Sipeed MaiX Bit OpenMV Demot - Tietokonevisio: 3 vaihetta

2024 Kirjoittaja: John Day | [email protected]. Viimeksi muokattu: 2024-01-30 09:02

Tämä on toinen artikkeli sarjassa Sipeed AI: stä Edgen mikrokontrollerialustalla. Tällä kertaa kirjoitan MaiX Bitistä (linkki Seeed Studio Shopiin), joka on pienempi, leipälauta valmis kehitystaulu. Sen tekniset tiedot ovat hyvin samankaltaisia kuin MaiX Dock, levy, jota käytin viimeisessä opetusohjelmassa, koska ne käyttävät samaa sirua, Kendryte K210.

Käytämme mikropython -laiteohjelmistoa kokeillaksemme joitain OpenMV -demoja. Tässä kuvaus OpenMV -kotisivulta:

OpenMV-projektin tarkoituksena on luoda edullisia, laajennettavia, Python-käyttöisiä konenäkömoduuleja, ja sen tavoitteena on tulla "Machine Visionin Arduinoksi".… Python helpottaa työskentelyä konenäköalgoritmien kanssa. Esimerkiksi koodin find_blobs () -menetelmä etsii värilohkoja ja palauttaa luettelon 8-arvoisista objekteista, jotka edustavat jokaista löydettyä värilohkoa. Pythonissa iterointi find_blobs (): n palauttaman objektiluettelon avulla ja suorakulmion piirtäminen jokaisen väripilkin ympärille on helppoa vain kahdella koodirivillä.

Joten vaikka MaiX Bitillä on oma hermoverkon kiihdytin, joskus saattaa olla helpompaa käyttää vain OpenMV-koodattuja algoritmeja työn tekemiseen tai käyttää niitä rinnakkain.

Jotkut käyttötapaukset, joita tulee mieleen, ovat:

1) Linjanseurannan linjan tunnistus

2) Liikennevalojen havaitseminen ympyrän ja värin tunnistuksella

3) Kasvojentunnistuksen käyttäminen kasvojen tunnistamista varten (DNN)

Tämän artikkelin Github -arkisto

Vaihe 1: Flash Micropython -laiteohjelmisto

Ensinnäkin meidän on salattava mikropython -laiteohjelmisto taulullemme. Tämän artikkelin github -arkistoon sisältyy esipakattu binääri yhdessä kflash.py (flash -apuohjelma) kanssa. Jos haluat koota laiteohjelmiston lähdekoodista, lataa lähdekoodi vain osoitteesta https://github.com/sipeed/MaixPy, asenna työkaluketju ja käännä lähdekoodi maixpy.bin -tiedostoon. Yksityiskohtaiset rakennusohjeet löydät täältä.

Flash binääritiedosto

sudo python3 kflash.py kpu.bin

Kun vilkkuminen on onnistunut, siirry seuraavaan vaiheeseen.

Vaihe 2: Muodosta yhteys MaiX Bitiin

Nyt MaiX -bittimme pitäisi olla käytettävissä USB -sarjaliitännän kautta, jonka nopeus on 115200. Voit käyttää sarjaliikenteessä suosikkiohjelmistoasi tai vain kissa- ja kaiunkomentoja tarpeidesi mukaan. Käytin näyttöä sarjaliikenteeseen ja pidin sitä erittäin kätevänä.

Komento sarjaviestintäistunnon luomiseksi näytön kanssa on

sudo -näyttö /dev /ttyUSB0 115200

missä /dev /ttyUSB0 on laitteesi osoite.

Sinun on ehkä painettava mikro -ohjaimen nollauspainiketta nähdäksesi tervehdysviestin ja python -tulkin kehotteen.

Vaihe 3: Suorita demot

Nyt voit siirtyä kopiointitilaan painamalla Ctrl+E ja kopioimalla ja liittämällä demokoodit. Voit suorittaa ne painamalla Ctrl+D kopiointitilassa.

Jos et halua tallentaa videoita, sinun on kommentoitava videon tallennusrivejä. Muussa tapauksessa koodi heittää poikkeuksen, jos SD -korttia ei ole asetettu

Tässä on lyhyt kuvaus jokaisesta demosta:

Etsi piirejä - käyttää Find_circles -funktiota OpenMV: stä. Vaatii lisää säätöä sovelluksellesi, erityisesti kynnysarvoa (määrittää, mitkä ympyrät havaitaan hough -muunnoksesta. Vain ympyrät, joiden suuruus on suurempi tai yhtä suuri kuin kynnysarvo, palautetaan) ja r_min, r_max -arvot.

Etsi suorakulmioita - käyttää Find_rects -funktiota OpenMV: stä. Voit pelata kynnysarvolla, mutta demossa oleva arvo toimii varsin hyvin suorakulmioiden löytämisessä.

Etsi kasvot, etsi silmät - käyttää Find_features -toimintoa Haar Cascades -sovelluksella silmien ja etupuolen tunnistamiseksi kuvassa. Voit pelata kynnys- ja skaala-arvoilla oikean nopeuden ja tarkkuuden kompromissin saavuttamiseksi.

Etsi äärettömiä viivoja - löytää Find_lines -funktion avulla löytää kaikki kuvan äärettömät viivat hough -muunnoksen avulla.

Tunnista väri - käyttää get_statistics -funktiota prosenttiosuusobjektin hankkimiseen ja muuntaa sitten LAB -tyypin keskiarvot RGB -arvoiksi. Kirjoitin tämän esimerkin itse ja se toimii varsin hyvin, mutta muista, että ympäristön valo -olosuhteet vaikuttavat väritunnistuksen tuloksiin.

Löydät monia muita mielenkiintoisia demoja OpenMV github -arkistosta! Ne ovat enimmäkseen yhteensopivia MaiX Bit -mikropythonin kanssa. Ainoa asia, joka sinun on muistettava, on lisätä sensor.run (1) pikselimuodon ja kehyksen koon asettamisen jälkeen.

Hyvää kokeilua OpenMV -koodilla. Jos sinulla on kysyttävää tai haluat jakaa mielenkiintoisia tuloksiasi, älä epäröi ottaa minuun yhteyttä Youtubessa tai LinkedInissä. Anteeksi, minä teen robotteja!