്രീനിന്റെ മധ്യഭാഗം 160, 120 എന്ന് ലേബൽ ചെയ്തിരിക്കുന്നു.

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 EXP ലെ AI വിഷൻ യൂട്ടിലിറ്റിയിലെ ഡാറ്റ മനസ്സിലാക്കൽ
പോകുക.

വീതിയും ഉയരവും

കണ്ടെത്തിയ വസ്തുവിന്റെ വീതിയോ ഉയരമോ പിക്സലുകളിൽ ഇതാണ്.

AI വിഷൻ സെൻസർ ഒരു ബ്ലൂ ബക്കിബോൾ ട്രാക്ക് ചെയ്യുന്നതായി കാണിച്ചിരിക്കുന്നു. ബക്കിബോളിന് ചുറ്റും ഒരു ട്രാക്കിംഗ് ദീർഘചതുരം ഉണ്ട്, മുകളിലുള്ള ലേബൽ അതിന് 80 പിക്സൽ വീതിയും 78 പിക്സൽ ഉയരവുമുണ്ടെന്ന് കാണിക്കുന്നു. ട്രാക്കിംഗ് ദീർഘചതുരത്തിന്റെ വീതിയും ഉയരവും തെളിയിക്കാൻ ചുവന്ന അമ്പടയാളങ്ങൾ അതിനെ ഹൈലൈറ്റ് ചെയ്യുന്നു.

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

AI വിഷൻ സെൻസർ രണ്ട് നീല ക്യൂബുകളെ ട്രാക്ക് ചെയ്യുന്നതായി കാണിച്ചിരിക്കുന്നു. ക്യൂബുകൾക്ക് ചുറ്റും ട്രാക്കിംഗ് ദീർഘചതുരങ്ങളുണ്ട്, അതിലൊന്ന് ക്യാമറയോട് വളരെ അടുത്താണ്. അടുത്തുള്ളതിന് 144 വീതിയും 113 ഉയരവുമുണ്ട്, അകലെയുള്ളതിന് 73 വീതിയും 84 ഉയരവുമുണ്ട്.

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

AI വിഷൻ സെൻസർ ഒരു ബ്ലൂ ബക്കിബോൾ ട്രാക്ക് ചെയ്യുന്നതായി കാണിച്ചിരിക്കുന്നു. ബക്കിബോളിന് ചുറ്റും ഒരു ട്രാക്കിംഗ് ദീർഘചതുരം ഉണ്ട്, മുകളിലുള്ള ലേബൽ അതിന്റെ X സ്ഥാനത്തിന് 176 ഉം Y സ്ഥാനത്തിന് 117 ഉം ആണെന്ന് കാണിക്കുന്നു. ട്രാക്കിംഗ് ദീർഘചതുരത്തിന്റെ മധ്യഭാഗം ഹൈലൈറ്റ് ചെയ്തിരിക്കുന്നത് സ്ഥാനം അളക്കുന്നത് മധ്യത്തിൽ നിന്നാണെന്ന് തെളിയിക്കാനാണ്.

നാവിഗേഷനും സ്ഥാനനിർണ്ണയത്തിനും സെന്റർഎക്സും സെന്റർവൈ കോർഡിനേറ്റുകളും സഹായിക്കുന്നു. AI വിഷൻ സെൻസറിന് 320 x 240 പിക്സൽ റെസലൂഷൻ ഉണ്ട്.

AI വിഷൻ സെൻസർ രണ്ട് നീല ക്യൂബുകളെ ട്രാക്ക് ചെയ്യുന്നതായി കാണിച്ചിരിക്കുന്നു. ക്യൂബുകൾക്ക് ചുറ്റും ട്രാക്കിംഗ് ദീർഘചതുരങ്ങളുണ്ട്, അതിലൊന്ന് ക്യാമറയോട് വളരെ അടുത്താണ്. അടുത്തേക്ക് ചെല്ലുമ്പോൾ Y സ്ഥാനം 184 ഉം, അകലെയാകുമ്പോൾ Y സ്ഥാനം 70 ഉം ആയിരിക്കും.

