#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ 激光管理器模块 提供激光控制、校准等功能 """ import json import os import binascii from maix import time, camera import threading import config from logger_manager import logger_manager import vision class LaserManager: """激光控制管理器（单例）""" _instance = None def __new__(cls): if cls._instance is None: cls._instance = super(LaserManager, cls).__new__(cls) cls._instance._initialized = False return cls._instance def __init__(self): if self._initialized: return # 私有状态 self._calibration_active = False self._calibration_result = None self._calibration_lock = threading.Lock() self._laser_point = None self._laser_turned_on = False self._last_frame_with_ellipse = None # 保存绘制了椭圆的图像（用于调试/显示） self._initialized = True # ==================== 状态访问（只读属性）==================== @property def logger(self): """获取 logger 对象""" return logger_manager.logger @property def calibration_active(self): """是否正在校准""" return self._calibration_active @property def laser_point(self): """当前激光点（如果启用硬编码，则返回硬编码值）""" if config.HARDCODE_LASER_POINT: return config.HARDCODE_LASER_POINT_VALUE return self._laser_point def get_last_frame_with_ellipse(self): """ 获取最后一次查找激光点时绘制了椭圆的图像（如果启用椭圆绘制） Returns: MaixPy 图像对象，如果没有则返回 None """ return self._last_frame_with_ellipse # ==================== 业务方法 ==================== def load_laser_point(self): """从配置文件加载激光中心点，失败则使用默认值 如果启用硬编码模式，则直接使用硬编码值 """ if config.HARDCODE_LASER_POINT: # 硬编码模式：直接使用硬编码值 self._laser_point = config.HARDCODE_LASER_POINT_VALUE self.logger.info(f"[LASER] 使用硬编码激光点: {self._laser_point}") return self._laser_point # 正常模式：从配置文件加载 try: if "laser_config.json" in os.listdir("/root"): with open(config.CONFIG_FILE, "r") as f: data = json.load(f) if isinstance(data, list) and len(data) == 2: self._laser_point = (int(data[0]), int(data[1])) self.logger.debug(f"[INFO] 加载激光点: {self._laser_point}") return self._laser_point else: raise ValueError else: self._laser_point = config.DEFAULT_LASER_POINT except: self._laser_point = config.DEFAULT_LASER_POINT return self._laser_point def save_laser_point(self, point): """保存激光中心点到配置文件 如果启用硬编码模式，则不保存（直接返回 True） """ if config.HARDCODE_LASER_POINT: # 硬编码模式：不保存到文件，但更新内存中的值（虽然不会被使用） self._laser_point = point self.logger.info(f"[LASER] 硬编码模式已启用，跳过保存激光点: {point}") return True # 正常模式：保存到配置文件 try: with open(config.CONFIG_FILE, "w") as f: json.dump([point[0], point[1]], f) self._laser_point = point return True except Exception as e: self.logger.error(f"[LASER] 保存激光点失败: {e}") return False def turn_on_laser(self): """发送指令开启激光，并读取回包（部分模块支持）""" from hardware import hardware_manager if hardware_manager.distance_serial is None: self.logger.error("[LASER] distance_serial 未初始化") return None # 打印调试信息 self.logger.info(f"[LASER] 发送开启命令: {config.LASER_ON_CMD.hex()}") # 清空接收缓冲区 try: hardware_manager.distance_serial.read(-1) # 清空缓冲区 except: pass # 发送命令 written = hardware_manager.distance_serial.write(config.LASER_ON_CMD) self.logger.info(f"[LASER] 写入字节数: {written}") # return None # TODO: 暂时去掉这个等待 # 读取回包 resp = hardware_manager.distance_serial.read(len=20,timeout=10) if resp: self.logger.info(f"[LASER] 收到回包 ({len(resp)}字节): {resp.hex()}") if resp == config.LASER_ON_CMD: self.logger.info("✅ 激光开启指令已确认") else: self.logger.warning("🔇 无回包（可能正常或模块不支持回包）") return resp def turn_off_laser(self): """发送指令关闭激光""" from hardware import hardware_manager if hardware_manager.distance_serial is None: self.logger.error("[LASER] distance_serial 未初始化") return None # 打印调试信息 self.logger.info(f"[LASER] 发送关闭命令: {config.LASER_OFF_CMD.hex()}") # 清空接收缓冲区 try: hardware_manager.distance_serial.read(-1) except: pass # 发送命令 written = hardware_manager.distance_serial.write(config.LASER_OFF_CMD) self.logger.info(f"[LASER] 写入字节数: {written}") # 读取回包 resp = hardware_manager.distance_serial.read(20) if resp: self.logger.info(f"[LASER] 收到回包 ({len(resp)}字节): {resp.hex()}") else: self.logger.warning("🔇 无回包") return resp # 不用读回包 # return None def flash_laser(self, duration_ms=1000): """闪一下激光（用于射箭反馈）""" try: