前言：基于spieed出品的MaixPy-Dock开发板（K210芯片）进行实践。编译运用MicroPython语言，其是基于 Python3 的语法做的一款解析器，包含了 Python3 的大多数基础语法，主要运行在性能和内存有限的嵌入式芯片上。

        计算机视觉为无人机的导航提供了不可估量的作用，本文实现无人机对基础图形、颜色的识别与视觉循迹功能（视觉算法部分  不包括串口通信）

import sensor, image, time, lcd

sensor.reset()

sensor.set_pixformat(sensor.RGB565) # 灰度更快

sensor.set_framesize(sensor.QQVGA)

sensor.skip_frames(time = 2000)

lcd.init()

clock = time.clock()

#----颜色参数选择----#

color_a = (20, 52, -13, 70, 2, 65)

#---------------------------------功能函数--------------------------------------#

#----------圆形图像识别---------#

def fcircle():

img = sensor.snapshot().lens_corr(1.8)

img.laplacian(1, sharpen=True)

#lcd.display(img)

for c in img.find_circles(threshold = 5000, x_margin = 10, y_margin = 10, r_margin = 10,r_min = 1, r_max = 80, r_step = 2):

a=img.draw_circle(c.x(), c.y(), c.r(), color = (0, 255, 0))

#lcd.display(a)

print(c)

#----------矩形图像识别---------#

def frectangle():

img = sensor.snapshot().lens_corr(1.8)

img.laplacian(1, sharpen=True)

for r in img.find_rects(threshold = 10000):

img.draw_rectangle(r.rect(), color = (255, 0, 0))

for p in r.corners(): img.draw_circle(p[0], p[1], 5, color = (0, 255, 0))

print(r)

#----------特定颜色识别---------#

def find_max_blob(blobs):

maxsize = 0

for blob in blobs:

if blob[2]*blob[3] > maxsize:

mmax_blob = blob

maxsize = blob[2]*blob[3]

return mmax_blob

def fcolors(color):

img = sensor.snapshot() # 拍一张照片并返回图像。

blobs = img.find_blobs([color])

if blobs:

b = find_max_blob(blobs)

if b[2] > 15 and b[3] > 15:

img.draw_rectangle(b[0:4])

img.draw_cross(b[5], b[6])

print(b[5], b[6])

else:

print('No')

else:

print('NO')

#-----------循迹----------#

def tracing(colors):

# 拍摄一张图片并按阈值二值化

img = sensor.snapshot()

# 使用kpu加速的锐化进行边缘增强

#img.conv3(con_sharpen)

# 对于图像进行kpu加速的高斯模糊，使图像中心化平滑

img.conv3(con_gauss)

img = img.binary(line_color_union)

# 对二值化的图片进行线性回归得到直线

line = img.get_regression([(100,100,0,0,0,0)], roi = (2,2,img.width()-4,img.height()-4))

img.draw_rectangle((2,2,img.width()-4,img.height()-4))

if line and line.magnitude() > 3:

# 在图片上画线

img.draw_line(line.line(), color = 110, thickness = 5)

# 计算横滚误差

erho = abs(line.rho())-img.width()/2

# 计算偏航误差

if line.theta() > 90:

etheta = line.theta()-180

else:

etheta = line.theta()

# 误差归一化

res_erho = erho/(img.width()/2)

res_etheta = etheta/90

# 误差输出

print('tt',int(res_erho*1000), int(res_etheta*1000))

else:

# 定义误差只能小于1000，若输出无效值则寻迹无效

print('tt',1001, 1001)

# 显示图片

lcd.display(img)

#------------------------------------主函数-------------------------------------#

while True:

clock.tick()

#fcircle()

#frectangle()

#fcolors(color_a)

#tracing(color_a)

print("FPS %f" % clock.fps())

###大家可根据自身需求对代码进行更改参数、恢复注释

参考资料：

MaixPy 文档简介 - Sipeed Wiki

好文阅读

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：