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

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

ഒരു ആംഗിൾ മൂല്യത്തിന്റെ 360 ഡിഗ്രി തെളിയിക്കാൻ ഒരു ചുവന്ന ചതുരവും ഒരു പച്ച ചതുരവും ഒരുമിച്ച് തിരിക്കുന്നതിന്റെ ആനിമേഷൻ.

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

പച്ചയും പിന്നെ നീലയും നിറങ്ങളിലുള്ള ഒരു കളർ കോഡ് ട്രാക്ക് ചെയ്യുന്നതായി AI വിഷൻ സെൻസർ കാണിച്ചിരിക്കുന്നു. വീഡിയോ ഫീഡിൽ ഒരു നീല ക്യൂബിന് മുകളിൽ ഒരു പച്ച ക്യൂബ് അടുക്കി വച്ചിരിക്കുന്നത് കാണിക്കുന്നു. കളർ കോഡിന്റെ ആംഗിൾ മൂല്യം ഹൈലൈറ്റ് ചെയ്‌ത് 87 ഡിഗ്രി കാണിക്കുന്നു, ഇത് കളർ കോഡ് ലംബമായി ഓറിയന്റഡ് ചെയ്‌തിരിക്കുന്നുവെന്ന് സൂചിപ്പിക്കുന്നു.

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

പച്ചയും പിന്നെ നീലയും നിറങ്ങളിലുള്ള ഒരു കളർ കോഡ് ട്രാക്ക് ചെയ്യുന്നതായി AI വിഷൻ സെൻസർ കാണിച്ചിരിക്കുന്നു. വീഡിയോ ഫീഡിൽ ഒരു പച്ച ക്യൂബ് ഒരു നീല ക്യൂബിന് അടുത്തായി ഇരിക്കുന്നതായി കാണിക്കുന്നു, പക്ഷേ അവ സെൻസറുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഒരു മോശം കോണിലാണ്. കളർ കോഡിന്റെ ആംഗിൾ മൂല്യം ഹൈലൈറ്റ് ചെയ്‌ത് 0 ഡിഗ്രി കാണിക്കുന്നു, ഇത് കളർ കോഡിന്റെ ആംഗിൾ വായിക്കാൻ കഴിയില്ലെന്ന് സൂചിപ്പിക്കുന്നു.

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.

AI വിഷൻ സെൻസർ ഒരു ബ്ലൂ ബക്കിബോൾ ട്രാക്ക് ചെയ്യുന്നതായി കാണിച്ചിരിക്കുന്നു. ബക്കിബോളിന് ചുറ്റും ഒരു ട്രാക്കിംഗ് ദീർഘചതുരം ഉണ്ട്, മുകളിലുള്ള ലേബൽ അതിന്റെ X സ്ഥാനത്തിന് 176 ഉം Y സ്ഥാനത്തിന് 117 ഉം ആണെന്ന് കാണിക്കുന്നു. ട്രാക്കിംഗ് ദീർഘചതുരത്തിന്റെ മുകളിൽ ഇടത് മൂല ഹൈലൈറ്റ് ചെയ്തിരിക്കുന്നു, ഇത് ഉത്ഭവ സ്ഥാനം അതിന്റെ മുകളിൽ ഇടത് മൂലയിൽ നിന്നാണ് അളക്കുന്നതെന്ന് തെളിയിക്കുന്നു.

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.

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.

മൂന്ന് ഏപ്രിൽ ടാഗുകൾ AI വിഷൻ യൂട്ടിലിറ്റി ട്രാക്ക് ചെയ്യുന്നുണ്ട്. ഓരോ ടാഗും തിരിച്ചറിയുകയും, സ്ഥാപിക്കുകയും, രൂപരേഖ തയ്യാറാക്കുകയും ചെയ്യുന്നു, ഇത് സിസ്റ്റം അതിന്റെ ട്രാക്കിംഗ് സൂചിപ്പിക്കുന്നു. ഈ ഉദാഹരണത്തിലെ AprilTag ഐഡികൾ 0, 3, 9 എന്നിവയാണ് വായിക്കുന്നത്.