self.turn_on_laser() time.sleep_ms(duration_ms) self.turn_off_laser() except Exception as e: self.logger.error(f"闪激光失败: {e}") # def find_red_laser(self, frame, threshold=150): # """在图像中查找最亮的红色激光点（基于 RGB 阈值）""" # w, h = frame.width(), frame.height() # img_bytes = frame.to_bytes() # max_sum = 0 # best_pos = None # for y in range(0, h, 2): # for x in range(0, w, 2): # idx = (y * w + x) * 3 # r, g, b = img_bytes[idx], img_bytes[idx+1], img_bytes[idx+2] # if r > threshold and r > g * 2 and r > b * 2: # rgb_sum = r + g + b # if rgb_sum > max_sum: # max_sum = rgb_sum # best_pos = (x, y) # return best_pos # def find_red_laser(self, frame, threshold=150, search_radius=50): # """ # 在图像中心附近查找最亮的红色激光点（基于 RGB 阈值） # Args: # frame: 图像帧 # threshold: 红色通道阈值（默认150） # search_radius: 搜索半径（像素），从图像中心开始搜索（默认150） # Returns: # (x, y) 坐标，如果未找到则返回 None # """ # w, h = frame.width(), frame.height() # center_x, center_y = w // 2, h // 2 # # 只在中心区域搜索 # x_min = max(0, center_x - search_radius) # x_max = min(w, center_x + search_radius) # y_min = max(0, center_y - search_radius) # y_max = min(h, center_y + search_radius) # img_bytes = frame.to_bytes() # max_score = 0 # best_pos = None # for y in range(y_min, y_max, 2): # for x in range(x_min, x_max, 2): # idx = (y * w + x) * 3 # r, g, b = img_bytes[idx], img_bytes[idx+1], img_bytes[idx+2] # # 判断是否为红色或过曝的红色（发白） # is_red = False # is_overexposed_red = False # # 情况1：正常红色（r 明显大于 g 和 b） # if r > threshold and r > g * 2 and r > b * 2: # is_red = True # # 情况2：过曝的红色（发白，r, g, b 都接近255，但 r 仍然最大） # # 过曝时，r, g, b 都接近 255，但 r 应该仍然是最高的 # elif r > 200 and g > 200 and b > 200: # 接近白色 # if r >= g and r >= b and (r - g) > 10 and (r - b) > 10: # r 仍然明显最大 # is_overexposed_red = True # if is_red or is_overexposed_red: # # 计算得分：RGB 总和 + 距离中心权重（越靠近中心得分越高） # rgb_sum = r + g + b # # 计算到中心的距离 # dx = x - center_x # dy = y - center_y # distance_from_center = (dx * dx + dy * dy) ** 0.5 # # 距离权重：距离越近，权重越高（最大权重为 1.0，距离为 0 时） # # 当距离为 search_radius 时，权重为 0.5 # distance_weight = 1.0 - (distance_from_center / search_radius) * 0.5 # distance_weight = max(0.5, distance_weight) # 最小权重 0.5 # # 综合得分：RGB 总和 * 距离权重 # score = rgb_sum * distance_weight # if score > max_score: # max_score = score # best_pos = (x, y) # print("best_pos:", best_pos) # return best_pos def _is_point_in_ellipse(self, point, ellipse_params): """ 判断点是否在椭圆内 Args: point: 点坐标 (x, y) ellipse_params: 椭圆参数 ((center_x, center_y), (width, height), angle) Returns: bool: 如果点在椭圆内返回 True，否则返回 False """ if ellipse_params is None: return True # 如果没有椭圆参数，不进行限制 import math (cx, cy), (width, height), angle = ellipse_params px, py = point # 椭圆半长轴和半短轴 a = width / 2.0 # 半长轴 b = height / 2.0 # 半短轴 # 将点坐标平移到椭圆中心 dx = px - cx dy = py - cy # 旋转坐标系，使椭圆的长轴与x轴对齐 # angle 是度，需要转换为弧度 angle_rad = math.radians(angle) cos_a = math.cos(angle_rad) sin_a = math.sin(angle_rad) # 旋转后的坐标 x_rot = dx * cos_a + dy * sin_a y_rot = -dx * sin_a + dy * cos_a # 检查点是否在椭圆内：((x_rot/a)^2 + (y_rot/b)^2) <= 1 ellipse_value = (x_rot / a) ** 2 + (y_rot / b) ** 2 return ellipse_value <= 1.0 def find_red_laser_with_ellipse(self, frame, threshold=None, search_radius=None, ellipse_params=None): """ 使用椭圆拟合方法查找激光点中心（更准确） 先找到所有红色像素，然后拟合椭圆找到中心 Args: frame: 图像帧 threshold: 红色通道阈值（如果为None，使用config.LASER_DETECTION_THRESHOLD） search_radius: 搜索半径（像素），从图像中心开始搜索（如果为None，使用config.LASER_SEARCH_RADIUS） ellipse_params: 椭圆参数 ((center_x, center_y), (width, height), angle)，用于限制激光点必须在椭圆内 Returns: (x, y) 坐标，如果未找到则返回 None 注意：如果启用 LASER_DRAW_ELLIPSE，会在原始 frame 上绘制椭圆（会修改输入图像） """ import cv2 import numpy as np from maix import image self.logger.debug(f"find_red_laser_with_ellipse start: {time.ticks_ms()}") # 使用配置项 if threshold is None: threshold = config.LASER_DETECTION_THRESHOLD if search_radius is None: search_radius = config.LASER_SEARCH_RADIUS red_ratio = config.LASER_RED_RATIO overexposed_threshold = config.LASER_OVEREXPOSED_THRESHOLD overexposed_diff = config.LASER_OVEREXPOSED_DIFF w, h = frame.width(), frame.height() center_x, center_y = w // 