Skip to main content

വിഷൻ ഡാറ്റ ചലഞ്ച് - പൈത്തൺ

ടീച്ചർ ടൂൾബോക്സ് ഐക്കൺ ടീച്ചർ ടൂൾബോക്സ് - വിഷൻ ഡാറ്റ ചലഞ്ചിന്റെ ഉദ്ദേശ്യം

വിഷൻ സെൻസറിന്റെ സ്നാപ്പ്ഷോട്ടിൽ നിന്ന് ശേഖരിക്കുന്ന ഡാറ്റയും സെന്റർ X, Y മൂല്യങ്ങൾ എങ്ങനെ കണക്കാക്കുന്നുവെന്നും വിദ്യാർത്ഥികൾ മനസ്സിലാക്കുന്നുവെന്ന് ഉറപ്പാക്കുക എന്നതാണ് വിഷൻ ഡാറ്റ ചലഞ്ചിന്റെ ലക്ഷ്യം. ആ ഡാറ്റ എങ്ങനെ വ്യാഖ്യാനിക്കാം (ഉദാഹരണത്തിന്, റോബോട്ടിന്റെ മധ്യബിന്ദുവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ വസ്തു എവിടെയാണെന്ന് നിർണ്ണയിക്കാൻ മധ്യ X മൂല്യം ഉപയോഗിക്കാം) എന്നിവയെക്കുറിച്ചും കോൺഫിഗർ ചെയ്യുമ്പോൾ വസ്തുക്കൾക്ക് പേരിടുന്നതിനുള്ള മികച്ച രീതികളെക്കുറിച്ചും നിങ്ങളുടെ വിദ്യാർത്ഥികൾ ഈ ലാബ് പൂർത്തിയാക്കണം.

കോൺഫിഗറേഷനിൽ നിന്നുള്ള വിഷൻ സെൻസർ സ്നാപ്പ്ഷോട്ട്, ഒരു കൈ മഞ്ഞ ഗിയർ പിടിച്ചിരിക്കുന്നത് കാണിക്കുന്നു. മുകളിൽ ലിസ്റ്റ് ചെയ്തിരിക്കുന്ന ഇനിപ്പറയുന്ന ഡാറ്റയുള്ള ഒരു ചതുരാകൃതിയിലുള്ള ഓവർലേ ഗിയറിന് മുകളിലാണ്: യെല്ലോ ബോക്സ്, X 90, Y 62, W 102, H 98.

ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകിക്കൊണ്ടും നിങ്ങളുടെ എഞ്ചിനീയറിംഗ് നോട്ട്ബുക്കിൽ നഷ്ടപ്പെട്ട ഡാറ്റ പൂരിപ്പിച്ചുകൊണ്ടും വിഷൻ ഡാറ്റ ചലഞ്ച് പൂർത്തിയാക്കുക.

  1. മുകളിലുള്ള സ്നാപ്പ്ഷോട്ട് എടുക്കാൻ ഈ നിർദ്ദേശങ്ങളിൽ ഏതാണ് ഉപയോഗിച്ചത്? 
    1. vision_5.take_snapshot(റെഡ്ബോക്സ്)
    2. vision_5.take_snapshot(YELLOWBOX) (മഞ്ഞപ്പെട്ടി)

  2. ഈ മൂല്യങ്ങൾ പൂരിപ്പിക്കുക:

    വിഷൻ സെൻസർ കമാൻഡുകൾ ഇടതുവശത്ത് ശൂന്യമായ ബോക്സുകളിൽ പട്ടികപ്പെടുത്തിയിരിക്കുന്നു, അവ അവയുടെ മൂല്യങ്ങൾ പൂരിപ്പിക്കുന്നതിന് ഉപയോഗിക്കുന്നു. മുകളിൽ നിന്ന് താഴേക്ക് ബ്ലോക്കുകൾ പട്ടികപ്പെടുത്തിയിരിക്കുന്നു: vision 5 objects is not none 0, len vision 5 objects, ഏറ്റവും വലിയ object center x, ഏറ്റവും വലിയ object center y, ഏറ്റവും വലിയ object width, ഏറ്റവും വലിയ object height.

  3. റോബോട്ടിന്റെ മധ്യബിന്ദുവിന്റെ ഇടത്തോട്ടോ വലത്തോട്ടോ ആണോ YELLOWBOX?
  4. YELLOWBOX റോബോട്ടിന്റെ മധ്യബിന്ദുവിന് മുകളിലാണോ താഴെയാണോ?
  5. ഒപ്പ് ഏത് നിറത്തിലുള്ളതാണെന്ന് എളുപ്പത്തിൽ തിരിച്ചറിയണമെങ്കിൽ ഈ വസ്തുവിന് നൽകാൻ ഏറ്റവും അനുയോജ്യമായ പേര് YELLOWBOXഅല്ലആണ്. ഇതിൽ ഏതാണ് കൂടുതൽ നല്ല പേര്? എന്തുകൊണ്ട്?
    1. മഞ്ഞഗിയർ
    2. മഞ്ഞക്കമ്പ്

ടീച്ചർ ടൂൾബോക്സ് ഐക്കൺ ടീച്ചർ ടൂൾബോക്സ് - ഉത്തരങ്ങൾ

വിദ്യാർത്ഥികളുടെ ഉത്തരങ്ങൾ ഒരു ക്ലാസായി ചർച്ച ചെയ്യാവുന്നതാണ് കൂടാതെ/അല്ലെങ്കിൽ പ്രവർത്തനം വിജയകരമായി പൂർത്തിയാക്കിയെന്ന് ഉറപ്പാക്കാൻ അവരുടെ എഞ്ചിനീയറിംഗ് നോട്ട്ബുക്കുകൾ നിങ്ങൾക്ക് അവലോകനം ചെയ്യാവുന്നതാണ്.

