高端的网站设计费用,企业网站建设方法,湖南seo推广系统,湖南自考网站建设与管理前言 #xff08;1#xff09;因为博客编辑字数超过1W字会导致MD编辑器非常卡顿。所以我将发挥题和基础题的思路拆开了。 #xff08;2#xff09;更新日记#xff1a; 12023年8月4日#xff0c;9点20分。分离发挥题思路和基础题思路#xff0c;增加了博主Huiye…前言 1因为博客编辑字数超过1W字会导致MD编辑器非常卡顿。所以我将发挥题和基础题的思路拆开了。 2更新日记 12023年8月4日9点20分。分离发挥题思路和基础题思路增加了博主Huiyeee整体代码增加关于红点被黑带吸收问题的调试方法 22023年8月4日15点55分。回答追小球代码中的目标值是那个。 关于红点被黑带吸收问题
让IDE上出现红点 1很多人反馈红点被黑色矩形框吸收了识别不到。 2这边推荐的调试办法如下 1首要目的是让PC端的IDE上人们肉眼能够看到红色激光。所以外面要适当调整下面初始化部分代码。 2我们可以将RGB565改成GRAYSCALE的灰度图。 3适当提高图像分辨率将QQVGA改成其他图像画质。 4设置亮度因为是从OpenART移植过来的所以亮度不能是3000。使用OpenMV的同学请注意应该是-3到3. 5曝光度可以按照另外一位博主的来。通过调整曝光度可以控制图像的明暗程度从而创造出不同的视觉效果。我们这里没有使用sensor.set_auto_exposure()函数设置曝光度所以是默认打开了的。你们可以看看另外一位博主的思路和调整。 6我们图像识别要关闭白平衡和自增益。但是如果调节出来没结果。可以尝试打开看看有木有优化 # 初始化摄像头
sensor.reset()
sensor.set_pixformat(sensor.RGB565) # 设置图像色彩格式为RGB565格式
sensor.set_framesize(sensor.QQVGA) # 设置图像大小为160*120
sensor.set_auto_whitebal(True) # 设置自动白平衡
sensor.set_brightness(3000) # 设置亮度为3000
sensor.skip_frames(time 20) # 跳过帧3注意这一阶段只需要调整摄像头的初始化PC端IDE出现了红色斑点再开始处理 白平衡和自增益的作用 1关闭白平衡和自增益可能适用于以下场景 1保持色彩一致性在某些图像识别应用中特别是涉及色彩信息重要性较高的场景关闭白平衡可以保持图像中的色彩一致性。白平衡会根据不同光源调整图像颜色这可能导致相同对象在不同光照条件下的颜色出现差异影响识别的准确性。 2特定光照条件下的优化在一些特殊环境中如低光照条件或强烈光线照射的情况下关闭自增益可以避免图像过度曝光或欠曝光。这样做可以保留图像中更多细节有助于图像识别算法更好地处理图像。 3原始数据分析在某些图像分析应用中关闭白平衡和自增益可以使用原始的传感器数据进行分析而不受相机的颜色处理和亮度调整影响。这可以提供更纯粹、更原始的数据有助于一些特定图像处理和识别算法的优化。 2需要注意的是关闭白平衡和自增益也可能导致一些挑战比如图像中的颜色信息可能会出现较大的变化而且在某些场景下可能需要更复杂的图像处理算法来应对不同光照条件下的挑战。因此在图像识别应用中是否关闭白平衡和自增益需要根据具体的情况和应用场景进行权衡和决策。 发挥题思路
第一问 — 追踪 1我个人认为这个必须上PID了。我个人认为这个题目和OpenMV的追小球云台代码类似。 2基础题目我认为一个OpenMV就可以完成。而发挥题目需要两个OpenMV。这两个OpenMV一个放红色激光笔一个放绿色激光笔。 3各位可以综合追小球云台的代码以及我下面讲的关于C站那位博主代码的注意事项 部分。 4追踪的绿色激光笔建议。 1变成灰度图这样可以消除其他颜色的干扰只观察红色。然后追踪。 2提高分辨率较高的分辨率能够提供更好的效果。 3使用多组颜色阈值就像OpenMV多颜色识别详解的代码那样。让识别的颜色阈值变成多组。提高分辨效果。 第二问 — 追踪和走基础题34问 如果基础题做出来了以及发挥题的追踪做出来了。那么就直接用基础题的红色激光笔走然后发挥题追踪。这个和上面的代码应该是差不多的。 第三问 — 暂停键 这个我还是建议自己焊接一个按键并联一个104的电容进行硬件方面的按键消抖。然后自己写逻辑代码。 main.py 1以下为官方的追小球云台代码我增加了中文注释。 2因为GitHub是在外网所以我直接复制过来了。但是总是有一些网友硬要官方的GitHub链接。我也贴到了前言部分。 代码
import sensor, image, timefrom pid import PID
from pyb import Servo #从内置pyb导入servo类也就是舵机控制类pan_servoServo(1) #定义两个舵机对应P7引脚
tilt_servoServo(2) #定义两个舵机对应P8引脚pan_servo.calibration(500,2500,500)
tilt_servo.calibration(500,2500,500)red_threshold (13, 49, 18, 61, 6, 47) #设置红色阈值pan_pid PID(p0.07, i0, imax90) #PID参数只需要调整P量即可设置P7引脚的PI值
tilt_pid PID(p0.05, i0, imax90) #PID参数只需要调整P量即可设置P8引脚的PI值
#pan_pid PID(p0.1, i0, imax90)#在线调试使用这个PID
#tilt_pid PID(p0.1, i0, imax90)#在线调试使用这个PIDsensor.reset() # 初始化摄像头传感器
sensor.set_pixformat(sensor.RGB565) # 使用 RGB565 彩图
sensor.set_framesize(sensor.QQVGA) # 使用 QQVGA 分辨率
sensor.skip_frames(10) #跳过几帧让新的设置生效。
