OpenMV4 Cam H7 R2

OpenMV Cam — це невелика плата з мікроконтролером та низьким енергоспоживанням, яка дозволяє легко впроваджувати застосунки з використанням машинного зору в реальному світі. Ви програмуєте OpenMV Cam за допомогою скриптів мовою Python високого рівня (завдяки операційній системі MicroPython), а не на C/C++. Це спрощує роботу зі складними вихідними даними алгоритмів машинного зору та роботу з високорівневими структурами даних. Однак у Python ви все ще маєте повний контроль над вашим OpenMV Cam та його ввідними/вивідними пінами. Ви можете легко ініціювати зйомку фотографій та відео за зовнішніми подіями або виконувати алгоритми машинного зору, щоб визначити, як керувати вашими ввідними/вивідними пінами.

OpenMV Cam має такі особливості:

• STM32H743VIПроцесор ARM Cortex M7 з тактовою частотою 480 МГц, об'ємом оперативної пам'яті 1 МБ та флеш-пам'яттю 2 МБ. Усі вхідно-вихідні контакти видають напругу 3,3 В і стійкі до 5 В. Процесор має такі інтерфейси введення-виведення:
• • Повношвидкісний USB (12 Мбіт/с) інтерфейс для підключення до комп'ютера. Ваша камера OpenMV Cam при підключенні з'являтиметься як віртуальний COM-порт та USB-накопичувач.
  • Роз'єм для карти μSD зі здатністю читання/запису 100 Мбіт/с, що дозволяє вашій камері OpenMV робити знімки та легко завантажувати ресурси машинного зору з карти μSD.
  • Шина SPI, що може працювати зі швидкістю до 80 Мбіт/с, дозволяє легко передавати дані зображення з системи на LCD Shield, WiFi Shield або інший мікроконтролер.
  • Шина I2C (до 1 Мб/с), шина CAN (до 1 Мб/с) та асинхронна послідовна шина (TX/RX, до 7,5 Мб/с) для взаємодії з іншими мікроконтролерами та датчиками.
  • 12-розрядний АЦП та 12-розрядний ЦАП.
  • Три вхідно-вихідних контакти для керування сервоприводами.
  • Переривання та ШІМ на всіх вхідно-вихідних контактах (на платі є 10 вхідно-вихідних контактів).
  • А також, світлодіод RGB та два потужні інфрачервоні світлодіоди з довжиною хвилі 850 нм.
• Система знімного модуля камери з підтримкою 8-бітного паралельного інтерфейсу, що дозволяє OpenMV Cam H7 працювати з різними сенсорами:
• • OpenMV Cam H7 постачається зMT9M114Матриця здатна робити знімки розміром 640x480 пікселів у 8-бітному відтінках сірого або 8-бітному BAYER форматі зі швидкістю 40 кадрів на секунду при роздільній здатності вище 320x240 та 80 кадрів на секунду при нижчій роздільній здатності. Більшість простих алгоритмів працюватимуть зі швидкістю 40-80 кадрів на секунду при роздільній здатності QVGA (320x240) та нижче. Ваша матриця постачається з об'єктивом 2,1 мм на стандартному кріпленні M12. Якщо ви бажаєте використовувати спеціалізованіші об'єктиви з вашою матрицею, ви можете легко придбати та встановити їх самостійно.
  • Для професійних застосувань машинного зору ви можете придбати наш SingTownглобальний затвор камери модуль mt9V034SingTown
  • Для інфрачервоних термографічних застосувань машинного зору ви можете придбати нашFLIR Lepton модуль тепловізійної зйомкиSingTown
• 3.7V інтерфейс літій-іонного акумулятора, ви можете придбати наш SingTown3.7V-1000MAH літій-іонний акумулятор

Для отримання додаткової інформації про OpenMV Cam відвідайте:https://singtown.com/openmv/

Застосунки

Наразі камера OpenMV може використовуватися для наступного (і це ще не все):

• Нейронна мережа для виявлення об'єктів
• • Ви можете використовувати OpenMV для навчання нейронних мереж для розпізнавання об'єктів, навчаючи будь-яку ціль, яку ви хочете виявити. Наприклад, різні цифри, різні фрукти, різні маркери, різні деталі або будь-які конкретні нерегулярні цілі можна навчити розпізнавати номер, координати та назву типу об'єкта конкретних цілей.
  • Ви можете виявляти дорожні знаки на наших реальних дорогах за допомогою наших відеоуроків, наприклад, "гудіння заборонено", "стоянка заборонена", "обмеження швидкості 80" тощо./learn/50918
• Класифікація нейронної мережі
• • Ви можете використовувати OpenMV для навчання нейронних мереж для розпізнавання об'єктів, навчаючи будь-яку ціль, яку ви хочете виявити. Наприклад, різні цифри, різні фрукти, різні маркери, різні деталі або будь-які конкретні нерегулярні цілі можна навчити розпізнавати номер, координати та назву типу об'єкта конкретних цілей.
  • Він може класифікувати, чи носить людина маску, на основі нашого відеоуроку./learn/50872
• TensorFlow Lite для мікроконтролерів
• • Підтримка TensorFlow Lite дозволяє запускати власні моделі класифікації зображень та сегментації на камері OpenMV. За допомогою TensorFlow Lite ви можете легко класифікувати складні ділянки на зображенні та керувати контактами 1/0 на основі того, що бачите.