2, h // 2 # 转换为 OpenCV 格式 img_cv = image.image2cv(frame, False, False) # 只在中心区域搜索 x_min = max(0, center_x - search_radius) x_max = min(w, center_x + search_radius) y_min = max(0, center_y - search_radius) y_max = min(h, center_y + search_radius) # 提取ROI区域（只处理搜索区域，而不是整个图像） roi = img_cv[y_min:y_max, x_min:x_max] if roi.size == 0: self.logger.debug("[LASER] ROI区域为空") return None # 分离RGB通道（向量化操作，比循环快得多） r_channel = roi[:, :, 0].astype(np.int32) # 转换为int32避免溢出 g_channel = roi[:, :, 1].astype(np.int32) b_channel = roi[:, :, 2].astype(np.int32) # 情况1：正常红色判断（向量化） # r > threshold and r > g * red_ratio and r > b * red_ratio mask_red = (r_channel > threshold) & \ (r_channel > (g_channel * red_ratio)) & \ (r_channel > (b_channel * red_ratio)) # 情况2：过曝的红色判断（向量化） # r > overexposed_threshold and g > overexposed_threshold and b > overexposed_threshold # and r >= g and r >= b and (r - g) > overexposed_diff and (r - b) > overexposed_diff mask_overexposed = (r_channel > overexposed_threshold) & \ (g_channel > overexposed_threshold) & \ (b_channel > overexposed_threshold) & \ (r_channel >= g_channel) & \ (r_channel >= b_channel) & \ ((r_channel - g_channel) > overexposed_diff) & \ ((r_channel - b_channel) > overexposed_diff) # 合并两种情况的掩码 mask_combined = mask_red | mask_overexposed # 转换为uint8格式 mask_roi = mask_combined.astype(np.uint8) * 255 self.logger.debug(f"ellipse fitting start: {time.ticks_ms()}") # 查找轮廓（只在搜索区域内） contours, _ = cv2.findContours(mask_roi, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) self.logger.debug(f"ellipse fitting end: {time.ticks_ms()}") if not contours: self.logger.debug("[LASER] 未找到红色像素区域") return None self.logger.debug(f"ellipse filtering start: {time.ticks_ms()}") # 找到最大的轮廓（应该是激光点） largest_contour = max(contours, key=cv2.contourArea) # 检查轮廓面积（太小可能是噪声） area = cv2.contourArea(largest_contour) min_area = config.LASER_MIN_AREA if area < min_area: self.logger.debug(f"[LASER] 红色区域太小（面积={area:.1f}），可能是噪声（最小={min_area}）") return None # 使用椭圆拟合找到中心 laser_center = None outer_ellipse_params = None # 外层红色椭圆参数 inner_ellipse_params = None # 内层亮度椭圆参数 if len(largest_contour) >= 5: # 椭圆拟合需要至少5个点 # 注意：需要将轮廓坐标转换回全图坐标 contour_global = largest_contour.copy() for i in range(len(contour_global)): contour_global[i][0][0] += x_min contour_global[i][0][1] += y_min try: # 第一步：拟合外层红色椭圆 (x_outer, y_outer), (width_outer, height_outer), angle_outer = cv2.fitEllipse(contour_global) outer_ellipse_params = ((x_outer, y_outer), (width_outer, height_outer), angle_outer) self.logger.debug(f"[LASER] 外层红色椭圆拟合成功: 中心=({x_outer:.1f}, {y_outer:.1f}), 尺寸=({width_outer:.1f}, {height_outer:.1f}), 角度={angle_outer:.1f}°, 面积={area:.1f}") # 第二步：在外层椭圆区域内，找亮度最高的像素 # 创建外层椭圆的掩码 outer_ellipse_mask = np.zeros((h, w), dtype=np.uint8) cv2.ellipse(outer_ellipse_mask, (int(x_outer), int(y_outer)), (int(width_outer/2), int(height_outer/2)), angle_outer, 0, 360, 255, -1) # 填充椭圆区域 # 在外层椭圆区域内，计算每个像素的亮度（RGB总和） brightness = (img_cv[:, :, 0].astype(np.int32) + img_cv[:, :, 1].astype(np.int32) + img_cv[:, :, 2].astype(np.int32)) # 只考虑外层椭圆区域内的像素 brightness_masked = np.where(outer_ellipse_mask > 0, brightness, 0) # 找到亮度阈值（使用区域内亮度的较高百分位，比如80%） brightness_values = brightness_masked[brightness_masked > 0] if len(brightness_values) > 0: brightness_threshold = np.percentile(brightness_values, 90) # 取90%分位数 # 创建亮度掩码（只保留高亮度像素） brightness_mask = (brightness_masked >= brightness_threshold).astype(np.uint8) * 255 # 查找亮度区域的轮廓 brightness_contours, _ = cv2.findContours(brightness_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 在 brightness_contours 处理部分，添加 else 分支处理 brightness_area < 1 的情况 if brightness_contours: # 找到最大的亮度轮廓 largest_brightness_contour = max(brightness_contours, key=cv2.contourArea) brightness_area = cv2.contourArea(largest_brightness_contour) if brightness_area >= 3 and len(largest_brightness_contour) >= 5: # 第三步：拟合内层亮度椭圆 try: (x_inner, y_inner), (width_inner, height_inner), angle_inner = cv2.fitEllipse(largest_brightness_contour) inner_ellipse_params = ((x_inner, y_inner), (width_inner, height_inner), angle_inner) laser_center = (float(x_inner), float(y_inner)) self.logger.debug(f"[LASER] 内层亮度椭圆拟合成功: 中心=({x_inner:.1f}, {y_inner:.1f}), 尺寸=({width_inner:.1f}, {height_inner:.1f}), 角度={angle_inner:.1f}°, 面积={brightness_area:.1f}") except Exception as e: # 内层椭圆拟合失败，使用质心 M = cv2.moments(largest_brightness_contour) if M["m00"] != 0: cx = M["m10"] / M["m00"] cy = M["m01"] / M["m00"] laser_center = (float(cx), float(cy)) self.logger.debug(f"[LASER] 内层亮度椭圆拟合失败，使用质心: {laser_center}, 错误: {e}") else: # 质心计算失败，使用外层椭圆中心 laser_center = (float(x_outer), float(y_outer)) self.logger.debug(f"[LASER] 内层区域质心计算失败，使用外层椭圆中心: {laser_center}") elif brightness_area >= 1: # 面积太小，使用质心 M = cv2.moments(largest_brightness_contour) if M["m00"] != 0: cx = M["m10"] / M["m00"] cy = M["m01"] / M["m00"] laser_center = (float(cx), float(cy)) self.logger.debug(f"[LASER] 内层区域质心计算成功: {laser_center}") else: # 质心计算失败，使用外层椭圆中心 laser_center = (float(x_outer), float(y_outer)) self.logger.debug(f"[LASER] 内层区域质心计算失败，使用外层椭圆中心: {laser_center}") else: # brightness_area < 1，面积太小，直接使用外层椭圆中心 laser_center = (float(x_outer), float(y_outer)) self.logger.debug(f"[LASER] 内层亮度区域面积太小（{brightness_area:.1f}），使用外层椭圆中心: {laser_center}") else: # 没有找到亮度轮廓，使用外层椭圆中心 laser_center = (float(x_outer), float(y_outer)) self.logger.debug(f"[LASER] 外层椭圆区域内无有效亮度值，使用外层椭圆中心: {laser_center}") else: # 没有亮度值，使用外层椭圆中心 laser_center = (float(x_outer), float(y_outer)) self.logger.debug(f"[LASER] 外层椭圆区域内无有效亮度值，使用外层椭圆中心: {laser_center}") # 如果启用绘制椭圆，在图像上绘制 if config.LASER_DRAW_ELLIPSE: import math # 绘制外层红色椭圆（绿色） cx_outer, cy_outer = int(x_outer), int(y_outer) cv2.ellipse(img_cv, (cx_outer, cy_outer), (int(width_outer/2), int(height_outer/2)), angle_outer, 0, 360, (0, 255, 0), # 绿色 (RGB格式) 2) # 如果找到内层椭圆，绘制内层亮度椭圆（黄色）和中心点（红色） if inner_ellipse_params is not None: (x_inner, y_inner), (width_inner, height_inner), angle_inner = inner_ellipse_params cx_inner, cy_inner = int(x_inner), int(y_inner) # 绘制内层椭圆（黄色） cv2.ellipse(img_cv, (cx_inner, cy_inner), (int(width_inner/2), int(height_inner/2)), angle_inner, 0, 360, (255, 255, 0), # 黄色 (RGB格式) 2) # 绘制内层椭圆中心点（红色，较大） cv2.circle(img_cv, (cx_inner, cy_inner), 5, (255, 0, 0), -1) else: # 只绘制外层椭圆中心点（红色） cv2.circle(img_cv, (cx_outer, cy_outer), 3, (255, 0, 0), -1) # 将绘制后的图像转换回 MaixPy 格式并保存到实例变量 from maix import image self._last_frame_with_ellipse = image.cv2image(img_cv, False, False) if inner_ellipse_params: self.logger.debug(f"[LASER] 已绘制双层椭圆: 外层(绿色)中心=({cx_outer}, {cy_outer}), 内层(黄色)中心=({cx_inner}, {cy_inner})") else: self.logger.debug(f"[LASER] 已绘制外层椭圆: 中心=({cx_outer}, {cy_outer})") except Exception as e: laser_ellipse_params = None # 椭圆拟合失败，使用质心 M = cv2.moments(contour_global) if M["m00"] != 0: cx = M["m10"] / M["m00"] cy = M["m01"] / M["m00"] laser_center = (float(cx), float(cy)) self.logger.debug(f"[LASER] 椭圆拟合失败，使用质心: {laser_center}, 错误: {e}") self.logger.debug(f"ellipse filtering start: {time.ticks_ms()}") else: # 点太少，使用质心 contour_global = largest_contour.copy() for i in range(len(contour_global)): contour_global[i][0][0] += x_min contour_global[i][0][1] += y_min M = cv2.moments(contour_global) if M["m00"] != 0: cx = M["m10"] / M["m00"] cy = M["m01"] / M["m00"] laser_center = (float(cx), float(cy)) self.logger.debug(f"[LASER] 点太少（{len(largest_contour)}个），使用质心: {laser_center}") if laser_center is None: # 清除之前保存的椭圆图像 self._last_frame_with_ellipse = None return None # 检查距离中心是否太远 final_x, final_y = laser_center dx_final = final_x - center_x dy_final = final_y - center_y distance_from_center_final = (dx_final * dx_final + dy_final * dy_final) ** 0.5 max_distance = config.LASER_MAX_DISTANCE_FROM_CENTER if distance_from_center_final > max_distance: self.logger.warning(f"[LASER] 激光点距离中心太远: 位置={laser_center}, " f"距离中心={distance_from_center_final:.1f}像素, " f"最大允许距离={max_distance}像素") return None # 检查是否在黄心椭圆范围内（如果启用） if config.LASER_REQUIRE_IN_ELLIPSE and ellipse_params is not None: if not