diff --git a/.idea/Embedded_game.iml b/.idea/Embedded_game.iml index b32b001..d3d028d 100644 --- a/.idea/Embedded_game.iml +++ b/.idea/Embedded_game.iml @@ -2,7 +2,7 @@ - + diff --git a/.idea/misc.xml b/.idea/misc.xml index f4396dc..72e21a9 100644 --- a/.idea/misc.xml +++ b/.idea/misc.xml @@ -1,4 +1,7 @@ - + + + \ No newline at end of file diff --git a/002_B_Car/xdl/car_B_end(1).py b/002_B_Car/xdl/car_B_end(1).py index cff9b86..649cf08 100644 --- a/002_B_Car/xdl/car_B_end(1).py +++ b/002_B_Car/xdl/car_B_end(1).py @@ -265,7 +265,7 @@ class Mainlen(): # result = self.remove_chinese_chars(result) # 剔除中文 print(result) - if len(result) > 10: # 车牌 + if len(result) == 8: # 车牌 result = self.jiajin(result) result = self.binary_to_hexadecimal(result) count = 2 diff --git a/002_B_Car/xdl/len_B_sai_2.py b/002_B_Car/xdl/len_B_sai_2.py index 3a9509c..e1cec0f 100644 --- a/002_B_Car/xdl/len_B_sai_2.py +++ b/002_B_Car/xdl/len_B_sai_2.py @@ -303,6 +303,8 @@ class Mainlen(): # time.sleep(1) + + # 二进制转十六进制 def binary_to_hexadecimal(self, binary_str): if not isinstance(binary_str, str) or not all(c in '01' for c in binary_str): diff --git a/002_B_Car/xdl/test.py b/002_B_Car/xdl/test.py index c8aeec9..86d1c82 100644 --- a/002_B_Car/xdl/test.py +++ b/002_B_Car/xdl/test.py @@ -1,147 +1,38 @@ -# 二进制转十六进制 -def binary_to_hexadecimal( binary_str): - if not isinstance(binary_str, str) or not all(c in '01' for c in binary_str): - raise ValueError("输入必须是二进制字符串") +def process_qrcode_one(data): + result = [] + for char in data: + if char.isalpha() and char.isupper(): + result.append(char) + elif char.isdigit(): + result.append(char) + if len(result) >= 8: + break + return ''.join(result) - hex_str = '' - while len(binary_str) > 0: - # 将二进制字符串每四位分成一组，从右到左 - group = binary_str[-4:] - binary_str = binary_str[:-4] +def process_qrcode_two(formula, h, n, y): + formula = formula.replace("h", str(h)) + formula = formula.replace("n", str(n)) + formula = formula.replace("y", str(y)) + try: + result = eval(formula) + return result % 5 + except Exception as e: + raise ValueError(f"公式解析错误: {e}") - # 将每组四位的二进制数转换为相应的十六进制数 - hex_str = hex_str + hex(int(group, 2))[2:] +def display_result(x): + hex_x = hex(x)[2:].upper() + return f"20240{hex_x}" - return hex_str +# 示例数据 +qrcode_one = "A/145#B6" +qrcode_two_formula = "n*y+h" +h, n, y = 10, 3, 2 -def jiajin( txt): - index_j = -1 - index_jian = -1 - result = "" - for i in range(len(txt)): - if txt[i] == "+": - index_j = 1 - elif txt[i] == "-": - index_jian = 2 - else: - result += txt[i] +valid_data = process_qrcode_one(qrcode_one) +print(valid_data) +x = process_qrcode_two(qrcode_two_formula, h, n, y) +display = display_result(x) - print(result) - print(index_j < index_jian) - # 若是加，将对整个字符串进行左移两位 - if index_j < index_jian: - end = result[2:] + result[:2] - - # 若是-，将对字符串进行右移三位 - else: - end = result[-3:] + result[:-3] - - return end - - -# 提取字符和数字 -def extract_numbers_and_letters_combined( text): - combined_str = '' - for char in text: - # 检查字符是否是数字（0-9）或字母（A-Z 或 a-z） - if ('0' <= char <= '9') or ('A' <= char <= 'Z') or ('a' <= char <= 'z'): - combined_str += char - return combined_str - # 移除ASCII码值外的数据 -def remove_non_ascii_chars(text): - """移除字符串中的非ASCII字符，并返回新的字符串""" - # 只保留ASCII字符 - return ''.join(char for char in text if ord(char) < 128) -def convert_hex(hex_str): - """ - 将十六进制字符串转换为反转字节并添加 0x 前缀的格式。 - - 例如: - 输入: "e293" - 输出: "0x2e,0x39" - - Args: - hex_str (str): 输入的十六进制字符串。 - - Returns: - str: 转换后的字符串，格式如 "0x2e,0x39"。 - - Raises: - ValueError: 如果输入的字符串长度不是偶数或包含非十六进制字符。 - """ - # 移除可能的前缀，如 "0x" - hex_str = hex_str.lower().replace("0x", "") - - # 检查输入长度是否为偶数 - if len(hex_str) % 2 != 0: - raise ValueError("输入的十六进制字符串长度必须是偶数。") - - # 检查是否只包含有效的十六进制字符 - if not all(c in '0123456789abcdef' for c in hex_str): - raise ValueError("输入的字符串包含非十六进制字符。") - - # 将字符串按每两个字符分割成字节 - bytes_list = [hex_str[i:i+2] for i in range(0, len(hex_str), 2)] - - # 反转每个字节 - reversed_bytes = [byte[::-1] for byte in bytes_list] - - # 为每个反转后的字节添加 "0x" 前缀 - hex_with_prefix = [f"0x{byte}" for byte in reversed_bytes] - return hex_with_prefix -def hex_list_to_ascii(hex_list): - """ - 将十六进制字符串列表转换为对应的 ASCII 字符串。 - - 例如: - 输入: ['0x2e', '0x39'] - 输出: ".9" - - Args: - hex_list (list of str): 包含十六进制字符串的列表，每个字符串应以 "0x" 开头。 - - Returns: - str: 转换后的 ASCII 字符串。 - - Raises: - ValueError: 如果列表中的字符串不是有效的十六进制格式或超出 ASCII 范围。 - """ - ascii_chars = [] - for hex_str in hex_list: - # 移除 "0x" 前缀并转换为整数 - try: - hex_value = int(hex_str, 16) - except ValueError: - raise ValueError(f"'{hex_str}' 不是有效的十六进制数。") - - # 检查是否在有效的 ASCII 范围内 - if hex_value < 0 or hex_value > 0x7F: - raise ValueError(f"十六进制数 '{hex_str}' 超出 ASCII 范围。") - - # 转换为对应的 ASCII 字符 - ascii_char = chr(hex_value) - ascii_chars.append(ascii_char) - return ascii_chars -result="101110+01001-011" -print(result) -result = remove_non_ascii_chars(result) # 剔除ASCII码值外的数据 -# result = remove_chinese_chars(result) # 剔除中文 -print(result) - -if len(result) > 10: # 车牌 - result = jiajin(result) - result = binary_to_hexadecimal(result) - -result=hex_list_to_ascii(convert_hex(result)) -print(len(result)) -print(type(result[0])) - -def string_to_bytes(hex_str): - # 移除可能的空格或前缀 - hex_str = hex_str.strip().lower().replace("0x", "") - # 将字符串转换为整数并转为字节 - return bytes([int(hex_str, 16)]) - -# 示例 -result = string_to_bytes("11") -print(result) # 输出：b'\x01' +print("二维码一有效数据:", valid_data) +print("二维码二计算结果x:", x) +print("多功能信息显示B:", display) diff --git a/002_B_Car/xdl/xdl_bcar_002.py b/002_B_Car/xdl/xdl_bcar_002.py new file mode 100644 index 0000000..bb7bfdf --- /dev/null +++ b/002_B_Car/xdl/xdl_bcar_002.py @@ -0,0 +1,640 @@ +# -*- coding:utf-8 -*- +# @Author len +# @Create 2023/11/23 11:28 + +import math +import sensor, image, time, lcd +import binascii +from Maix import GPIO +from machine import Timer, PWM, UART, Timer +from fpioa_manager import fm +import KPU as kpu + + +class Mainlen(): + def __init__(self): + '''初始化摄像头和 LCD 显示屏''' + lcd.init() # lcd初始化 + self.qr91="" + self.qr92="" + self.canera_init() # 摄像头初始化 + # sensor.set_auto_gain(0, gain_db=17) # 设置摄像头的自动增益功能 + + # 映射串口引脚 + fm.register(6, fm.fpioa.UART1_RX, force=True) + fm.register(7, fm.fpioa.UART1_TX, force=True) + + # 初始化串口 + self.uart = UART(UART.UART1, 115200, read_buf_len=4096) + + # 循迹 + # --------------感光芯片配置 START ------------------- + self.IMG_WIDTH = 240 + self.IMG_HEIGHT = 320 + # 直线灰度图颜色阈值 + self.LINE_COLOR_THRESHOLD = [(0, 60)] # 找黑色 + self.LINE_COLOR_BAISE = [(60, 255)] # 找白色 + self.ROIS = { # 找黑色 + # 'left': (0, 0, 320, 50), # 纵向取样-左侧 + # 'right': (0, 190, 320, 50), # 纵向取样-右侧 + 'left': (0, 0, 180, 50), # 纵向取样-左侧 + 'right': (0, 190, 180, 50), # 纵向取样-右侧 + 'up': (240, 0, 80, 240), # 横向取样-上方 + 'middle_up': (160, 0, 80, 240), # 横向取样-中上 + 'middle_down': (80, 0, 80, 240), # 横向取样-中下 + 'down': (0, 0, 80, 240), # 横向取样-下方 + } + + # 红黄绿的阈值 + # 颜色识别阈值 (L Min, L Max, A Min, A Max, B Min, B Max) LAB模型 + # 下列阈值元组用来识别 红、绿、蓝三种颜色，可通过调整数据阈值完成更多颜色的识别。 + # self.thresholds = [(59, 100, 40, 127, 5, 127), # 红色阈值 + # (90, 100, -5, 2, -4, 20), # 黄色阈值 + # (87, 100, -59, 127, -10, 127),] # 绿色阈值 + + # self.thresholds = [(35, 100, 6, 127, 0, 127, "红色"), # 红色阈值 + # (25, 100, -6, 127, 5, 43, "黄色"), # 黄色阈值 + # (52, 100, -128, -5, 5, 127, "绿色")] # 绿色阈值 + self.thresholds = [(43, 68, 7, 74, 1, 46, "红色"), # 红色阈值 + (48, 100, -23, 19, 4, 55, "黄色"), # 黄色阈值 + (40, 93, -57, -7, -8, 29, "绿色")] # 绿色阈值 + # self.thresholds = [(40, 70, 7, 90, -1, 46, "红色"), # 红色阈值 + # (34, 98, -17, 50, 7, 67, "黄色"), # 黄色阈值 + # (40, 93, -57, -7, -8, 29, "绿色")] # 绿色阈值 + + self.is_need_send_data = False # 是否需要发送数据的信号标志 + + # 主函数 run + def startMain(self): + Flag_track = False # 循迹标识 + Flag_qr = False # 二维码标识 + Flag_qr2 = False # 二维码标识 + + Flag_light = False # 交通灯标识 + while True: + data = self.uart.read(8) + # print(data) + # print(len(data)) + # if (len(data) >= 8): + if data is not None: + if (data[1] == 0x02) and (data[7] == 0xBB) and self.verify_checksum(data): + # 巡线与控制舵机 + if data[2] == 0x91: + if data[3] == 0x01: # 启动循迹 + sensor.set_pixformat(sensor.GRAYSCALE) # 设置像素格式为灰色 + Flag_track = True + print("开始循迹") + + elif data[3] == 0x02: # 停止循迹 + sensor.set_pixformat(sensor.RGB565) # 设置像素格式为彩色 RGB565 + Flag_track = False + print("停止循迹") + + + elif data[3] == 0x03: # 调整舵机 + print("调整舵机") + self.Servo(data) + else: + pass + + + # 识别任务 + elif data[2] == 0x92: + if data[3] == 0x01: # 识别二维码 + sensor.set_pixformat(sensor.RGB565) # 设置像素格式为彩色 RGB565 + Flag_qr = True + print("开始识别二维码任务10") + elif data[3] == 0x02: # 停止识别二维码 + Flag_qr = False + print("停止识别二维码") + + elif data[3] == 0x03: # 识别交通灯 + sensor.set_pixformat(sensor.RGB565) # 设置像素格式为彩色 RGB565 + Flag_light = True + print("开始识别交通灯") + + elif data[3] == 0x04: # 停止识别交通灯 + Flag_light = False + print("停止识别交通灯") + + elif data[3] == 0x06: # 调整摄像头阈值 + print("调整摄像头阈值") + self.canera_ash() + else: + pass + img = sensor.snapshot() # 获取图像 + if Flag_track: # 循迹 + print("循迹") + self.tracking(img) + elif Flag_qr: # 二维码# + print("识别二维码") + self.discem_QR(img)#r任务9 + # Flag_qr = False + elif Flag_light: # 红绿灯 + print("识别红绿灯") + self.discem_light() + # Flag_light = False + + lcd.display(img) # 在LCD显示 + + # 初始化摄像头阈值 + def canera_init(self): + # 摄像头模块初始化 + sensor.reset() # 复位和初始化摄像头 + sensor.set_pixformat(sensor.RGB565) # 设置像素格式为彩色 RGB565 + # sensor.set_pixformat(sensor.GRAYSCALE) # 设置像素格式为灰色 + sensor.set_framesize(sensor.QVGA) # 设置帧大小为QVGA（320×240） + sensor.set_vflip(1) # 后置模式 + sensor.skip_frames(30) # # 跳过前30帧 + + # 调整摄像头阈值 + def canera_ash(self): + sensor.reset() # 复位和初始化摄像头 + sensor.set_vflip(1) # 将摄像头设置成后置方式（所见即所得） + sensor.set_pixformat(sensor.RGB565) # 设置像素格式为彩色 RGB565 + # sensor.set_pixformat(sensor.GRAYSCALE) # 设置像素格式为灰色 + sensor.set_framesize(sensor.QVGA) # 设置帧大小为 QVGA (320x240) + # sensor.set_windowing((224, 224)) # 设置摄像头的窗口大小 + sensor.set_auto_gain(False) + sensor.set_auto_whitebal(False) + sensor.set_auto_gain(0, 0) + sensor.skip_frames(time=200) # 等待设置生效 + + # 红绿灯 + def discem_light(self): + # 初始化 + results = [] + start_time = time.time() + + while time.time() - start_time < 3: # 循环持续三秒 + img = sensor.snapshot() + max_blob = None + max_blob_size = 0 + max_blob_color = "" + max_blob_color_index = 0 + + # 定义右半部分的区域 + right_half_roi = (self.IMG_WIDTH // 2, 0, self.IMG_WIDTH // 2, self.IMG_HEIGHT) + + for index, threshold in enumerate(self.thresholds): + # 只在右半部分查找每种颜色的色块 + blobs = img.find_blobs([threshold[:-1]], roi=right_half_roi, pixels_threshold=200, area_threshold=200, merge=True) + if blobs: + # 找到最大的色块 + blob = max(blobs, key=lambda b: b.pixels()) + if blob.pixels() > max_blob_size: + max_blob = blob + max_blob_size = blob.pixels() + max_blob_color = threshold[-1] # 颜色标签 + max_blob_color_index = index + + # 绘制最大色块的矩形和中心十字，并输出颜色 + if max_blob: + results.append((max_blob_color, max_blob_color_index)) # 存储识别结果 + img.draw_rectangle(max_blob[0:4]) + img.draw_cross(max_blob[5], max_blob[6]) + print("最大色块的颜色是:", max_blob_color, max_blob_color_index) + + # 初始化计数字典 + color_count = {} + + for color, index in results: + if (color, index) in color_count: + color_count[(color, index)] += 1 + else: + color_count[(color, index)] = 1 + + # 找出出现次数最多的颜色和下标 + if color_count: + most_common_color, most_common_index = max(color_count, key=color_count.get) + print("出现最多的颜色:", most_common_color, "在下标位置:", most_common_index) + else: + most_common_index = 1 + print("没有识别到有效的颜色块") + + # 串口发送交通灯信息 + self.uart.write(bytes([0x55])) + self.uart.write(bytes([0x02])) + self.uart.write(bytes([0x92])) + + self.uart.write(bytes([0x03])) # 红绿灯 + self.uart.write(bytes([most_common_index])) # 红绿灯结果 + + self.uart.write(bytes([0x03])) + self.uart.write(bytes([0x03])) + self.uart.write(bytes([0xbb])) + + self.canera_init() # 恢复摄像头 + + # 二维码 + def discem_QR(self, img): + # self.Tise_servo(10) + res_QR = img.find_qrcodes() # 寻找二维码 + timeflag = 0 + while timeflag < 39: + img = sensor.snapshot() # 获取图像 + TS_QR = img.find_qrcodes() # 再次寻找二维码 + for qr in TS_QR: + if all(qr.payload() != existing_qr.payload() for existing_qr in res_QR): + res_QR.append(qr) + timeflag += 1 + time.sleep(0.001) + print(timeflag) + print(len(res_QR)) + + if len(res_QR): # 识别到 + for res in range(len(res_QR)): + count = 0 + if_end = 0x01 + result = res_QR[res].payload() + + + print(result) + result = self.remove_non_ascii_chars(result) # 剔除ASCII码值外的数据 + print(result) + + if len(result) == 8: # 车牌 + result = self.process_qrcode_one(result) + count = 1 + + else: # 公式 + count = 2 + + if res == len(res_QR) - 1: + if_end = 0x00 + + print("count: ", count) + print("if_end: ", if_end) + + + # 串口发送二维码信息 + self.uart.write(bytes([0x55])) + self.uart.write(bytes([0x02])) + self.uart.write(bytes([0x92])) + + self.uart.write(bytes([0x01])) + print(len(result)) + self.uart.write(bytes([count])) + if count==2: + for qr_data in result: + self.uart.write(bytes([ord(qr_data)])) + else: + for qr_data in result: + self.uart.write(bytes([ord(qr_data)])) + + self.uart.write(bytes([0xbb])) + + # time.sleep(1) + + + else: # 未识别 + self.uart.write(bytes([0x55])) + self.uart.write(bytes([0x02])) + self.uart.write(bytes([0x92])) + + self.uart.write(bytes([0x06])) + + self.uart.write(bytes([0xff])) + self.uart.write(bytes([0x00])) + self.uart.write(bytes([0x00])) + self.uart.write(bytes([0xbb])) + + # time.sleep(1) + + + + + def process_qrcode_one(self,data): + result = [] + for char in data: + if char.isalpha() and char.isupper(): + result.append(char) + elif char.isdigit(): + result.append(char) + if len(result) >= 8: + break + return ''.join(result) + + + def jiajin(self, txt): + index_j = -1 + index_jian = -1 + result = "" + for i in range(len(txt)): + if txt[i] == "+": + index_j = 1 + elif txt[i] == "-": + index_jian = 2 + else: + result += txt[i] + + print(result) + print(index_j < index_jian) + # 若是加，将对整个字符串进行左移两位 + if index_j < index_jian: + end = result[2:] + result[:2] + + # 若是-，将对字符串进行右移三位 + else: + end = result[-3:] + result[:-3] + + return end + + # 移除ASCII码值外的数据 + def remove_non_ascii_chars(self, text): + """移除字符串中的非ASCII字符，并返回新的字符串""" + # 只保留ASCII字符 + return ''.join(char for char in text if ord(char) < 128) + + # 循迹 + def tracking(self, img): + print("循迹") + roi_blobs_result = self.find_blobs_in_rois(img) + down_center, state_crossing, deflection_angle = self.state_deflection_angle(roi_blobs_result) + + dsd = self.data_format_wrapper(down_center, state_crossing, deflection_angle) + self.UsartSend(dsd) + print("下发指令：", dsd) + + # 寻找色块 在ROIS中寻找色块，获取ROI中色块的中心区域与是否有色块的信息 + def