Example: 05-Feature-Detection/linear_regression_robust.py

# 本作品采用MIT许可证授权。
# 版权所有 (c) 2013-2023 OpenMV LLC。保留所有权利。
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# 鲁棒线性回归示例
#
# 这个示例展示了如何在您的OpenMV Cam上使用get_regression()方法
# 来获取感兴趣区域的线性回归。使用此方法，您可以轻松构建
# 一个能够跟踪指向同一方向的线条的机器人
# 但这些线条实际上并未连接。对于连接良好的线条，使用find_blobs()
# 以获得更好的过滤选项和控制。
#
# 在此脚本中，我们使用get_regression()的robust=True参数，
# 该参数通过更鲁棒的算法计算线性回归...但可能
# 速度会慢很多。鲁棒算法在图像上的时间复杂度为O(N^2)。因此，您需要
# 限制鲁棒算法处理的像素数量，否则算法可能需要
# 几秒钟才能给出结果...请非常谨慎地设置阈值！

import sensor
import time

THRESHOLD = (0, 100)  # 用于暗色物体的灰度阈值。
BINARY_VISIBLE = True  # 首先进行二值化处理，以查看线性回归的运行情况。

sensor.reset()
sensor.set_pixformat(sensor.GRAYSCALE)
sensor.set_framesize(sensor.QQQVGA)  # 80x60（4,800像素）- O(N^2)最大值为23,040,000。
sensor.skip_frames(time=2000)  # 警告：如果使用QQVGA分辨率，有时处理一帧
clock = time.clock()  # 可能需要几秒钟。

while True:
    clock.tick()
    img = sensor.snapshot().binary([THRESHOLD]) if BINARY_VISIBLE else sensor.snapshot()

    # 返回一个类似于find_lines()和find_line_segments()返回的线条对象
    # find_line_segments()。您可以使用x1()、y1()、x2()、y2()、length()、
    # theta()（旋转角度，单位为度）、rho()和magnitude()。
    #
    # magnitude()表示线性回归的效果。对于鲁棒线性回归，
    # 其含义有所不同。一般来说，值越大表示效果越好。
    # 表示结果越可靠...
    line = img.get_regression(
        [(255, 255) if BINARY_VISIBLE else THRESHOLD], robust=True
    )

    if line:
        img.draw_line(line.line(), color=127)
    print(
        "FPS %f, mag = %s" % (clock.fps(), str(line.magnitude()) if (line) else "N/A")
    )

# 关于负 rho 值：
#
# 一个 [theta+0:-rho] 元组与 [theta+180:+rho] 相同。