  1. vision_5.take_snapshot(YELLOWBOX) (മഞ്ഞപ്പെട്ടി)
  2. പൂർത്തിയാക്കിയ ഡാറ്റ VEXcode കമാൻഡുകളുമായി വിന്യസിച്ചിരിക്കുന്നു. ഉത്തരങ്ങൾ ക്രമത്തിൽ വായിക്കുന്നു, ദർശനം 5 വസ്തുക്കൾ സത്യമല്ല = ശരി; ലെൻ ദർശനം 5 വസ്തുക്കൾ = 1; ഏറ്റവും വലിയ വസ്തു കേന്ദ്രം x = 141; ഏറ്റവും വലിയ വസ്തു കേന്ദ്രം y = 111; ഏറ്റവും വലിയ വസ്തു വീതി = 102; ഏറ്റവും വലിയ വസ്തു ഉയരം = 98.
  3. റോബോട്ടിന്റെ മധ്യബിന്ദുവിൽ നിന്ന് YELLOWBOX അല്പം ഇടതുവശത്താണ്, പക്ഷേ 16.5 പിക്സലുകളുടെ വ്യത്യാസത്തിൽ മാത്രം (മധ്യഭാഗം 157.5 - 141).
  4. YELLOWBOX റോബോട്ടിന്റെ മധ്യബിന്ദുവിനേക്കാൾ അല്പം താഴെയാണ്, പക്ഷേ 5.5 പിക്സലുകളുടെ വ്യത്യാസത്തിൽ (111 - മധ്യഭാഗം 105.5).

  5. എ. മഞ്ഞഗിയർ

    വസ്തുവിന്റെ നിറം മാത്രമല്ല, അതിന്റെ തരവും ഇത് വിവരിക്കുന്നതിനാൽ ഇത് കൂടുതൽ മികച്ച പേരാണ്. ഇത് ഒരു ഗിയറാണ്, ഒരു പെട്ടിയോ ക്യൂബോഅല്ല,.

നിങ്ങളുടെ പഠന ഐക്കൺ വികസിപ്പിക്കുക നിങ്ങളുടെ പഠനം വിപുലീകരിക്കുക - ഒരു പ്രോജക്റ്റിനുള്ളിൽ സെൻസിംഗ് നിർദ്ദേശങ്ങൾ ഉപയോഗിക്കുക

വിഷൻ സെൻസറിന്റെ റിപ്പോർട്ട് ചെയ്യപ്പെട്ട ചില ഡാറ്റ ഇപ്പോൾ നന്നായി മനസ്സിലായതിനാൽ, ഒരു പ്രോജക്റ്റിനുള്ളിൽ ഈ സെൻസിംഗ് നിർദ്ദേശങ്ങൾ ഉപയോഗിക്കാൻ വിദ്യാർത്ഥികൾ ആഗ്രഹിച്ചേക്കാം. അങ്ങനെ അവരെ പര്യവേക്ഷണം ചെയ്യാൻ അനുവദിക്കുക.

def check_red_callback():
    brain.screen.set_font(FontType.MONO40)
    brain.screen.clear_row(3)
    brain.screen.set_cursor(3, 1)
    vision_5_objects = vision_5.take_snapshot(REDBOX)

    if (vision_5_objects):
        brain.screen.print("ചുവപ്പ് വസ്തു കണ്ടെത്തി")
        brain.screen.next_row()
        brain.screen.print("കണ്ടെത്തിയ വസ്തുക്കളുടെ എണ്ണം:", len(vision_5_objects))
        brain.screen.next_row()
        brain.screen.print("സെന്റർ X:", vision_5.largest_object().centerX)
        brain.screen.next_row()
        brain.screen.print("സെന്റർ Y:", vision_5.largest_object().centerY)
        brain.screen.next_row()
        brain.screen.print("വീതി:", vision_5.largest_object().width)
        brain.screen.next_row()
        brain.screen.print("ഉയരം:", vision_5.largest_object().height)
        brain.screen.next_row()
    
    else:
        brain.screen.print("റെഡ് ഒബ്ജക്റ്റ് ഇല്ല")

കൂടുതൽ പുരോഗമിച്ച വിദ്യാർത്ഥികൾ തീരുമാനങ്ങൾ എടുക്കുന്നതിന് ഒരു പ്രോജക്റ്റിനുള്ളിൽ ഈ നിർദ്ദേശങ്ങൾ ഉപയോഗിച്ചേക്കാം.

ശരിയാണെങ്കിൽ:
    drivetrain.drive(FORWARD)
    vision_5_objects = vision_5.take_snapshot(REDBOX)
    vision_5_objects ആണെങ്കിൽ (vision_5_objects) ഉം (vision_5.largest_object().centerX < 157.5):
        drivetrain.turn_for(LEFT, 90, DEGREES)
    അല്ലാത്തപക്ഷം:
        drivetrain.turn_for(RIGHT, 90, DEGREES)
        wait(5, MSEC)
< തിരികെ ലാബുകളിലേക്ക് മടങ്ങുക അടുത്തത് >