find_blobs_in_rois(self, img): + canvas = img.copy() + roi_blobs_result = {} # 在各个ROI中寻找色块的结果记录 + for roi_direct in self.ROIS.keys(): + roi_blobs_result[roi_direct] = { + 'cx': 0, + 'cy': 0, + 'w': 0, + 'blob_flag': False + } + for roi_direct, roi in self.ROIS.items(): + blobs = canvas.find_blobs(self.LINE_COLOR_THRESHOLD, roi=roi, merge=True) + if len(blobs) != 0: + largest_blob = max(blobs, key=lambda b: b.pixels()) + if largest_blob.area() > 1000: + roi_blobs_result[roi_direct]['cx'] = largest_blob.cy() + roi_blobs_result[roi_direct]['cy'] = largest_blob.cx() + roi_blobs_result[roi_direct]['w'] = largest_blob.h() + roi_blobs_result[roi_direct]['blob_flag'] = True + x, y, width, height = largest_blob[:4] + img.draw_rectangle((x, y, width, height), color=(255)) + else: + # blobs=canvas.find_blobs(LINE_COLOR_THRESHOLD, roi=roi, merge=True, pixels_area=10) + continue + blobs_baise = canvas.find_blobs(self.LINE_COLOR_BAISE, roi=(0, 0, 60, 240), + merge=True) # 车载摄像头屏幕下部找白色#宽度200修改为240#用途寻卡，y示例中40修改为0 + blobs_dixing = canvas.find_blobs(self.LINE_COLOR_BAISE, roi=(125, 0, 60, 240), + merge=True) # 车载摄像头屏幕中间找白色 #宽度200修改为240，y示例中40修改为0 + blobs_zuo = canvas.find_blobs(self.LINE_COLOR_THRESHOLD, roi=(0, 0, 180, 50), merge=True) # 车载摄像头屏幕左下部找黑色 + blobs_you = canvas.find_blobs(self.LINE_COLOR_THRESHOLD, roi=(0, 190, 180, 50), merge=True) # 车载摄像头屏幕右下部找黑色 + if len(blobs_baise) != 0: + print("*********进入循环第1步*******") + largest_baise = max(blobs_baise, key=lambda b: b.pixels()) + wx, wy, wwidth, wwheight = largest_baise[:4] + arc = wwidth * wwheight + if arc >= 11000: + print("*********进入循环第2步*******") + if len(blobs_dixing) != 0: + print("*********进入循环第3步*******") + largest_dixing = max(blobs_dixing, key=lambda b: b.pixels()) + wx, wy, wwidth, wwheight = largest_dixing[:4] + arc = wwidth * wwheight + if arc >= 11000: + print('kapian') # 首先中部区域识别到白色进入判断地形还是卡片，接着判断下部，如果为白色判断为卡片。 + self.UsartSend(self.data_format_wrapper(0, 1, 0)) # 地形停止命令 + if len(blobs_zuo) != 0 and len(blobs_you) != 0: + print("ka十字路口") + self.UsartSend(self.data_format_wrapper(1, 1, 0)) # 地形停止命令 + else: + print('dixing') + print(roi_blobs_result) # 返回的是黑色色块，各区域中心位置 + self.UsartSend(self.data_format_wrapper(0, 1, 0)) # 地形停止命令 + return roi_blobs_result # 返回的是黑色色块，各区域中心位置 + + # 计算偏转状态值 + def state_deflection_angle(self, roi_blobs_result): + ''' + 说明：偏转状态值返回 + ''' + # ROI区域权重值 + # ROIS_WEIGHT = [1, 1, 1, 1] + ROIS_WEIGHT = [1, 0, 0, 1] + state_crossing = False + deflection_angle = 0 # 偏转角 + down_center = 0 # 中下值 + center_num = 0 # 中间值 + # print(roi_blobs_result) + + # 偏转值计算，ROI中心区域X值 + centroid_sum = roi_blobs_result['up']['cx'] * ROIS_WEIGHT[0] + roi_blobs_result['middle_up']['cx'] * \ + ROIS_WEIGHT[1] \ + + roi_blobs_result['middle_down']['cx'] * ROIS_WEIGHT[2] + roi_blobs_result['down']['cx'] * \ + ROIS_WEIGHT[3] + if roi_blobs_result['up']['blob_flag']: + center_num += ROIS_WEIGHT[0] + if roi_blobs_result['middle_up']['blob_flag']: + center_num += ROIS_WEIGHT[1] + if roi_blobs_result['middle_down']['blob_flag']: + center_num += ROIS_WEIGHT[2] + if roi_blobs_result['down']['blob_flag']: + center_num += ROIS_WEIGHT[3] + + center_pos = centroid_sum / (ROIS_WEIGHT[0] + ROIS_WEIGHT[1] + ROIS_WEIGHT[2] + ROIS_WEIGHT[3]) + deflection_angle = (self.IMG_WIDTH / 2) - center_pos + + # 判断两侧ROI区域检测到黑色线 + if roi_blobs_result['left']['blob_flag'] and roi_blobs_result['right']['blob_flag']: + # 判断两侧ROI区域检测到黑色线处于图像下方1/3处 + if roi_blobs_result['left']['cy'] <= ((self.IMG_HEIGHT / 3)) or roi_blobs_result['right']['cy'] <= ( + (self.IMG_HEIGHT / 3)): + # 当最下方ROI区域的黑线宽度大于140像素（检测到路口） + if roi_blobs_result['down']['w'] > 