self._is_point_in_ellipse(laser_center, ellipse_params): (ell_center, (ell_width, ell_height), ell_angle) = ellipse_params self.logger.warning(f"[LASER] 激光点不在黄心椭圆内: 位置={laser_center}, " f"椭圆中心={ell_center}, 椭圆尺寸=({ell_width:.1f}, {ell_height:.1f})") return None ellipse_info = "" if config.LASER_REQUIRE_IN_ELLIPSE and ellipse_params is not None: ellipse_info = f", 椭圆内检查: 通过" elif not config.LASER_REQUIRE_IN_ELLIPSE: ellipse_info = f", 椭圆检查: 已禁用" self.logger.debug(f"[LASER] 找到激光点（椭圆拟合）: 位置={laser_center}, " f"距离中心={distance_from_center_final:.1f}像素{ellipse_info}") if config.LASER_DRAW_ELLIPSE and self._last_frame_with_ellipse is not None: self.logger.debug(f"[LASER] 已保存绘制了椭圆的图像，可通过 get_last_frame_with_ellipse() 获取") return laser_center def _find_red_laser_brightest(self, frame, threshold=None, search_radius=None, ellipse_params=None): """ 在图像中心附近查找最亮的红色激光点（基于 RGB 阈值） 使用两阶段搜索：先粗搜索找到候选区域，再精细搜索找到最亮点 如果启用 LASER_REQUIRE_IN_ELLIPSE，只有激光点落在黄心椭圆范围内才算有效 Args: frame: 图像帧 threshold: 红色通道阈值（如果为None，使用config.LASER_DETECTION_THRESHOLD） search_radius: 搜索半径（像素），从图像中心开始搜索（如果为None，使用config.LASER_SEARCH_RADIUS） ellipse_params: 椭圆参数 ((center_x, center_y), (width, height), angle)，用于限制激光点必须在椭圆内 如果 config.LASER_REQUIRE_IN_ELLIPSE 为 False，则忽略此参数 Returns: (x, y) 坐标，如果未找到或不在椭圆内（如果启用检查）则返回 None """ # 使用配置项，如果参数未提供则使用默认配置 if threshold is None: threshold = config.LASER_DETECTION_THRESHOLD if search_radius is None: search_radius = config.LASER_SEARCH_RADIUS red_ratio = config.LASER_RED_RATIO overexposed_threshold = config.LASER_OVEREXPOSED_THRESHOLD overexposed_diff = config.LASER_OVEREXPOSED_DIFF w, h = frame.width(), frame.height() center_x, center_y = w // 2, h // 2 # 只在中心区域搜索 x_min = max(0, center_x - search_radius) x_max = min(w, center_x + search_radius) y_min = max(0, center_y - search_radius) y_max = min(h, center_y + search_radius) img_bytes = frame.to_bytes() max_score = 0 candidate_pos = None # 用于调试：记录最接近但未满足条件的点 best_near_red = None best_near_red_score = 0 best_near_red_rgb = None # 第一阶段：粗搜索（每2像素采样），找到候选点 for y in range(y_min, y_max, 2): for x in range(x_min, x_max, 2): idx = (y * w + x) * 3 r, g, b = img_bytes[idx], img_bytes[idx+1], img_bytes[idx+2] # 判断是否为红色或过曝的红色（发白） is_red = False is_overexposed_red = False # 情况1：正常红色（使用配置的倍数要求） if r > threshold and r > g * red_ratio and r > b * red_ratio: is_red = True # 情况2：过曝的红色（发白，r, g, b 都接近255，但 r 仍然最大） elif r > overexposed_threshold and g > overexposed_threshold and b > overexposed_threshold: if r >= g and r >= b and (r - g) > overexposed_diff and (r - b) > overexposed_diff: is_overexposed_red = True if is_red or is_overexposed_red: # 计算得分：RGB 总和 + 距离中心权重 rgb_sum = r + g + b dx = x - center_x dy = y - center_y distance_from_center = (dx * dx + dy * dy) ** 0.5 distance_weight = 1.0 - (distance_from_center / search_radius) * 0.5 distance_weight = max(0.5, distance_weight) score = rgb_sum * distance_weight if score > max_score: max_score = score candidate_pos = (x, y) else: # 记录最接近但未满足条件的点（用于调试） if r > threshold * 0.8: # 至少接近阈值 rgb_sum = r + g + b # 计算接近度分数 ratio_score = min(r / (g + 1), r / (b + 1)) # 避免除零 near_score = rgb_sum * ratio_score if near_score > best_near_red_score: best_near_red_score = near_score best_near_red = (x, y) best_near_red_rgb = (r, g, b) # 如果没有找到候选点，输出调试信息 if candidate_pos is None: if best_near_red: self.logger.debug(f"[LASER] 未找到激光点，最接近的点: 位置={best_near_red}, RGB={best_near_red_rgb}, " f"阈值={threshold}, 倍数要求={red_ratio}, r/g={best_near_red_rgb[0]/(best_near_red_rgb[1]+1):.2f}, " f"r/b={best_near_red_rgb[0]/(best_near_red_rgb[2]+1):.2f}") else: self.logger.debug(f"[LASER] 未找到激光点，搜索区域: ({x_min}, {y_min}) 到 ({x_max}, {y_max}), " f"阈值={threshold}, 倍数要求={red_ratio}") return None # 第二阶段：在候选点周围进行精细搜索（1像素间隔） # 在候选点周围 5x5 或 7x7 区域内找最亮的点 refine_radius = 3 # 精细搜索半径（像素） cx, cy = candidate_pos x_min_fine = max(0, cx - refine_radius) x_max_fine = min(w, cx + refine_radius + 1) y_min_fine = max(0, cy - refine_radius) y_max_fine = min(h, cy + refine_radius + 1) max_brightness = 0 best_pos = candidate_pos best_rgb = None # 