sensor.set_auto_whitebal(False) # 因为是颜色识别所以需要把白平衡关闭
clock time.clock() # 追踪帧率影响不大#__________________________________________________________________
#定义寻找最大色块的函数因为图像中有多个色块所以追踪最大的那个
def find_max(blobs):max_size0for blob in blobs:if blob[2]*blob[3] max_size:max_blobblobmax_size blob[2]*blob[3]return max_blob#__________________________________________________________________
while(True):clock.tick() # 跟踪快照()之间经过的毫秒数。img sensor.snapshot() # 截取一张图片blobs img.find_blobs([red_threshold]) #识别红色阈值if blobs: #如果找到红色色块max_blob find_max(blobs) #调用上面自定义函数找到最大色块pan_error max_blob.cx()-img.width()/2tilt_error max_blob.cy()-img.height()/2print(pan_error: , pan_error)img.draw_rectangle(max_blob.rect()) # 在找到最大色块画一个矩形框img.draw_cross(max_blob.cx(), max_blob.cy()) # cx, cypan_outputpan_pid.get_pid(pan_error,1)/2tilt_outputtilt_pid.get_pid(tilt_error,1) #上面两个都说进行PID运算print(pan_output,pan_output)pan_servo.angle(pan_servo.angle()pan_output) #将最终值传入两个舵机中追踪目标tilt_servo.angle(tilt_servo.angle()-tilt_output)# 因为两个舵机方向和摆放位置不同所以一个是一个是-
舵机控制
舵机选择 1Servo是舵机控制类。因为我们使用from pyb import Servo直接从pyd导入了servo类。所以可以直接写成Servo()。 2引脚对应关系Servo(1)——P7Servo(2)——P8Servo(3)——P9。 3 1因此我们可以知道pan_servo.calibration就是对P7进行相应的控制因为pan_servoServo(1)。 2tilt_servo.calibration就是对P8控制因为tilt_servoServo(2) 舵机脉冲设置 1pan_servo.calibration(500,2500,500) 这个其实就是设置舵机的脉宽的。因为我们知道常见的舵机周期都是20ms脉宽都是再500us到2500us之间。 2所以这里的第一个参数是500第二个参数是2500。第三个参数是舵机0°位置根据下图可以知道也是500。最后两个值是可以填可不填的个人不建议填写。 PID目标值是那个 pan_servo.angle()是当前舵机角度,pan_output是通过PID计算出来的偏移角度。 颜色阈值设置 1因为我们要追踪红色所以是使用red_threshold (13, 49, 18, 61, 6, 47) 进行设置阈值。 2颜色阈值设置教程OpenMV颜色阈值设置 PID的P和I参数设置 1注意因为云台是比较稳定的不要求高反应速度所以我猜测只使用了PI而没有使用PID。因此我们可以看到pan_pid和tilt_pid只有P和I两个参数。 2I的参数不需要进行调整imax是用于积分限幅的这个也别更改如果你的云台抖动厉害说明P过大了需要调小。 3如果你感觉你云台反应太慢就需要调高P值。 4最佳的P值是你云台有抖动的前一个值。这个才是P的最优值。但是我认为P没必要太大因为云台还是比较稳的。 5所以说只需要调整P值I值和imax值不需要进行调整 帧率禁用 1当OpenMV连接电脑端IDE的时候运行帧率和不连接电脑端IDE是不一样的。因为我们连接上电脑端IDE的时候OpenMV会向电脑端IDE传输数据所以会导致帧率下降。 2帧率下降会导致我们实际脱机跑的时候PID参数和连接上电脑端IDE时候的PID参数不一样。 3所以我们需要点击电脑端右上角的禁用或者是Disable。被禁用之后我们的效果就是脱机之后真实运行效果。 pid.py 1这里面的代码我们不需要管就算PID的代码。 2再次强调这里请别擅自更改出现问题自己负责。 from pyb import millis
from math import pi, isnanclass PID:_kp _ki _kd _integrator _imax 0_last_error _last_derivative _last_t 0_RC 1/(2 * pi * 20)def __init__(self, p0, i0, d0, imax0):self._kp float(p)self._ki float(i)self._kd float(d)self._imax abs(imax)self._last_derivative float(nan)def get_pid(self, error, scaler):tnow millis()dt tnow - self._last_toutput 0if self._last_t 0 or dt 1000:dt 0self.reset_I()self._last_t tnowdelta_time float(dt) / float(1000)output error * self._kpif abs(self._kd) 0 and dt 0:if isnan(self._last_derivative):derivative 