车轨道识别

简介: 车轨道识别

视觉的巡线功能目前只针对定制化地图进行开发,如教学需求中需要使用到新的巡线地图,则请按照以下标准进行地图设计:

赛道要求
• 线材质:胶带、印刷品

• 线颜色:黑色、白色、红色、蓝色、绿色。轨线颜色与背景颜色需要有差异,建议使用强烈对比色。

• 线宽度:2 ~ 4 cm

• 线类型:单线赛道

• 赛道类别:弯道为圆角,避免直角,转弯半径尽量大。允许赛道十字交叉,但设计应避免其他角度或多路口交叉。

• 赛道装饰:线周围,不允许出现其他色块

• 地图装饰:允许进行浅色颜色设计,避免出现黑色与其他深颜色。地图设计应为平面,不允许放置其他物品作为装饰。

使用条件
• 背景:按赛道要求

• 光照:室内光源。光线均匀,曝光正常(不背光、逆光)。

• 相机高度:推荐为 1.5 cm

• 视角:视觉镜头俯角应在 0° ~ 45° 之间

• 距离:相机距离桌面 8 ~ 100 cm 以内。

• 速度:≥20 FPS

image.png

image.png

from uexplore_interfaces import Event
from uexplore_interfaces import AIVision
from uexplore_interfaces import Screen
from uexplore_interfaces import Model
from uexplore_interfaces import Math
import math
from uexplore_interfaces import Utils
from uexplore_interfaces import ControlFlow

_E6_88_91_E7_9A_84_E5_8F_98_E9_87_8F = 0
_E6_97_8B_E8_BD_AC_E5_80_BC = 0


def on_start_event():
  global _E6_97_8B_E8_BD_AC_E5_80_BC

  AIVision.load_model([AIVision.Model.track_recognition])
  AIVision.set_track_recognition_line(AIVision.LineType.double)
  while True:
      _E6_97_8B_E8_BD_AC_E5_80_BC = (0.25 * AIVision.get_double_track_offset())
      Screen.print_text_newline(((str('单轨偏移量:') + str(AIVision.get_double_track_offset()))),Screen.Color.white)
      Model.mecanum_move_xyz(0,20,Math.round_up(Utils.parseToNumber(_E6_97_8B_E8_BD_AC_E5_80_BC)))
      if (AIVision.check_single_track_intersection(AIVision.Intersection.noline)):
          Model.mecanum_stop()
          ControlFlow.wait(3, ControlFlow.TimeUnit.SECOND)

      Screen.print_text_newline(((str('旋转值:') + str(Utils.parseToNumber(_E6_97_8B_E8_BD_AC_E5_80_BC)))),Screen.Color.yellow)

Event.register_start(on_start_event)
目录
相关文章
|
3月前
|
机器学习/深度学习 传感器 算法
双轨线识别
双轨线识别
32 1
|
11月前
|
传感器 机器学习/深度学习 算法
【卫星轨道】基于matlab模拟卫星轨道和地面(空中)目标探测(双星不同轨)
【卫星轨道】基于matlab模拟卫星轨道和地面(空中)目标探测(双星不同轨)
检测使用校准的立体摄像头拍摄的视频中的人物并确定其与摄像头的距离
检测使用校准的立体摄像头拍摄的视频中的人物,并确定他们与摄像头的距离。
122 0
|
算法 自动驾驶
【无人车】用于无人地面车辆的路径跟踪算法(Matlab代码实现)
【无人车】用于无人地面车辆的路径跟踪算法(Matlab代码实现)
|
机器学习/深度学习 传感器 算法
【车道检测】基于帧差法结合hough实现车道检测含播报声音附GUI界面
【车道检测】基于帧差法结合hough实现车道检测含播报声音附GUI界面
|
传感器 算法 智慧交通
智慧交通day03-车道线检测实现02-1:相机校正
我们所处的世界是三维的,而照片是二维的,我们可以把相机认为是一个函数,输入量是一个场景,输出量是一幅灰度图。这个从三维到二维的过程的函数是不可逆的。
138 0
|
智慧交通
智慧交通day02-车流量检测实现05:小车匀速案例
智慧交通day02-车流量检测实现05:小车匀速案例
86 0
智能车摄像头基本循迹控制
智能车摄像头基本循迹控制
302 0
|
传感器 机器学习/深度学习 人工智能
为什么只用摄像头和光学雷达是不够的:我们能从Uber的自动驾驶车致死事件中学到什么
3 月 18 日星期天晚十点左右,Uber 的一辆自动驾驶 SUV 在美国亚利桑那州坦佩市的街道上造成了一起交通致死事故。坦佩市的警方证实,在事故发生时,该 SUV 处于自动驾驶模式并撞上了一名推着自行车横穿马路的女士。这名女士在医院抢救无效后去世。
235 0
为什么只用摄像头和光学雷达是不够的:我们能从Uber的自动驾驶车致死事件中学到什么
|
传感器 数据采集 安全
地图采集车的那些事 | 载车篇
大街上经常可见各家地图公司形形色色、各种品牌的地图采集车。究竟应该用什么样的车作为地图采集车的载车,对载车选择有什么要求或讲究?是不是随便什么车都行呢?
399 0
地图采集车的那些事  |  载车篇