140: + down_center = 1 # 自行修改处 判断识别到十字路口 + print("输出了十字路口标识") + + return down_center, state_crossing, deflection_angle + + # 控制舵机 + def Tise_servo(self, angle): + # 判断舵机控制方向 + if angle < 0: + # 限制舵机角度，防止过大损坏舵机 + if angle > 80: + angle = 80 + angle = -angle + elif angle > 0: + # 限制舵机角度，防止过大损坏舵机 + if angle > 35: + angle = 35 + angle = angle + # PWM通过定时器配置，接到IO17引脚 + tim_pwm = Timer(Timer.TIMER0, Timer.CHANNEL0, mode=Timer.MODE_PWM) + S1 = PWM(tim_pwm, freq=50, duty=0, pin=17) + S1.duty((angle + 90) / 180 * 10 + 2.5) + + def Servo(self, data): + ''' + 功能：180度舵机：angle:-90至90 表示相应的角度 + 360连续旋转度舵机：angle:-90至90 旋转方向和速度值。 + 【duty】占空比值：0-100 + ''' + angle = data[5] + # 判断舵机控制方向 + if data[4] == ord('-'): + # 限制舵机角度，防止过大损坏舵机 + if angle > 80: + angle = 80 + angle = -angle + elif data[4] == ord('+'): + # 限制舵机角度，防止过大损坏舵机 + if angle > 35: + angle = 35 + angle = angle + # PWM通过定时器配置，接到IO17引脚 + tim_pwm = Timer(Timer.TIMER0, Timer.CHANNEL0, mode=Timer.MODE_PWM) + S1 = PWM(tim_pwm, freq=50, duty=0, pin=17) + S1.duty((angle + 90) / 180 * 10 + 2.5) + + # 检验校验和 + def verify_checksum(self, data): + if len(data) != 8: + return False + # 计算校验和：data[2]、data[3]、data[4] 和 data[5] 的和，然后对256取模 + calculated_checksum = (data[2] + data[3] + data[4] + data[5]) % 256 + # 比较计算出的校验和与data[6]是否相等 + if calculated_checksum == data[6]: + return True + else: + return False + + # 串口发送 + def UsartSend(self, str_data): + ''' + 串口发送函数 + ''' + print(str_data) + self.uart.write(str_data) + + # 判断符号 + def get_symbol(self, num): + ''' + 根据数值正负，返回数值对应的符号 + 正数： ‘+’， 负数‘-’ 主要为了方便C语言解析待符号的数值。 + ''' + print("num = ", num) + if num >= 0: + return ord('+') + else: + return ord('-') + + # 封装数据 + def data_format_wrapper(self, down_center, state_crossing, deflection_angle): + ''' + 根据通信协议封装循迹数据 + TODO 重新编写通信协议 与配套C解析代码 + ''' + send_data = [ + 0x55, + 0x02, + 0x91, + down_center, # 底部色块中心是否在中点附近#底部色块十字路口 + 1 if state_crossing else 0, # 是否越障 无用 + self.get_symbol(deflection_angle), # 偏航角符号 print输出是43 + 45- +向左转调整 -向右转调整 + abs(int(deflection_angle)), # 偏航角 + 0xbb] + return bytes(send_data) + + + +def find_bracket_positions(input_str, startstr="<", endstr=">"): + """ + 查找字符串中所有成对的指定括号的起始和结束位置。 + + 功能描述： + - 遍历字符串，查找使用指定起始括号 (startstr) 和结束括号 (endstr) 的匹配对。 + - 每找到一对匹配括号，记录其起始位置和结束位置。 + - 返回包含所有匹配括号对的起始和结束位置的列表。 + + 实现逻辑： + 1. 使用栈记录每个起始括号 (startstr) 的位置索引。 + 2. 每当遇到一个结束括号 (endstr) 时，从栈中弹出最近的起始括号位置，与当前索引形成一个匹配对。 + 3. 将匹配的索引对存入结果列表。 + + 边界条件： + - 如果字符串中没有指定的括号，返回空列表。 + - 如果有未闭合的起始括号，不会记录未匹配的起始位置。 + + 时间复杂度： + - O(n)，其中 n 是字符串的长度。 + + :param input_str: 输入字符串，其中可能包含成对的指定括号。 + :param startstr: 指定的起始括号（如 '<' 或 '{'），默认为 '<'。 + :param endstr: 指定的结束括号（如 '>' 或 '}'），默认为 '>'。 + :return: 包含所有匹配括号对的起始和结束位置的列表，每个匹配对用 [start, end] 表示。 + """ + result = [] + stack = [] + + # 遍历字符串 + for i, char in enumerate(input_str): + if char == startstr: + # 如果是起始括号，记录其位置 + stack.append(i) + elif char == endstr: + # 如果是结束括号，检查栈是否为空 + if stack: + # 从栈中弹出起始括号位置并记录配对 + start = stack.pop() + result.append([start, i]) + + # 返回所有成对括号的位置 + return result +def extract_valid_data(input_str): + print('输入'+input_str) + u=[ + is_uppercase_letter, + is_digit, + is_digit, + is_digit, + is_uppercase_letter, + is_digit, + ] + i=0 + result='' + for s in input_str: + if i >= len(u): + break + if u[i](s): + i+=1 + result+=s + result = result.strip() + if len(result) == len(u): + print("输出"+result) + return result + print("输出None") + return None + +def a(str,i): + if i==0: + return is_uppercase_letter(str) + elif i==1: + return is_digit(str) + elif i==2: + return is_digit(str) + elif i==3: + return is_digit(str) + elif i==4: + return