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

സ്കോർ

AI വിഷൻ സെൻസർ ഉപയോഗിച്ച്AI ക്ലാസിഫിക്കേഷനുകൾ കണ്ടെത്തുമ്പോൾ സ്കോർ പ്രോപ്പർട്ടി ഉപയോഗിക്കുന്നു.

AI വിഷൻ യൂട്ടിലിറ്റി നാല് വസ്തുക്കളെ ട്രാക്ക് ചെയ്യുന്നു, രണ്ട് ബക്കിബോൾസ്, രണ്ട് റിങ്ങുകൾ. ഓരോ വസ്തുവിനെയും തിരിച്ചറിയുകയും, സ്ഥാപിക്കുകയും, രൂപരേഖ തയ്യാറാക്കുകയും ചെയ്യുന്നു, ഇത് സിസ്റ്റം അതിന്റെ ട്രാക്കിംഗ് സൂചിപ്പിക്കുന്നു. ഓരോ ഒബ്ജക്റ്റിന്റെയും AI ക്ലാസിഫിക്കേഷൻ സ്കോറും യൂട്ടിലിറ്റി പട്ടികപ്പെടുത്തുന്നു, ഈ ഉദാഹരണത്തിൽ ഓരോ സ്കോറും 99% ആണ്.

കോൺഫിഡൻസ് സ്‌കോർ, AI വിഷൻ സെൻസറിന് അതിന്റെ കണ്ടെത്തലിൽ എത്രത്തോളം ഉറപ്പുണ്ടെന്ന് സൂചിപ്പിക്കുന്നു. ഈ ചിത്രത്തിൽ, ഈ നാല് വസ്തുക്കളുടെയും 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.

VEXcode EXP AIVision1 ഒബ്‌ജക്റ്റ് ഇനം 1 ആയി സജ്ജീകരിക്കുന്ന ഒബ്‌ജക്റ്റ് ഇനം ബ്ലോക്ക് സജ്ജമാക്കുക. AI വിഷൻ സെൻസർ തിരഞ്ഞെടുക്കാൻ ഒരു ഡ്രോപ്പ്ഡൌണും ഒബ്ജക്റ്റ് സൂചികയിൽ പ്രവേശിക്കാൻ ഒരു ടെക്സ്റ്റ് ഫീൽഡും ഉണ്ട്.

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.

AI വിഷൻ സെൻസർ രണ്ട് നീല ക്യൂബുകളെ ട്രാക്ക് ചെയ്യുന്നതായി കാണിച്ചിരിക്കുന്നു. ക്യൂബുകൾക്ക് ചുറ്റും ട്രാക്കിംഗ് ദീർഘചതുരങ്ങളുണ്ട്, അതിലൊന്ന് ക്യാമറയോട് വളരെ അടുത്താണ്. അടുത്തുള്ളതിന് 136 വീതിയും, അകലെയുള്ളതിന് 78 വീതിയും ഉണ്ട്.

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

AI വിഷൻ സെൻസർ രണ്ട് നീല ക്യൂബുകളെ ട്രാക്ക് ചെയ്യുന്നതായി കാണിച്ചിരിക്കുന്നു. ക്യൂബുകൾക്ക് ചുറ്റും ട്രാക്കിംഗ് ദീർഘചതുരങ്ങളുണ്ട്, അതിലൊന്ന് ക്യാമറയോട് വളരെ അടുത്താണ്. അടുത്തുള്ള ക്യൂബിനെ 1 എന്നും അകലെയുള്ള ക്യൂബിനെ 2 എന്നും അടയാളപ്പെടുത്തിയിരിക്കുന്നു.