精细搜索：1像素间隔，只考虑亮度（RGB总和） for y in range(y_min_fine, y_max_fine, 1): for x in range(x_min_fine, x_max_fine, 1): idx = (y * w + x) * 3 r, g, b = img_bytes[idx], img_bytes[idx+1], img_bytes[idx+2] # 判断是否为红色或过曝的红色（使用配置的倍数要求） is_red = False is_overexposed_red = False if r > threshold and r > g * red_ratio and r > b * red_ratio: is_red = True elif r > overexposed_threshold and g > overexposed_threshold and b > overexposed_threshold: if r >= g and r >= b and (r - g) > overexposed_diff and (r - b) > overexposed_diff: is_overexposed_red = True if is_red or is_overexposed_red: rgb_sum = r + g + b # 精细搜索阶段只考虑亮度，不考虑距离权重 if rgb_sum > max_brightness: max_brightness = rgb_sum best_pos = (x, y) best_rgb = (r, g, b) # 检查找到的激光点是否满足条件 if best_pos: final_x, final_y = best_pos dx_final = final_x - center_x dy_final = final_y - center_y distance_from_center_final = (dx_final * dx_final + dy_final * dy_final) ** 0.5 # 检查1：距离中心是否太远 max_distance = config.LASER_MAX_DISTANCE_FROM_CENTER if distance_from_center_final > max_distance: # 距离中心太远，拒绝这个结果 self.logger.warning(f"[LASER] 找到的激光点距离中心太远: 位置={best_pos}, " f"距离中心={distance_from_center_final:.1f}像素, " f"最大允许距离={max_distance}像素, 拒绝此结果") return None # 检查2：是否在黄心椭圆范围内（仅在启用时检查） if config.LASER_REQUIRE_IN_ELLIPSE and ellipse_params is not None: if not self._is_point_in_ellipse(best_pos, ellipse_params): # 不在椭圆内，拒绝这个结果 (ell_center, (ell_width, ell_height), ell_angle) = ellipse_params self.logger.warning(f"[LASER] 找到的激光点不在黄心椭圆内: 位置={best_pos}, " f"椭圆中心={ell_center}, 椭圆尺寸=({ell_width:.1f}, {ell_height:.1f}), " f"椭圆角度={ell_angle:.1f}°, 拒绝此结果") return None # 输出成功找到激光点的日志 ellipse_info = "" if config.LASER_REQUIRE_IN_ELLIPSE and ellipse_params is not None: ellipse_info = f", 椭圆内检查: 通过" elif not config.LASER_REQUIRE_IN_ELLIPSE: ellipse_info = f", 椭圆检查: 已禁用" self.logger.debug(f"[LASER] 找到激光点: 位置={best_pos}, RGB={best_rgb}, " f"亮度={max_brightness}, 距离中心={distance_from_center_final:.1f}像素{ellipse_info}, " f"阈值={threshold}, 倍数要求={red_ratio}") return best_pos def find_red_laser(self, frame, threshold=None, search_radius=None, ellipse_params=None): """ 查找激光点（支持两种方法：椭圆拟合或最亮点） 根据 config.LASER_USE_ELLIPSE_FITTING 配置选择使用哪种方法 Args: frame: 图像帧 threshold: 红色通道阈值（如果为None，使用config.LASER_DETECTION_THRESHOLD） search_radius: 搜索半径（像素），从图像中心开始搜索（如果为None，使用config.LASER_SEARCH_RADIUS） ellipse_params: 椭圆参数 ((center_x, center_y), (width, height), angle)，用于限制激光点必须在椭圆内 Returns: (x, y) 坐标，如果未找到则返回 None """ if config.LASER_USE_ELLIPSE_FITTING: return self.find_red_laser_with_ellipse(frame, threshold, search_radius, ellipse_params) else: # 使用原来的最亮点方法 return self._find_red_laser_brightest(frame, threshold, search_radius, ellipse_params) def calibrate_laser_position(self, timeout_ms=8000, check_sharpness=True): """ 执行激光校准：循环拍照 → 检测靶心 → 检查激光点清晰度 → 找红点 → 保存坐标 只有检测到靶心时才读取激光点 Args: timeout_ms: 超时时间（毫秒），默认8000ms check_sharpness: 是否检查激光点清晰度，默认True Returns: (x, y) 坐标，如果超时或失败则返回 None """ from camera_manager import camera_manager # from vision import check_laser_point_sharpness, save_calibration_image, detect_circle_v3 import vision from maix import time start = time.ticks_ms() # 注意：使用 abs(time.ticks_diff(start, time.ticks_ms())) 避免负数问题 while self._calibration_active and abs(time.ticks_diff(start, time.ticks_ms())) < timeout_ms: try: # 使用全局 camera_manager，线程安全读取 frame = camera_manager.read_frame() # 先检测靶心（仅在需要椭圆检查时） ellipse_params_temp = None center_temp = None radius_temp = None if config.LASER_REQUIRE_IN_ELLIPSE: result_img_temp, center_temp, radius_temp, method_temp, best_radius1_temp, ellipse_params_temp = vision.detect_circle_v3(frame, None) # 只有检测到靶心时才继续处理激光点 if center_temp is None or radius_temp is None: self.logger.debug(f"[LASER] 未检测到靶心，跳过") time.sleep_ms(60) continue # 检测到靶心，继续处理激光点 # 检查激光点清晰度（可选） sharpness_score = None # 初始化清晰度分数 if check_sharpness: try: # 使用 check_laser_point_sharpness 检测激光点清晰度 # 该函数会自动查找激光点并检测其清晰度 # 仅在启用椭圆检查时传入椭圆参数 is_sharp, sharpness_score, laser_pos = vision.check_laser_point_sharpness( frame, laser_point=None, # 自动查找激光点 