black_grayscale_line_following.py

# هذا العمل مرخص بموجب ترخيص MIT.
# حقوق النشر (c) 2013-2023 OpenMV LLC. جميع الحقوق محفوظة.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# مثال تتبع الخط الأسود بالتدرج الرمادي
#
# يتطلب صنع روبوت متتبع للخط الكثير من الجهد. يوضح سكربت هذا المثال
# كيفية القيام بجزء الرؤية الحاسوبية من روبوت تتبع الخط. يمكنك
# استخدام مخرجات هذا السكربت لتشغيل روبوت ذي دفع تفاضلي من أجل
# تتبع خط. يقوم هذا السكربت فقط بتوليد قيمة انعطاف واحدة تخبر
# روبوتك بالتوجه يسارًا أو يمينًا.
#
# لكي يعمل هذا السكربت بشكل صحيح، يجب أن توجّه الكاميرا نحو خط بزاوية
# حوالي 45 درجة. يرجى التأكد من أن الخط فقط هو ضمن
# مجال رؤية الكاميرا.

import csi
import time
import math

# يتتبع خطًا أسود. استخدم [(128, 255)] لتتبع خط أبيض.
GRAYSCALE_THRESHOLD = [(0, 64)]

# كل منطقة اهتمام (roi) هي (x, y, w, h). ستحاول خوارزمية اكتشاف الخط إيجاد
# مركز ثقل أكبر كتلة في كل منطقة اهتمام. سيتم بعد ذلك
# أخذ متوسط موقع x لمراكز الثقل بأوزان مختلفة حيث يُخصَّص الوزن الأكبر
# لمنطقة الاهتمام القريبة من أسفل الصورة وأقل لمنطقة الاهتمام التالية وهكذا.
ROIS = [  # [منطقة اهتمام (ROI)، الوزن]
    (0, 100, 160, 20, 0.7),  # ستحتاج إلى ضبط الأوزان لتطبيقك
    (0, 50, 160, 20, 0.3),  # بناءً على كيفية إعداد روبوتك.
    (0, 0, 160, 20, 0.1),
]

# حساب مقسوم الوزن (نحسب هذا حتى لا تضطر لجعل مجموع الأوزان يساوي 1).
weight_sum = 0
for r in ROIS:
    weight_sum += r[4]  # r[4] هو وزن منطقة الاهتمام (roi).

# إعداد الكاميرا...
csi0 = csi.CSI()
csi0.reset()  # تهيئة مستشعر الكاميرا.
csi0.pixformat(csi.GRAYSCALE)  # استخدام التدرج الرمادي.
csi0.framesize(csi.QQVGA)  # استخدام QQVGA من أجل السرعة.
csi0.snapshot(time=2000)  # السماح للإعدادات الجديدة بأن تصبح فعالة.
csi0.auto_gain(False)  # يجب إيقافه من أجل تتبع الألوان
csi0.auto_whitebal(False)  # يجب إيقافه من أجل تتبع الألوان
clock = time.clock()  # تتبع معدل الإطارات (FPS).

while True:
    clock.tick()  # تتبع عدد الميلي ثانية المنقضية بين استدعاءات snapshot().
    img = csi0.snapshot()  # التقاط صورة وإرجاعها.

    centroid_sum = 0

    for r in ROIS:
        blobs = img.find_blobs(
            GRAYSCALE_THRESHOLD, roi=r[0:4], merge=True
        )  # r[0:4] هي مجموعة منطقة الاهتمام (roi).

        if blobs:
            # إيجاد الكتلة ذات أكبر عدد من البكسلات.
            largest_blob = max(blobs, key=lambda b: b.pixels)

            # رسم مستطيل حول الكتلة.
            img.draw_detection(largest_blob)

            centroid_sum += largest_blob.cx * r[4]  # r[4] هو وزن منطقة الاهتمام (roi).

    center_pos = centroid_sum / weight_sum  # تحديد مركز الخط.

    # تحويل center_pos إلى زاوية انحراف. نستخدم عملية
    # غير خطية بحيث تصبح الاستجابة أقوى كلما ابتعدنا عن الخط
    # أكثر. من الجيد استخدام العمليات غير الخطية على مخرجات الخوارزميات
    # مثل هذه لإحداث "مشغّل" (trigger) للاستجابة.
    deflection_angle = 0

    # الرقم 80 هو نصف دقة X، والرقم 60 هو نصف دقة Y. إن
    # المعادلة أدناه تحسب فقط زاوية مثلث حيث يكون
    # الضلع المقابل للمثلث هو انحراف موقع المركز
    # عن المركز، والضلع المجاور هو نصف دقة Y. هذا يحدّ
    # مخرج الزاوية إلى حوالي -45 إلى 45. (ليس تمامًا -45 و45).
    deflection_angle = -math.atan((center_pos - 80) / 60)

    # تحويل الزاوية من راديان إلى درجات.
    deflection_angle = math.degrees(deflection_angle)

    # الآن لديك زاوية تخبرك بمقدار انعطاف الروبوت والتي
    # تدمج الجزء الأقرب من الخط إلى الروبوت وأجزاء
    # الخط الأبعد عن الروبوت للحصول على تنبؤ أفضل.
    print("Turn Angle: %f" % deflection_angle)

    print(clock.fps())  # ملاحظة: تعمل كاميرا OpenMV الخاصة بك بحوالي نصف السرعة أثناء
    # الاتصال بحاسوبك. يجب أن يزداد معدل الإطارات (FPS) بعد قطع الاتصال.