is_uppercase_letter(str) + elif i==5: + return is_digit(str) + else: + return None + +def is_uppercase_letter(char): + return 'A' <= char <= 'Z' + +def is_digit(char): + return '0' <= char <= '9' +# 运行程序 +myMain = Mainlen() +myMain.startMain() diff --git a/002_B_Car/获取颜色的阈值.py b/002_B_Car/获取颜色的阈值.py index 88db414..a392221 100644 --- a/002_B_Car/获取颜色的阈值.py +++ b/002_B_Car/获取颜色的阈值.py @@ -32,8 +32,8 @@ def get_color_threshold(image_path, color): return mask # 示例用法 -image_path = "data/congche_hld_3.jpg" # 替换为您的图像路径 -color = "green" # 替换为您想要获取阈值的颜色 +image_path = "../first_frame1.jpg" # 替换为您的图像路径 +color = "red" # 替换为您想要获取阈值的颜色 threshold_mask = get_color_threshold(image_path, color) # 显示阈值图像 diff --git a/图片相似度.py b/图片相似度.py new file mode 100644 index 0000000..b927602 --- /dev/null +++ b/图片相似度.py @@ -0,0 +1,130 @@ +import os +from skimage.metrics import structural_similarity as ssim +import cv2 +import concurrent.futures + + +def split_file_name(file_name): + """ + 将文件名拆分为前缀和后缀 + :param file_name: 文件名 + :return: 前缀和后缀 + """ + file_name = os.path.basename(file_name) + file_name = file_name.split('.')[0] + file_names = file_name.split('_') + return file_names[0] + '_' + file_names[1], file_names[2] + + +def get_sorted_files_group(directory): + try: + # 检查目录是否存在 + if not os.path.exists(directory): + print(f"目录 {directory} 不存在！") + return {} + + # 获取目录下的所有文件及其完整路径 + files = [ + os.path.join(directory, f) for f in os.listdir(directory) + if os.path.isfile(os.path.join(directory, f)) + ] + + files_group = {} + for file in files: + prefix, suffix = split_file_name(file) + files_group.setdefault(prefix, []).append(file) + return files_group + + except Exception as e: + print(f"发生错误: {e}") + return {} + + +def compare_images(image1_path, image2_path): + try: + # 读取两张图片 + img1 = cv2.imread(image1_path, cv2.IMREAD_GRAYSCALE) + img2 = cv2.imread(image2_path, cv2.IMREAD_GRAYSCALE) + + # 检查图片是否成功读取 + if img1 is None or img2 is None: + print(f"无法读取图片: {image1_path} 或 {image2_path}") + return None + + # 调整两张图片为相同大小 + img1 = cv2.resize( + img1, (min(img1.shape[1], img2.shape[1]), min(img1.shape[0], img2.shape[0])) + ) + img2 = cv2.resize(img2, (img1.shape[1], img1.shape[0])) + + # 计算相似度 + similarity, _ = ssim(img1, img2, full=True) + return similarity + + except Exception as e: + print(f"比较图片时发生错误: {e}") + return None + + +def del_group(group): + """ + 返回需要删除的图片列表，不在函数里直接执行删除操作。 + """ + del_list = [] + compared_pairs = set() # 用于记录已经比较过的图片对 + + for i in range(len(group)): + for j in range(len(group)): + if i != j and (i, j) not in compared_pairs and (j, i) not in compared_pairs: + # 标记为已比较 + compared_pairs.add((i, j)) + # group[i] 或 group[j] 已经在 del_list 中就没必要比较了 + if group[i] not in del_list and group[j] not in del_list: + similarity = compare_images(group[i], group[j]) + if similarity is not None and similarity > 0.965: + # 相似度大于 0.98，判定为重复 + # 保留 group[j]，删除 group[i]，也可以根据需要调换顺序 + del_list.append(group[i]) + + return del_list + + +def process_group(prefix, file_list): + """ + 子进程运行函数： + 1. 对指定 group 进行去重计算 + 2. 返回 (prefix, del_list) + """ + print(f'开始处理 {prefix}, 共 {len(file_list)} 张图片') + del_list = del_group(file_list) + print(f'需要删除 {len(del_list)}/{len(file_list)} 张图片') + return prefix, del_list + + +if __name__ == "__main__": + directory = r"C:\Users\10561\Desktop\frames" + files_group = get_sorted_files_group(directory) + # for e in files_group: + # print(e, len(files_group[e])) + # exit() + # 使用多进程来处理每一个 group + results = [] + with concurrent.futures.ProcessPoolExecutor() as executor: + future_to_prefix = {} + for prefix, file_list in files_group.items(): + future = executor.submit(process_group, prefix, file_list) + future_to_prefix[future] = prefix + + for future in concurrent.futures.as_completed(future_to_prefix): + prefix = future_to_prefix[future] + try: + ret_prefix, del_list = future.result() + # 在主进程里进行删除 + for e in del_list: + if os.path.exists(e): + # print(f'删除 {e}') + os.remove(e) + except Exception as e: + print(f"{prefix} 处理时发生错误: {e}") + + print("所有任务已完成！") diff --git a/抽帧.py b/抽帧.py new file mode 100644 index 0000000..5aa01b9 --- /dev/null +++ b/抽帧.py @@ -0,0 +1,51 @@ +import cv2 +import os + + +def extract_frames(video_path, output_dir, interval=0.5,output_name='frame'): + # 打开视频文件 + cap = cv2.VideoCapture(video_path) + + if not cap.isOpened(): + print(f"无法打开视频文件: {video_path}") + return + + # 获取视频帧率和总时长 + fps = cap.get(cv2.CAP_PROP_FPS) + frame_interval = int(fps * interval) # 每隔多少帧保存一帧 + print(fps) + # 创建输出目录 + os.makedirs(output_dir, exist_ok=True) + + frame_count = 0 + saved_count = 0 + + while True: + ret, frame = cap.read() + if not ret: + break + + # 如果当前帧是需要保存的帧 + if frame_count % frame_interval == 0: + output_image_path = os.path.join(output_dir, f"{output_name}_{saved_count}.jpg") + cv2.imwrite(output_image_path, frame) + print(f"保存帧到: {output_image_path}") + saved_count += 1 + + frame_count += 1 + + # 释放视频对象 + cap.release() + print(f"共保存了 {saved_count} 帧.") + +video_dir=r'C:\Users\10561\Desktop\bcar红绿灯\1' +output_directory = r"C:\Users\10561\Desktop\frames" # 替换为你希望保存的目录路径 + +for file in os.listdir(video_dir): + if file.endswith('.mp4'): + video_file=os.path.join(video_dir,file) + extract_frames(video_file, output_directory, interval=0.4,output_name=file.split('.')[0]) + +# 示例调用 +# video_file = r"C:\Users\10561\Desktop\7.mp4" # 替换为你的视频文件路径 +# extract_frames(video_file, output_directory, interval=0.5) diff --git a/日志处理文件.py b/日志处理文件.py index 29d67f6..16bdd92 100644 --- a/日志处理文件.py +++ b/日志处理文件.py @@ -10,7 +10,7 @@ rcParams['font.sans-serif'] = ['SimHei'] # 或者 ['Microsoft YaHei'] rcParams['axes.unicode_minus'] = False # 解决负号显示问题 # 指定 JSON 文件的路径 -file_path = r"C:\Users\10561\Desktop\2025-01-02_应用日志.json" +file_path = r"C:\Users\10561\Desktop\2025-01-06_应用日志.json" # 打开并读取 JSON 文件 with open(file_path, 'r', encoding='utf-8') as file: @@ -21,7 +21,7 @@ log_ones = [] start_idx = -1 for idx, one in enumerate(data): if 'Acar' == one['设备'] and '2' == one['类型']: - print(one) + # print(one) if 1 == one['位置'] and 1 == one['方向']: start_idx = idx continue @@ -30,12 +30,13 @@ for idx, one in enumerate(data): continue log_ones.append(data[start_idx:idx+1]) start_idx = -1 - + print(idx) # 筛选出只有 "Acar" 的日志片段 log_ones_new = [] for one in log_ones: one_only_car = [one_one for one_one in one if 'Acar' == one_one['设备']] log_ones_new.append(one_only_car) +[print(o) for o in log_ones_new] # 计算时间差 time_diffs = [] @@ -45,10 +46,10 @@ for one_one in log_ones_new: df['时间差'] = df['时间戳'].diff() time_diff = df[['位置', '方向', '时间差']].dropna().reset_index(drop=True) time_diffs.append(time_diff) -print(time_diffs) +# print(time_diffs) # 找出行数最多的时间差数据集 max_len_dataset = max(time_diffs, key=len) # 找到行数最多的 DataFrame -print(max_len_dataset) +# print(max_len_dataset) all_x_labels = max_len_dataset['位置'].astype(str) + '-' + max_len_dataset['方向'].astype(str) # 提取 X 轴标签 # all_x_labels=pd.DataFrame({'位置-方向': all_x_labels}) # 标准化所有数据集，缺少的补 0 diff --git a/重命名.py b/重命名.py index 331e71f..f4530ba 100644 --- a/重命名.py +++ b/重命名.py @@ -4,8 +4,8 @@ import os -folder_path = r"E:\Waste\WXSC\人工智能社团\24换届\图片" # 图片地址路径 -name = "rgzns_" +folder_path = r"C:\Users\10561\Desktop\bcar红绿灯\2" # 图片地址路径 +name = "hld2_" count = 0 # 起始值