0self._last_derivative 0else:derivative (error - self._last_error) / delta_timederivative self._last_derivative \((delta_time / (self._RC delta_time)) * \(derivative - self._last_derivative))self._last_error errorself._last_derivative derivativeoutput self._kd * derivativeoutput * scalerif abs(self._ki) 0 and dt 0:self._integrator (error * self._ki) * scaler * delta_timeif self._integrator -self._imax: self._integrator -self._imaxelif self._integrator self._imax: self._integrator self._imaxoutput self._integratorreturn outputdef reset_I(self):self._integrator 0self._last_derivative float(nan)关于C站那位博主代码的注意事项
代码 原文链接 https://blog.csdn.net/weixin_52385589/article/details/126334744 感光器初始化代码
sensor.reset()sensor.set_auto_gain(False)sensor.set_pixformat(sensor.GRAYSCALE) # or sensor.RGB565sensor.set_framesize(sensor. QVGA) # or sensor.QVGA (or others)sensor.skip_frames(time900) # Let new settings take affect.sensor.set_auto_exposure(False, 1000)#在这里调节曝光度调节完可以比较清晰地看清激光点sensor.set_auto_whitebal(False) # turn this off.sensor.set_auto_gain(False) # 关闭增益色块识别时必须要关
识别激光点代码
def color_blob(threshold):blobs img.find_blobs(threshold,x_stride1, y_stride1, area_threshold0, pixels_threshold0,mergeFalse,margin1)if len(blobs)1 :#有色块# Draw a rect around the blob.b blobs[0]#img.draw_rectangle(b[0:4]) # rectcx b[5]cy b[6]for i in range(len(blobs)-1):#img.draw_rectangle(b[0:4]) # rectcx blobs[i][5]cxcy blobs[i][6]cycxint(cx/len(blobs))cyint(cy/len(blobs))#img.draw_cross(cx, cy) # cx, cyprint(cx,cy)return int(cx), int(cy)return -1, -1 #表示没有找到
颜色阈值
threshold[(60, 255, -20, 20, -20, 20)]整体代码 1这个是那位博主的整体代码感兴趣的可以拿过来用。 2版权归C站博主Huiyeee所有用了代码的同学一定要去Huiyeee的博主下面感谢 def find_max(blobs):max_size0for blob in blobs:if blob[2]*blob[3] max_size :max_blobblobmax_size blob[2]*blob[3]return max_blobdef FindCR():counts0w_avg0x_avg0y_avg0judge0shape0c_times0r_times0max_size0cx0cy0while(counts30):if(pin1.value()0):breakcountscounts1clock.tick()#返回以毫秒计的通电后的运行时间。img sensor.snapshot().lens_corr(strength 1.8, zoom 1.0)#抓取一帧的图像并返回一个image对象#img.find_blobs()查找图像中所有色块并返回包含每个色块的色块对象列表flag0blobsimg.find_blobs(thresholds, pixels_threshold200, area_threshold300, mergeTrue)if blobs:max_blobfind_max(blobs)if max_blob:if judge0:for c in img.find_circles(max_blob.rect(),threshold 5000, x_margin 5, y_margin 5,r_margin 5, r_min 2, r_max 200 , r_step 2):print(c)if c.magnitude()5000:c_timesc_times1cxcxc.x()cycyc.y()#img.draw_circle(c.x(),c.y(),c.r(),(0,255,0))if c_times5:judge1shape1print(circle)cxint(cx/c_times)cyint(cy/c_times)breakfor r in img.find_rects(max_blob.rect(),threshold 10):img.draw_rectangle(r.x(),r.y(),r.w(),r.h(),(0,255,0))print(r)if