Tuberías SnapScript de Python

Con la programación en Python, puedes utilizar todo el poder de OpenCV para construir rápidamente tus propias tuberías. El intérprete de Python está integrado en el backend C++ de Limelight, por lo que los errores y fallos se manejan con elegancia.

Las tuberías regulares de SnapScript se programan directamente en la interfaz web de Limelight.

Limelight se encarga del hardware, la interfaz de la cámara, la red, la transmisión y el preprocesamiento básico de imágenes. Todo lo que necesitas hacer es escribir una función de Python llamada runPipeline().

• Una de las características más importantes que ofrecemos es la mira de un solo clic. La mira, la mira dual, tx, ty, ta, ts, tvert y todas las demás lecturas estándar de NetworkTables de Limelight se enganchará automáticamente al contorno que devuelvas de la función runPipeline() de Python.
• Escribe tus propias visualizaciones en tiempo real, umbralización, filtrado, y evita nuestro backend por completo si lo deseas.
  • La programación en Python de Limelight tiene acceso a las bibliotecas completas de OpenCV y numpy.
  • Más allá del acceso a la imagen, la función runPipeline() también tiene acceso a los datos del robot. Los equipos de FTC pueden usar updatePythonInputs() y los equipos de FRC pueden actualizar el array de números "llrobot" de NetworkTables. Envía cualquier dato de tus robots a tus scripts de Python para visualización o aplicaciones avanzadas (Se podría enviar datos de IMU, datos de pose, velocidad del robot, etc. para usar en scripts de Python)
  • La función runPipeline también genera un array de números accesible con getPythonOutputs() y desde el array de números "llpython" de NetworkTables. Esto significa que puedes evitar por completo la mira de Limelight y otras funcionalidades y enviar tus propios datos personalizados de vuelta a tus robots.
  • Los scripts de Python están aislados dentro de nuestro entorno C++, por lo que no tienes que preocuparte por los fallos. Los cambios en los scripts se aplican instantáneamente, y cualquier mensaje de error se imprime directamente en la interfaz web.

Script Python mínimo de Limelight

    import cv2
    import numpy as np

    # runPipeline() es llamada en cada fotograma por el backend de Limelight.
    def runPipeline(image, llrobot):
        # convierte la imagen de entrada al espacio de color HSV
        img_hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
        # convierte el HSV a una imagen binaria eliminando cualquier píxel 
        # que no caiga dentro de los siguientes valores Min/Max de HSV
        img_threshold = cv2.inRange(img_hsv, (60, 70, 70), (85, 255, 255))
    
        # encuentra contornos en la nueva imagen binaria
        contours, _ = cv2.findContours(img_threshold, 
        cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
        largestContour = np.array([[]])

        # inicializa un array vacío de valores para enviar de vuelta al robot
        llpython = [0,0,0,0,0,0,0,0]

        # si se han detectado contornos, dibújalos 
        if len(contours) > 0:
            cv2.drawContours(image, contours, -1, 255, 2)
            # registra el contorno más grande
            largestContour = max(contours, key=cv2.contourArea)

            # obtiene el rectángulo delimitador no rotado que rodea el contorno
            x,y,w,h = cv2.boundingRect(largestContour)

            # dibuja el rectángulo delimitador no rotado
            cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,255),2)

            # registra algunos datos personalizados para enviar de vuelta al robot
            llpython = [1,x,y,w,h,9,8,7]  
    
        # devuelve el contorno más grande para la mira de LL, la imagen modificada y los datos personalizados del robot
        return largestContour, image, llpython