roi_size=30, threshold=config.IMAGE_SHARPNESS_THRESHOLD, ellipse_params=ellipse_params_temp if config.LASER_REQUIRE_IN_ELLIPSE else None ) if laser_pos is None: # 未找到激光点 self.logger.debug(f"[LASER] 未找到激光点，跳过") time.sleep_ms(60) continue if not is_sharp: # 激光点模糊 self.logger.debug(f"[LASER] 激光点模糊（清晰度: {sharpness_score:.2f}），跳过") time.sleep_ms(60) continue # 激光点清晰，使用找到的激光点位置 pos = laser_pos except Exception as e: self.logger.warning(f"[LASER] 激光点清晰度检测失败: {e}，继续处理") # 检测失败时，回退到原来的方法：直接查找激光点 # 仅在启用椭圆检查时传入椭圆参数 pos = self.find_red_laser(frame, ellipse_params=ellipse_params_temp if config.LASER_REQUIRE_IN_ELLIPSE else None) if pos is None: time.sleep_ms(60) continue else: # 不检查清晰度，直接查找激光点 # 仅在启用椭圆检查时传入椭圆参数 pos = self.find_red_laser(frame, ellipse_params=ellipse_params_temp if config.LASER_REQUIRE_IN_ELLIPSE else None) if pos is None: time.sleep_ms(60) continue # 找到清晰的激光点，保存校准图像 if pos: # 保存校准图像（带标注） try: # 如果使用椭圆拟合且启用了椭圆绘制，使用绘制了椭圆的图像 frame_to_save = frame if config.LASER_USE_ELLIPSE_FITTING and config.LASER_DRAW_ELLIPSE: frame_with_ellipse = self.get_last_frame_with_ellipse() if frame_with_ellipse is not None: frame_to_save = frame_with_ellipse vision.save_calibration_image(frame_to_save, pos) except Exception as e: self.logger.error(f"[LASER] 保存校准图像失败: {e}") # 设置结果、停止校准、保存坐标 self.set_calibration_result(pos) self.stop_calibration() self.save_laser_point(pos) if sharpness_score is not None: self.logger.info(f"✅ 校准成功: {pos} (清晰度: {sharpness_score:.2f}, 靶心: {center_temp}, 半径: {radius_temp})") else: self.logger.info(f"✅ 校准成功: {pos} (靶心: {center_temp}, 半径: {radius_temp})") return pos # 未找到激光点，继续循环 time.sleep_ms(60) except Exception as e: self.logger.error(f"[LASER] 校准过程异常: {e}") import traceback self.logger.error(traceback.format_exc()) time.sleep_ms(200) # 超时或校准被停止 if self._calibration_active: self.logger.warning(f"[LASER] 校准超时（{timeout_ms}ms）") else: self.logger.info("[LASER] 校准已停止") return None def start_calibration(self): """开始校准（公共方法）""" with self._calibration_lock: if self._calibration_active: return False self._calibration_active = True self._calibration_result = None return True def stop_calibration(self): """停止校准（公共方法）""" with self._calibration_lock: self._calibration_active = False def set_calibration_result(self, result): """设置校准结果（内部方法）""" with self._calibration_lock: self._calibration_result = result def get_calibration_result(self): """获取并清除校准结果（内部方法）""" with self._calibration_lock: result = self._calibration_result self._calibration_result = None return result def parse_bcd_distance(self, bcd_bytes: bytes) -> float: """将 4 字节 BCD 码转换为距离（米）""" if len(bcd_bytes) != 4: return 0.0 try: hex_string = binascii.hexlify(bcd_bytes).decode() distance_int = int(hex_string) return distance_int / 1000.0 except Exception as e: self.logger.error(f"[LASER] BCD 解析失败: {e}") return 0.0 def read_distance_from_laser_sensor(self): """发送测距指令并返回距离（米）和信号质量 返回: (distance_m, signal_quality) 元组，失败返回 (0.0, 0) """ from hardware import hardware_manager if hardware_manager.distance_serial is None: self.logger.error("[LASER] distance_serial 未初始化") return (0.0, 0) try: # 清空缓冲区 try: hardware_manager.distance_serial.read(-1) except: pass # 打开激光 self.turn_on_laser() self._laser_turned_on = True # time.sleep_ms(500) # 需要一定时间让激光稳定 # 发送测距查询命令 hardware_manager.distance_serial.write(config.DISTANCE_QUERY_CMD) # time.sleep_ms(500) # 测试结果：这里的等待没有用！ self.turn_off_laser() self._laser_turned_on = False # 这里的等待才是有效的！