r.magnitude()50000 and judge0:r_timesr_times1if r_times:judge1shape0print(rect)breakif abs(max_blob.w()-max_blob.h())4:if shape1:x_avgcxy_avgcyelse:x_avg(max_blob.x()0.5*max_blob.w()x_avg)max_blob.cx()y_avg(max_blob.y()0.5*max_blob.h()y_avg)max_blob.cy()max_sizemax_size2flag1#if(max_blob.cx()-max_blob.x()w_avg):#w_avgmax_blob.cx()-max_blob.x()#if(max_blob.w()-max_blob.cx()max_blob.x())x_avg:#x_avgmax_blob.w()-max_blob.cx()max_blob.x()#if(max_blob.cy()-max_blob.y()w_avg):#w_avgmax_blob.cy()-max_blob.y()#if(max_blob.w()-max_blob.cy()max_blob.y())x_avg:#x_avgmax_blob.w()-max_blob.cy()max_blob.y()if max_blob.w()w_avg:w_avgmax_blob.w()if max_blob.h()w_avg:w_avgmax_blob.h()#amath.sqrt((max_blob.cx()-max_blob.x())**2-(max_blob.cy()-max_blob.y())**2)#if aw_avg:#w_avgaimg.draw_rectangle(max_blob.rect())#画矩形框 blob.rect() --- 返回一个矩形元组可当作roi区域img.draw_cross(max_blob.cx(),max_blob.cy())if flag0:countscounts-1else:if shape0:img.draw_cross(int(x_avg/max_size),int(y_avg/max_size))#画十字 blob.cx(), blob.cy() ---返回中心点x和y坐标else:img.draw_cross(x_avg,y_avg)#print(clock.fps())#clock.fps() --- 停止追踪运行时间并返回当前FPS(必须先调用tick)。if shape0:print(int(x_avg/max_size),int(y_avg/max_size),int(w_avg))data[int(x_avg/max_size)1,int(y_avg/max_size)-2 ,int(w_avg),shape]elif shape1:data[x_avg,y_avg,int(w_avg),shape]return datadef detect():sensor.reset() #初始化设置sensor.set_pixformat(sensor.RGB565) #设置为彩色sensor.set_framesize(sensor.QVGA) #设置清晰度sensor.skip_frames(time 2000) #跳过前2000ms的图像sensor.set_auto_gain(False) # 关闭自动自动增益。默认开启的。sensor.set_auto_whitebal(False) #关闭白平衡。在颜色识别中一定要关闭白平衡。clock time.clock() #创建一个clock便于计算FPS看看到底卡不卡judge0r_time0a_r0a_c0a_rt0c_time0rt_time0row_data[-1,-1]while(judge0): #不断拍照clock.tick()img sensor.snapshot().lens_corr(strength 1.8, zoom 1.0)blobsimg.find_blobs(thresholds,pixels_threshold10,area_threshold10)#openmv自带的寻找色块函数。#pixels_threshold是像素阈值面积小于这个值的色块就忽略#roi是感兴趣区域只在这个区域内寻找色块#are_threshold是面积阈值如果色块被框起来的面积小于这个值会被过滤掉#print(该形状占空比为,blob.density())if blobs:max_blobfind_max(blobs)if max_blob:#print(该形状的面积为,area)#density函数居然可以自动返回色块面积/外接矩形面积这个值太神奇了官方文档还是要多读if max_blob.density()0.78:#理论上矩形和他的外接矩形应该是完全重合#但是测试时候发现总会有偏差多次试验取的这个值。下面圆形和三角形亦然r_timer_time1#a_ra_rarea#areaint(max_blob.x()*max_blob.y()*max_blob.density()*0.0185)img.draw_rectangle(max_blob.rect())print(长方形长,max_blob.density())if r_time1:#areaint(a_r/r_time)#print(area)judge1row_data[0]1print(检测为长方形 ,end)elif max_blob.density()0.46:#areaint(max_blob.x()*max_blob.y()*max_blob.density()*0.0575)c_timec_time1#a_ca_careaimg.draw_circle((max_blob.cx(), max_blob.cy(),int((max_blob.w()max_blob.h())/4)))print(圆形半径,max_blob.density())if