• Різниця кадрів
• • Ви можете використовувати алгоритм порівняння кадрів на OpenMV Cam для виявлення руху в сцені. Порівняння кадрів може застосовуватися в системах безпеки.
• Відстеження кольору
• • Ви можете використовувати OpenMV для одночасного виявлення до 16 кольорів на зображенні (хоча вам навряд чи знадобиться знаходити більше 4 кольорів), і кожен колір може мати будь-яку кількість різних плям. OpenMV повідомить вам про положення, розмір, центр та орієнтацію кожної плями. Використовуючи відстеження кольору, ваш OpenMV Cam можна запрограмувати для відстеження сонця, слідування лініям, відстеження цілей тощо. Відеодемонстрація:/learn/49993

• Відстеження маркерів
• • Ви можете використовувати OpenMV Cam для виявлення груп кольорів, а не окремих кольорів. Це дозволяє розміщувати кольорові мітки (етикетки з двома або більше кольорами) на об'єктах, і OpenMV захопить вміст позначених об'єктів.
• Виявлення обличчя
• • Ви можете використовувати OpenMV Cam для виявлення облич (або будь-яких загальних об'єктів). Ваша камера OpenMV здатна обробляти шаблони Haar для загального виявлення об'єктів і має вбудовані шаблони Haar для фронтального обличчя та очей для виявлення облич та очей./learn/50013

• Відстеження погляду
• • Ви можете використовувати відстеження погляду для визначення напрямку чийогось погляду. Ви можете використовувати його для керування роботами. Відстеження погляду визначає положення зіниці, одночасно перевіряючи наявність очей на зображенні.
• Виявлення осіб
• • Ви можете використовувати вбудований детектор осіб (модель TensorFlow Lite) для визначення наявності людей у полі зору.

• Optical Flow
• • Ви можете використовувати оптичний потік для виявлення руху перед вашою камерою OpenMV. Наприклад, ви можете застосувати оптичний потік на квадрокоптері для підтримки стабільності у повітрі.

• Виявлення/декодування QR-коду
• • Ви можете використовувати OpenMV Cam для зчитування QR-кодів у його полі зору. Завдяки виявленню/декодуванню QR-кодів ви можете налаштувати розумних роботів на зчитування міток у їхньому середовищі.

• Виявлення/декодування Data Matrix
• • OpenMV Cam також може виявляти та декодувати коди Data Matrix (двовимірні штрих-коди). Ви можете переглянути наше відео тут.
• Декодування лінійних штрих-кодів
• • OpenMV Cam також може обробляти 1D штрих-коди. Він може декодувати EAN2, EAN5, EAN8, UPCE, ISBN10, UPCA, EAN13, ISBN13, I25, DATABAR, DARABAR_EXP, CODABAR, CODE39, CODE93 та CODE128. Перегляньте наше відео тут:/learn/50017

• Відстеження AprilTag
• • Ще краще, ніж QR-коди вище, OpenMV Cam також може відстежувати AprilTags. AprilTags — це передові маркери-орієнтири, які є інваріантними до обертання, масштабу, зсуву та освітлення. Перегляньте наше відео тут:/learn/49590

• Визначення лінії
• • OpenMV Cam може швидко виконувати виявлення нескінченних ліній, працюючи майже на повній частоті кадрів. Він також може знаходити відрізки не нескінченних ліній. Ви можете переглянути наше відео тут:/learn/50009
• Виявлення кіл
• • Ви можете легко використовувати OpenMV для виявлення кіл на зображеннях.

• Виявлення прямокутників
• • OpenMV також може виявляти прямокутники, використовуючи код виявлення квадратів з бібліотеки AprilTag.

• Шаблонне співставлення
• • Ви можете використовувати шаблонне співставлення OpenMV для виявлення наявності зображень, схожих на шаблон, у полі зору. Наприклад, шаблонне співставлення можна застосовувати для пошуку маркерів на друкованих платах або зчитування відомих цифр на дисплеях.
• Захоплення зображення
• • Ви можете використовувати OpenMV для захоплення зображень у форматах RGB565/відтінки сірого BMP/JPG/PPM/PGM. Ви можете безпосередньо керувати процесом захоплення зображень у скриптах Python. Найважливіше, ви можете застосовувати алгоритми машинного зору для малювання ліній, написання символів та подальшого збереження.

• Запис відео
• • Ви можете використовувати камеру OpenMV для запису RGB565/відтінків сірого відео у форматі MJPEG або зображень GIF (або RAW-відео). Ви можете безпосередньо керувати тим, як записується кожен кадр відео у скриптах Python, і мати повний контроль над моментом початку та завершення запису відео. Також, як і при фотографуванні, ви можете використовувати алгоритми машинного зору для малювання ліній, символів, а потім зберегти результат.

Нарешті, усі перелічені функції можна поєднати з керуванням через введення-виведення для роботи з вашими власними застосунками, щоб взаємодіяти з реальним світом.