(注：每行代码的解释均已标注，适合复习使用和openmv新手学习)
import sensor, time, image
from image import SEARCH_EX, SEARCH_DS
from pyb import UART
from pid import PID
from pyb import Servo
import ustruct
import json定义舵机，servo(1)用的是openmv的p7引脚，servo(2)用的是openmv的p8引脚，servo(3)用的是openmv的p9引脚
pan_servo=Servo(1)#舵机1设置对应的脉宽，分别对应为：允许的最小脉宽：500、允许的最大脉冲：2500、中心/零位置对应的脉宽：500
pan_servo.calibration(500,2500,500)pid包的函数，设置舵机的pid参数，一般只需要调整p,如果云台抖动的很厉害（速度过快），可以将p调小
pan_pid = PID(p=0.07, i=0, imax=90)接下来就是常规设置
# Reset sensor
sensor.reset()#c初始化摄像头
# Sensor settings
sensor.set_contrast(3)#设置对比度
sensor.set_gainceiling(16)#设置图像增益
sensor.set_framesize(sensor.QQVGA)#设置图像分辨率
sensor.set_windowing((320, 240))#将相机的分辨率设置为当前分辨率的子分辨率
sensor.set_pixformat(sensor.GRAYSCALE)#设置图像格式为灰度图
sensor.skip_frames(time = 2000)# 跳过2000s，使新设置生效,并自动调节白平衡
sensor.set_auto_gain(False, value=100)#关闭自动自动增益。默认开启的，在颜色识别中，一定要关闭白平衡。
clock = time.clock() # 追踪帧率
uart = UART(3, 115200)#初始化串口号及其波特率设置给32传递数据的函数
def sending_data(cx,cy):
global uart;
#frame=[0x2C,18,cx%0xff,int(cx/0xff),cy%0xff,int(cy/0xff),0x5B];
#data = bytearray(frame)
data = ustruct.pack("<bbhhb", #格式为俩个字符俩个短整型(2字节)
0x2C, #帧头1
0x12, #帧头2
int(cx), # up sample by 4 #数据1
int(cy), # up sample by 4 #数据2
0x5B)
uart.write(data); #必须要传入一字节的数组，这个函数似乎不能发送单个字节，必须得一次发送多个字节通过在IDE视图窗口的截图，保存目标模板，如进行多模板匹配则保存多个
templates2 = ["/2.1.pgm", "/2.2.pgm", "/2.3.pgm", "/2.4.pgm"] #保存多个模板
templates1 = ["/1.1.pgm", "/1.2.pgm", "/1.3.pgm", "/1.4.pgm"] #保存多个模板
templates4 = ["/2.1.pgm", "/2.2.pgm", "/2.3.pgm", "/2.4.pgm"] #保存多个模板
templates3 = ["/1.1.pgm", "/1.2.pgm", "/1.3.pgm", "/1.4.pgm"]设置舵机转到的角度
pan_servo.angle(45)#可以直接设置舵机直接转到45度
#控制舵机的相关代码
#s1 = Servo(1) # 设置引脚
#s1.angle(45) # 转到45度
#s1.angle(-60, 1500) # 1.5s内转到-60度
#s1.speed(50) # 用于连续旋转舵机时的速度设置最后就是小车的运行过程（根据比赛要求编写）：
while (True):
clock.tick()
img = sensor.snapshot()# 从感光芯片获得一张图像
for t1 in templates1:
template1 = image.Image(t1)
#对每个模板遍历进行模板匹配
r1 = img.find_template(template1, 0.70, step=4, search=SEARCH_EX) #, roi=(10, 0, 60, 60))
#find_template(template, threshold, [roi, step, search]),threshold中
#的0.7是相似度阈值,roi是进行匹配的区域（左上顶点为（10，0），长80宽60的矩形），
#注意roi的大小要比模板图片大，比frambuffer小。
#把匹配到的图像标记出来
if r1:
img.draw_rectangle(r1)
print(t1) #打印模板名字
#发送数据让小车转向靶子
sending_data(0,0)
break
for t2 in templates2:
template2 = image.Image(t2)
#对每个模板遍历进行模板匹配
r2 = img.find_template(template2, 0.70, step=4, search=SEARCH_EX) #, roi=(10, 0, 60, 60))
#find_template(template, threshold, [roi, step, search]),threshold中
#的0.7是相似度阈值,roi是进行匹配的区域（左上顶点为（10，0），长80宽60的矩形），
#注意roi的大小要比模板图片大，比frambuffer小。
#把匹配到的图像标记出来
if r2:
img.draw_rectangle(r2)
print(t2) #打印模板名字
print('1,1')
sending_data(1,1)#发送信号小车STOP
pan_servo.angle(-45)
time.sleep_ms(5000)
sending_data(2,2)#发送信号小车倒车
time.sleep_ms(800)
break
for t3 in templates3:
template3 = image.Image(t3)
#对每个模板遍历进行模板匹配
r3 = img.find_template(template3, 0.70, step=4, search=SEARCH_EX) #, roi=(10, 0, 60, 60))
#find_template(template, threshold, [roi, step, search]),threshold中
#的0.7是相似度阈值,roi是进行匹配的区域（左上顶点为（10，0），长80宽60的矩形），
#注意roi的大小要比模板图片大，比frambuffer小。
#把匹配到的图像标记出来
if r3:
img.draw_rectangle(r3)
print(t3) #打印模板名字
#发送数据让小车转向靶子
sending_data(3,3)
break
for t4 in templates4:
template4 = image.Image(t4)
#对每个模板遍历进行模板匹配
r4 = img.find_template(template4, 0.70, step=4, search=SEARCH_EX) #, roi=(10, 0, 60, 60))
#find_template(template, threshold, [roi, step, search]),threshold中
#的0.7是相似度阈值,roi是进行匹配的区域（左上顶点为（10，0），长80宽60的矩形），
#注意roi的大小要比模板图片大，比frambuffer小。
#把匹配到的图像标记出来
if r4:
img.draw_rectangle(r4)
print(t4) #打印模板名字
print('4,4')
sending_data(4,4)#发送信号小车STOP
break
#pan_servo.angle(-45)
#time.sleep_ms(5000)
#sending_data(2,2)#发送信号小车倒车
#time.sleep_ms(800)
# Draw FPS
#打印帧率。
img.draw_string(0, 0, "FPS:%.2f"%(clock.fps()))
文章出处登录后可见！
已经登录？立即刷新