c_time8:#areaint(a_c/c_time)#print(area)judge1row_data[0]2print(检测为圆 ,end)elif max_blob.density()0.2:#areaint(max_blob.x()*max_blob.y()*max_blob.density()*0.0207)rt_timert_time1#a_rta_rtareaimg.draw_cross(max_blob.cx(), max_blob.cy())print(max_blob.density(),)if rt_time20:#areaint(a_rt/rt_time)#if c_time0:#areaarea-10*c_time#print(area)judge1row_data[0]3print(检测为三角型 ,end)else: #基本上占空比小于0.4的都是干扰或者三角形索性全忽略了。continue#row_data[1]areaarea0count0while(1):clock.tick()img sensor.snapshot().lens_corr(strength 1.8, zoom 1.0)img.binary(thresholds)img.draw_rectangle(80,40,150,120)x_init80y_init40for i in range(150):for j in range(100):if img.get_pixel(ix_init,jy_init)[0]255:countcount1break#img.draw_rectangle(80,40,150,120)#staimg.get_statistics(thresholds, invertFalse, roi(80,40,150,120))#areaarea(30-sta.mean())*1000#countscounts1#print(sta.mean())#if(counts50):#areaint(area/counts*0.0031495)#print(area)#breakrow_data[1]int(count*0.02329*1.14946236559)#\print(row_data[1])databytearray(row_data)uart.write(u_start)uart.write(data)uart.write(u_over)#-------------------------------------------------------------------------#threshold[(90, 100, -101, 87, -94, 84)]
threshold[(60, 255, -20, 20, -20, 20)]def color_blob(threshold):blobs img.find_blobs(threshold,x_stride1, y_stride1, area_threshold0, pixels_threshold0,mergeFalse,margin1)if len(blobs)1 :# Draw a rect around the blob.b blobs[0]#img.draw_rectangle(b[0:4]) # rectcx b[5]cy b[6]for i in range(len(blobs)-1):#img.draw_rectangle(b[0:4]) # rectcx blobs[i][5]cxcy blobs[i][6]cycxint(cx/len(blobs))cyint(cy/len(blobs))#img.draw_cross(cx, cy) # cx, cyprint(cx,cy)return int(cx), int(cy)return -1, -1import sensor, image, time ,math,utime
from pyb import UART
from pyb import Pin
from pyb import ExtInt
from pyb import LEDuart UART(3, 115200, timeout_char1000) # i使用给定波特率初始化
uart.init(115200, bits8, parityNone, stop1, timeout_char1000)
u_startbytearray([0xb3,0xb3])
u_overbytearray([0x0d,0x0a])
thresholds [(0, 15, -21,10, -18, 6),(0, 22, -28, 19, -4, 13),
(0, 25, -22, 10, -30, 10),(0, 25, -20, 15, -37, 12),(3,22,-4,40,-10,13)]#LAB阈值
pin1 Pin(P1, Pin.IN, Pin.PULL_UP)
pin2 Pin(P2,Pin.IN,Pin.PULL_UP)#extint ExtInt(pin2, ExtInt.IRQ_FALLING, Pin.PULL_UP, callback_PIN2)
