Кодування за допомогою датчика зору штучного інтелекту у VEXcode EXP Python

Переконайтеся, що у вас налаштовано колірних підписів та кольорові коди за допомогою датчика зору штучного інтелекту, щоб їх можна було використовувати з вашими блоками. Щоб дізнатися більше про те, як їх налаштувати, ви можете прочитати статті нижче:

• Налаштування колірних підписів за допомогою AI Vision Signature у VEXcode EXP
• Налаштування колірних кодів за допомогою сигнатури AI Vision у VEXcode EXP

Датчик зору на базі штучного інтелекту також може виявляти класифікації штучного інтелекту та теги AprilTags. Щоб дізнатися, як увімкнути ці режими виявлення, перейдіть сюди:

• Класифікації ШІ за допомогою датчика ШІ зору у VEXcode EXP
• КвітеньТеги з датчиком зору штучного інтелекту в VEXcode EXP

Щоб дізнатися більше про ці окремі команди та про те, як їх використовувати у VEXcode, перейдіть на сайт API.

---

Отримання візуальних даних за допомогою датчика зору зі штучним інтелектом

Кожна команда датчика зору штучного інтелекту починатиметься з назви налаштованого датчика зору штучного інтелекту. Для всіх прикладів у цій статті назва використовуваного датчика зору на базі штучного інтелекту буде ai_vision_1.

зробити_знімок

Метод take_snapshot робить знімок того, що наразі бачить датчик зору штучного інтелекту, та витягує дані з цього знімка, які потім можна використовувати в проєкті. Під час створення знімка потрібно вказати, який тип об'єкта має збирати сенсор AI Vision Sensor, дані якого слід збирати:

• AПідпис кольору абоКод кольору
  • Ці візуальні підписи починаються з назви датчика зору штучного інтелекту, подвійного підкреслення, а потім назви візуального підпису, наприклад: ai_vision_1__Blue.
• Класифікації ШІ - AiVision.ALL_AIOBJS
• квітеньТеги- AiVision.ВСІ_ТЕГИ

Зробивши знімок, ви створите кортеж усіх виявлених об'єктів, які ви вказали. Наприклад, якщо ви хочете виявити "синій" колірний підпис , і датчик зору штучного інтелекту виявив 3 різні сині об'єкти, дані з усіх трьох будуть поміщені в кортеж.

У цьому прикладі змінна vision_objects зберігає кортеж, що містить виявлені кольорові сигнатури "фіолетового"кольору від датчика зору штучного інтелекту з назвою ai_vision_1. Він відображає кількість виявлених об'єктів і робить новий знімок кожні 0,5 секунди.

while True: 
    # Отримати знімок усіх сигнатур фіолетового кольору та зберегти його у vision_objects.
    vision_objects = ai_vision_1.take_snapshot(ai_vision_1__Purple)
    
    # Перед отриманням даних перевірте, чи було виявлено об'єкт на знімку.
    якщо vision_objects[0].exists == True
    
        brain.screen.clear_screen()
        brain.screen.set_cursor(1, 1)
    
        brain.screen.print("Кількість об'єктів:", len(vision_objects))
    wait(0.5, СЕКУНД)

Властивості об'єкта

Кожен об'єкт зі знімка має різні властивості, які можна використовувати для повідомлення інформації про цей об'єкт. Доступні властивості такі:

• ідентифікатор
• центрX та центрY
• походженняX та походженняY
• ширина
• висота
• кут
• рахунок
• існує

Щоб отримати доступ до властивості об'єкта, використовуйте ім'я змінної, яка зберігає кортеж, а потім індекс об'єкта.

Індекс об'єкта вказує, властивість якого конкретного об'єкта потрібно отримати. Після зйомки, датчик зору зі штучним інтелектом автоматично сортує об'єкти за розміром. Найбільшому об'єкту присвоюється індекс 0, а менші об'єкти отримують вищі індексні номери.

Наприклад, виклик ширини найбільшого об'єкта всередині змінної vision_objects буде таким: vision_objects[0].width.

ідентифікатор

Властивість id доступна лише для класифікацій AI AprilTags та

Перейдіть до цих статей, щоб отримати додаткові відомості про квітень, теги та , класифікації ШІ та про те, як увімкнути їх виявлення в утиліті ШІ Vision.

центрX та центрY

Це центральні координати виявленого об'єкта в пікселях.

У цьому прикладі, оскільки центр поля зору датчика штучного інтелекту (AI Vision Sensor) знаходиться в точці (160, 120), робот повертатиме праворуч, доки координата centraX виявленого об'єкта не стане більшою за 150 пікселів, але меншою за 170 пікселів.

while True:
    # Отримати знімок усіх синіх кольорових сигнатур та зберегти його у vision_objects.
    vision_objects = ai_vision_1.take_snapshot(ai_vision_1__Blue)

    # Перед отриманням даних перевірте, чи було виявлено об'єкт на знімку.
    if vision_objects[0].exists == True

        # Перевіряє, чи об'єкт не знаходиться в центрі поля зору датчика зору штучного інтелекту.
        if vision_objects[0].centerX > 150 and 170 > vision_objects[0].centerX:

            # Продовжуйте повертати праворуч, доки об'єкт не опиниться в центрі поля зору.
            drivetrain.turn(ПРАВОРУЧ)
        інакше:
            drivetrain.stop()
    wait(5, MSEC)

походження X та походження

OriginX та OriginY – це координата у верхньому лівому куті виявленого об'єкта в пікселях.

ширина та висота

Це ширина або висота виявленого об'єкта в пікселях.

У цьому прикладі ширина об'єкта використовується для навігації. Робот наближатиметься до об'єкта, доки його ширина не досягне певного розміру, перш ніж зупинитися.

while True:
    # Отримати знімок усіх синіх кольорових сигнатур та зберегти його у vision_objects.
    vision_objects = ai_vision_1.take_snapshot(ai_vision_1__Blue)

    # Перед отриманням даних перевірте, чи було виявлено об'єкт на знімку.
    if vision_objects[0].exists == True

        # Перевірити, чи знаходиться найбільший об'єкт близько до датчика зору штучного інтелекту, вимірявши його ширину.
        if vision_objects[0].width < 250:

            # Під'їжджаємо ближче до об'єкта, поки його ширина не перевищить 250 пікселів.
            drivetrain.drive(ВПЕРЕД)
        інакше:
            drivetrain.stop()

    wait(5, MSEC)

кут

рахунок

Властивість балів використовується під час виявленнякласифікацій ШІ за допомогою датчика ШІ зору.

існує

Властивість exists використовується для визначення останньому зробленому знімку.

Це дозволяє перевірити, чи були виявлені якісь об'єкти на попередньому знімку. Ця властивість повертатиме значення True, якщо об'єкт існує, та False, якщо об'єкт не існує.