大概350ms能读到数据 # 循环读取响应，最多等待500ms start_time = time.ticks_ms() max_wait_ms = 500 response = None while True: # 检查是否超时 # 注意：使用 time.ticks_diff(start_time, time.ticks_ms()) 避免负数问题 elapsed_ms = abs(time.ticks_diff(start_time, time.ticks_ms())) if elapsed_ms >= max_wait_ms: self.logger.warning(f"[LASER] 读取超时 ({elapsed_ms}ms)，未收到完整响应") return (0.0, 0) # 尝试读取数据 response = hardware_manager.distance_serial.read(config.DISTANCE_RESPONSE_LEN) # 如果读到完整数据，立即返回 if response and len(response) == config.DISTANCE_RESPONSE_LEN: elapsed_ms = abs(time.ticks_diff(start_time, time.ticks_ms())) self.logger.debug(f"[LASER] 收到响应 ({elapsed_ms}ms)") break # 如果还没超时，短暂等待后继续尝试 time.sleep_ms(10) # 每次循环等待10ms，避免CPU占用过高 # 验证响应格式 if response and len(response) == config.DISTANCE_RESPONSE_LEN: if response[3] != 0x20: if response[0] == 0xEE: err_code = (response[7] << 8) | response[8] self.logger.warning(f"[LASER] 模块错误代码: {hex(err_code)}") return (0.0, 0) # 解析BCD码距离 bcd_bytes = response[6:10] distance_value_m = self.parse_bcd_distance(bcd_bytes) signal_quality = (response[10] << 8) | response[11] self.logger.debug(f"[LASER] 测距成功: {distance_value_m:.3f} m, 信号质量: {signal_quality}") return (distance_value_m, signal_quality) self.logger.warning(f"[LASER] 无效响应: {response.hex() if response else 'None'}") return (0.0, 0) except Exception as e: self.logger.error(f"[LASER] 读取激光测距失败: {e}") return (0.0, 0) def calculate_laser_point_from_distance(self, distance_m): """ 根据目标距离动态计算激光点在图像中的坐标 激光在摄像头下方，所以需要将图像中心的 y 值加上偏移 Args: distance_m: 目标距离（米），例如到靶心的距离 Returns: (x, y): 激光点在图像中的坐标 """ # from vision import estimate_pixel # 图像中心坐标 center_x = config.IMAGE_CENTER_X center_y = config.IMAGE_CENTER_Y # 计算激光在摄像头下方的像素偏移（y 方向） # 激光在摄像头下方，所以 y 值要增加（向下为正） pixel_offset_y = estimate_pixel(config.LASER_CAMERA_OFFSET_CM, distance_m) # 激光点坐标：x 保持中心，y 加上偏移， laser_x = center_x laser_y = center_y + int(pixel_offset_y) self.logger.debug(f"[LASER] 根据距离 {distance_m:.2f}m 计算激光点: ({laser_x}, {laser_y}), 像素偏移: {pixel_offset_y:.2f}") return (laser_x, laser_y) def has_calibrated_point(self): """检查是否真正校准过（配置文件存在且不是默认值）""" if config.HARDCODE_LASER_POINT: return False # 硬编码模式下不算校准 # 检查配置文件是否存在 if "laser_config.json" not in os.listdir("/root"): return False # 检查当前值是否是默认值 if self._laser_point == config.DEFAULT_LASER_POINT: return False return self._laser_point is not None def compute_laser_position(self, circle_center, laser_point, radius, method): """计算激光相对于靶心的偏移量（单位：厘米） Args: circle_center: 靶心中心坐标 (x, y) laser_point: 激光点坐标 (x, y) radius: 靶心半径（像素） method: 检测方法（"模糊" 或其他） Returns: (dx, dy): 激光相对于靶心的偏移量（厘米），如果输入无效则返回 (None, None) """ if not all([circle_center, radius, method]): return None, None cx, cy = circle_center lx, ly = laser_point # r = 22.16 * 5 r = radius * 5 self.logger.debug(f"compute_laser_position: circle_center: {circle_center} laser_point: {laser_point} radius: {radius} method: {method} r: {r}") target_x = (lx-cx)/r*100 target_y = (ly-cy)/r*100 self.logger.info(f"lx：{lx} ly: {ly} cx: {cx} cy: {cy} result_x: {target_x} result_y: {-target_y} real_r_x: {lx-cx} real_r_y: {-1*(ly-cy)}") return (target_x, -target_y) # # 根据检测方法动态调整靶心物理半径（简化模型） # circle_r = (radius / 4.0) * 20.0 if method == "模糊" else (68 / 16.0) * 20.0 # dx = lx - cx # dy = ly - cy # return dx / (circle_r / 100.0), -dy / (circle_r / 100.0) def quick_measure_distance(self): """ 快速激光测距：打开激光 → 测距 → 关闭激光 激光开启时间最小化（约500-600ms），尽量不让用户觉察到 返回: (distance_m, signal_quality) 元组，失败返回 (0.0, 0) """ self._laser_turned_on = False try: # 等待激光稳定（最小延迟） # time.sleep_ms(50) # 读取距离和信号质量 result = self.read_distance_from_laser_sensor() return result except Exception as e: self.logger.error(f"[LASER] 快速测距异常: {e}") return (0.0, 0) finally: # 确保激光关闭 if self._laser_turned_on: try: self.turn_off_laser() except Exception as e: self.logger.error(f"[LASER] 关闭激光失败: {e}") # 创建全局单例实例 laser_manager = LaserManager() # ==================== 向后兼容的函数接口 ==================== def load_laser_point(): """加载激光点（向后兼容接口）""" return laser_manager.load_laser_point() def save_laser_point(point): """保存激光点（向后兼容接口）""" return laser_manager.save_laser_point(point) def turn_on_laser(): """开启激光（向后兼容接口）""" return laser_manager.turn_on_laser() def turn_off_laser(): """关闭激光（向后兼容接口）""" return laser_manager.turn_off_laser() def flash_laser(duration_ms=1000): """闪激光（向后兼容接口）""" return laser_manager.flash_laser(duration_ms) def find_red_laser(frame, threshold=150): """查找红色激光点（向后兼容接口）""" return laser_manager.find_red_laser(frame, threshold) def calibrate_laser_position(): """校准激光位置（向后兼容接口）""" return laser_manager.calibrate_laser_position()