#顺序(L Min, L Max, A Min, A Max, B Min, B Max)clock time.clock()#定义时钟对象clockwhile(1):while(pin1.value()0):continuerow_data [-1,-1,-1,-1,-1,-1]sensor.reset()sensor.set_pixformat(sensor.RGB565)sensor.set_framesize(sensor.QVGA)sensor.skip_frames(time 500)sensor.set_auto_gain(False) # 关闭增益色块识别时必须要关sensor.set_auto_whitebal(False) # 关闭白平衡LED(1).on()if(pin1.value()0):continueif(pin2.value()0):detect()row_data[0],row_data[1],row_data[2],row_data[3]FindCR()if(pin1.value()0):continueif(pin2.value()0):detect()LED(1).off()LED(2).on()databytearray(row_data)uart.write(u_start)uart.write(data)uart.write(u_over)print(row_data)LED(2).off()if(pin1.value()0):continuesensor.reset()sensor.set_auto_gain(False)sensor.set_pixformat(sensor.GRAYSCALE) # or sensor.RGB565sensor.set_framesize(sensor. QVGA) # or sensor.QVGA (or others)sensor.skip_frames(time900) # Let new settings take affect.sensor.set_auto_exposure(False, 1000)sensor.set_auto_whitebal(False) # turn this off.sensor.set_auto_gain(False) # 关闭增益色块识别时必须要关times0num[-1,-1,-1]add[-1,-1]while(True):if(pin1.value()0):breakif(pin2.value()0):detect()#EXPOSURE_TIME_SCALE 1.01#current_exposure_time_in_microseconds sensor.get_exposure_us()# 默认情况下启用自动曝光控制AEC。调用以下功能可禁用传感器自动曝光控制。# 另外“exposure_us”参数在AEC被禁用后覆盖自动曝光值。#sensor.set_auto_exposure(False, \#exposure_us int(current_exposure_time_in_microseconds * EXPOSURE_TIME_SCALE))#roi(int(row_data[0]-0.5*row_data[2]),int(row_data[1]-0.5*row_data[2]),row_data[2],row_data[2])clock.tick()img sensor.snapshot().lens_corr(strength 1.8, zoom 1.0)#抓取一帧的图像并返回一个image对象img.draw_circle(data[0],data[1],int(data[2]*0.5))img.draw_cross(data[0],data[1])img sensor.snapshot().lens_corr(strength 1.8, zoom 1.0)#抓取一帧的图像并返回一个image对象row_data[4],row_data[5]color_blob(threshold)if row_data[4]!-1:if times0:num[times][row_data[4],row_data[5]]else:if abs(row_data[4]-num[0][0])10 or abs(row_data[5]-num[0][1])10:continue #丢弃数据timestimes1num[0][row_data[4],row_data[5]]#img.draw_cross(row_data[4],row_data[5])databytearray(row_data)uart.write(u_start)uart.write(data)uart.write(u_over)print(row_data)print(pin2.value())
代码部分解读
图像类型 1sensor.set_pixformat设置的图像类型不同。 1我拿官方代码和上面贴出来的那个代码进行了对比发现了一件事情。他的sensor.set_pixformat是设置成GRAYSCALE图像而我们这里是设置成RGB565图像。 2将图像画质设置成GRAYSCALE好处在于如果只有两个颜色更容易进行分辨而且每个像素所占空间也减少了可以适当的增加分辨率。但是也有缺点如果是多颜色识别就会出现问题。 3本题只有三种颜色底板白色追踪的绿点被追踪的红点。因为只需要追踪一个颜色所以各位可以尝试将 sensor.set_pixformat(sensor.RGB565) 改成 sensor.set_pixformat(sensor.GRAYSCALE) 图像分辨率 2图像分辨率sensor.set_framesize(sensor.QQVGA) 1官方例程的分辨率是QQVGA像素点是160x120。而那个博客的分辨率是QVGA像素点是 320x240。 2更高的分辨率识别效果更好但是分辨率也别无脑调高否则颜色阈值方便会很难设置。 跳过帧数 3跳过帧数sensor.skip_frames(10) 1这个就是给OpenMV初始化一个缓冲时间他那边是设置的跳过900张图片。官方例程是跳过10个图片。 2这个选取看你自己我感觉没必要900太多了。 曝光度设置 4sensor.set_auto_exposure(False, 1000) 1这个是用于设置曝光度的曝光过度照片看起来会过亮曝光不足图片看起来会太暗。 2官方例程没有调用这个函数说明曝光是一直打开的。 3C站那位是设置的每1ms曝光一次。你们可以根据自己测试结果来设置。 白平衡和自增益 5sensor.set_auto_whitebal(False)和sensor.set_auto_gain(False) 1按理来说颜色识别的话这两个都需要关闭的。C站另外那个博客就是都关闭了。但是官方只关闭了set_auto_whitebal()白平衡。 2我个人建议还是先都关闭