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 നിലവിലുണ്ടെന്ന് വായിക്കുന്ന VEXcode EXP ഒബ്‌ജക്റ്റ് നിലവിലുണ്ടോ? AI വിഷൻ സെൻസർ തിരഞ്ഞെടുക്കാൻ ഒരു ഡ്രോപ്പ്ഡൗൺ ഉണ്ട്.

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.

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 എണ്ണം വായിക്കുന്ന VEXcode EXP ഒബ്‌ജക്റ്റ് കൗണ്ട് ബ്ലോക്ക്. AI വിഷൻ സെൻസർ തിരഞ്ഞെടുക്കാൻ ഒരു ഡ്രോപ്പ്ഡൗൺ ഉണ്ട്.

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

AI വിഷൻ സെൻസർ രണ്ട് നീല ക്യൂബുകളെ ട്രാക്ക് ചെയ്യുന്നതായി കാണിച്ചിരിക്കുന്നു. ക്യൂബുകൾക്ക് ചുറ്റും ട്രാക്കിംഗ് ദീർഘചതുരങ്ങളുണ്ട്, അതിലൊന്ന് ക്യാമറയോട് വളരെ അടുത്താണ്.

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

പ്രിന്റ് ചെയ്ത സന്ദേശം 2 വായിക്കുന്ന മുൻ VEXcode Blocks പ്രോജക്റ്റിന്റെ പ്രിന്റ് കൺസോൾ ഔട്ട്പുട്ട്.

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

വസ്തു

AIVision1 ഒബ്‌ജക്റ്റ് വീതി വായിക്കുന്ന VEXcode EXP AI വിഷൻ ഒബ്‌ജക്റ്റ് ബ്ലോക്ക്. AI വിഷൻ സെൻസർ തിരഞ്ഞെടുക്കാൻ ഒരു ഡ്രോപ്പ്ഡൗൺ ഉണ്ട്, സെൻസിംഗ് ചെയ്യുന്നതിനായി വസ്തുവിന്റെ ആട്രിബ്യൂട്ട് തിരഞ്ഞെടുക്കാൻ ഒരു ഡ്രോപ്പ്ഡൗൺ മെനു തുറന്നിരിക്കുന്നു. ഓപ്ഷനുകളുടെ പട്ടിക വീതി, ഉയരം, centerX, centerY, angle, originX, originY, tagID, സ്കോർ എന്നിവ വായിക്കുന്നു.

നിങ്ങളുടെ നിർദ്ദിഷ്ട വസ്തുവിന്റെ പ്രോപ്പർട്ടി റിപ്പോർട്ട് ചെയ്യാൻഒബ്ജക്റ്റ് ബ്ലോക്ക് നിങ്ങളെ അനുവദിക്കുന്നു. ഇത് ഏറ്റവും പുതിയ 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

VEXcode EXP കണ്ടെത്തി ഏപ്രിൽ ടാഗ് എന്നത് AIVision1 കണ്ടെത്തി എന്ന് വായിക്കുന്ന ബ്ലോക്കാണ് ഏപ്രിൽ ടാഗ് 1 ആണോ? AI വിഷൻ സെൻസർ തിരഞ്ഞെടുക്കാൻ ഒരു ഡ്രോപ്പ്ഡൗൺ ഉണ്ട്.

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.

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

VEXcode EXP AI വർഗ്ഗീകരണം AIVision1 എന്ന് വായിക്കുന്ന ഒരു ബ്ലോക്കാണ്. AI വർഗ്ഗീകരണം BlueBall ആണോ? AI വിഷൻ സെൻസർ തിരഞ്ഞെടുക്കാൻ ഒരു ഡ്രോപ്പ്ഡൗൺ മെനുവും ടാർഗെറ്റ് AI ക്ലാസിഫിക്കേഷൻ ഒബ്ജക്റ്റ് തിരഞ്ഞെടുക്കാൻ മറ്റൊരു ഡ്രോപ്പ്ഡൗൺ മെനുവും ഉണ്ട്.

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.