RT-Thread-【24嵌入式设计大赛】基于RT-Thread VisionBoard开发板的帮你数项目RT-Thread问答社区

【24嵌入式设计大赛】基于RT-Thread VisionBoard开发板的帮你数项目

发布于 2024-09-18 10:09:07 浏览：252 订阅该版

[tocm]

# 基于Vision-Board的帮你数项目

## 一、项目概述

生活中会遇到许多需要数大量重复图形的场景, 使用肉眼一个个地去数显然不现实。偶然间看到瑞萨的Vision-Board, 这块板子集成了OpenMV, 想着用来拿来做视觉识别肯定特别完美, 板子性能符合要求且造型不错。由于生活中圆形物品堆积的场景比较多见, 比如水泥柱、钢筋、竹签等, 这些东西堆积起来, 从侧面数圆, 很容易就得知其具体数量。所以初步的想法是实现对圆形物体的识别, 并且输出识别到的圆形数量, 通过串口输出出去, 供其他的设备使用。

![1-1.jpg](https://oss-club.rt-thread.org/uploads/20240918/293ef13bd2bcb030e1f06534b4c9e46b.jpg.webp)

## 二、系统说明

### 2.1 系统硬件

- RA8 Vision Board 开发板

### 2.2 系统使用的技术要点

- 主控模块基于RT-Thread 软件架构设计
- 开发软件： RT-Studio ，OpenMV IDE
- 开发语言： C语言、Python

## 三、系统功能介绍

识别摄像头采集画面中的圆形个数, 在LCD显示器中显示出圆形轮廓以及圆形总个数, 且串口输出圆形总个数。

![1-2.jpg](https://oss-club.rt-thread.org/uploads/20240918/cc9506db5f8c9d067ec696e42ca51a99.jpg)

视频地址: [演示视频](https://www.bilibili.com/video/BV1oUtKerEa6/?vd_source=d5f79181b69426ffd742f363b26c7144 "演示视频")

## 四、代码
代码地址: [GItee](https://gitee.com/im_no_culture/open-mvcount-circles "GItee")
```python
import sensor, image, time, lcd

sensor.reset()
sensor.set_pixformat(sensor.RGB565) # 灰度更快
sensor.set_framesize(sensor.QQVGA)
sensor.set_hmirror(True)
sensor.set_vflip(True)
sensor.skip_frames(time = 2000)
clock = time.clock()
lcd.init()

while(True):
    clock.tick()

#lens_corr(1.8)畸变矫正
    img = sensor.snapshot().lens_corr(1.8)
    lcd.display(img)
    x = img.width() - 40
    y = img.height() - 30
    count = 1

# r_min，r_max和r_step控制测试圆的半径。
    # 缩小测试圆半径的数量可以大大提升性能。
    # threshold = 3500比较合适。如果视野中检测到的圆过多，请增大阈值；
    # 相反，如果视野中检测到的圆过少，请减少阈值。
    # 修改threshold或x_margin都能改变识别的范围
    for c in img.find_circles(threshold = 4500, x_margin = 5, y_margin = 10, r_margin = 10,r_min = 2, r_max = 100, r_step = 2):
        img.draw_string(c.x(), c.y(), '·', color = (255, 20, 147), scale=3)
        img.draw_circle(c.x(), c.y(), c.r(), color = (255, 0, 0))
        count+=1
        lcd.display(img)

img.draw_string(x, y, str(count), color = (255, 20, 147), scale=3)
    lcd.display(img)
    print("count =", str(count))

```

## 五、其他
本次识别率仅为80%，虽然找了大量的图片素材, 由于工作任务比较重, 未能有时间去做素材的标记工作, 导致本项目未增加采样图片的训练。不过此项目也验证了本项目有广阔的前景。
最后, 感谢能有这次机会参加比赛, 未能尽全力, 实属遗憾。