FT232HとMPU-9250/6500

お世話になりました。

https://qiita.com/kotai2003/items/0c96143b7d6e84629d99

https://zadig.akeo.ie/

https://learn.adafruit.com/circuitpython-on-any-computer-with-ft232h/windows

Python:datetimeモジュールで細かい時間(msec, μsec)を出したいとき

datetimeで作った時刻データでは、秒よりも細かい６桁の数字が含まれています。

単位はマイクロ秒　なので　ミリ秒で出したいときは下記のように出せます。

import datetime
import time

# 1秒のsleep時間を正確に測定する
time_init = datetime.datetime.now()
time.sleep(1.0)
time_delta = datetime.datetime.now() - time_init

# 確認
print(time_delta)
print(time_delta.seconds, "sec")
print(time_delta.microseconds, "micro sec")
print(time_delta.seconds * 1000 + time_delta.microseconds / 1000, 'msec')

import datetime

import time

# 1秒のsleep時間を正確に測定する

time_init = datetime.datetime.now()

time.sleep(1.0)

time_delta = datetime.datetime.now() - time_init

# 確認

print(time_delta)

print(time_delta.seconds, "sec")

print(time_delta.microseconds, "micro sec")

print(time_delta.seconds * 1000 + time_delta.microseconds / 1000, 'msec')

結果出力

0:00:01.000511
1 sec
511 micro sec
1000.511 msec

0:00:01.000511

1 sec

511 micro sec

1000.511 msec

numpyとlistのappendの違い

センサーから時系列で入ってくるデータを変数に格納したい時、ありますよね。

普段はlistとしてli = []のような空リストを作ってからli.append(入ってくるデータ)　でどんどんリストの要素として追加していましたが、時間方向の分解能を高めるために、numpyを使おうとすると、直感ではうまくできなかったので、メモしておきます。

numpyのappendは破壊的でないため、変数に再代入しなくてはappendの結果が反映されません。注意点はここだけです。

import numpy as np
import datetime


ar = []
li = []

for i in range(3):
    time_init = datetime.datetime.now()
    time.sleep(1.0)
    time_delta = datetime.datetime.now() - time_init
    
    ar = np.append(ar, time_delta.microseconds)
    li.append(time_delta.microseconds)

print('ar : ', ar)
print('li : ', li)

import numpy as np

import datetime

ar = []

li = []

for i in range(3):

time_init = datetime.datetime.now()

time.sleep(1.0)

time_delta = datetime.datetime.now() - time_init

ar = np.append(ar, time_delta.microseconds)

li.append(time_delta.microseconds)

print('ar : ', ar)

print('li : ', li)

python:flaskの基本２ GET, POST, PUT, DELETE

今日はflaskが実行されているサーバーのIPアドレス127.0.0.1:5000に対して、クライアントからPOSTするやりかたを見ていきます。

flaskサーバー側のスクリプト

flaskのメインスクリプトに下記の関数を追加します。

# get post put deleteを使う場合

@app.route('/post', methods=['GET', 'POST', 'PUT', 'DELETE'])
def show_post():

    # 送られてきたデータは flask.request.values に格納されている。
    return str(request.values)

# get post put deleteを使う場合

@app.route('/post', methods=['GET', 'POST', 'PUT', 'DELETE'])

def show_post():

# 送られてきたデータは flask.request.values に格納されている。

return str(request.values)

これをVScode右上の再生ボタンでRUNさせておきます。

127.0.0.1:5000でRUNし始めたはずです。

クライアント側のスクリプト

これに対して、クライアント側からPOSTするために、pythonファイルを新規作成してrequestsモジュールのpostメソドを使ってアクセスしてみます。

import requests

# flaskサーバーにrequestsモジュールを使用して
# アクセスしてみる
url = 'http://127.0.0.1:5000/post'

# ディクショナリ形式でデータを渡してみる
r = requests.post(url, data={'username': 'mike'})

# 返ってきたデータを確認する
print(r.text)

import requests

# flaskサーバーにrequestsモジュールを使用して

# アクセスしてみる

url = 'http://127.0.0.1:5000/post'

# ディクショナリ形式でデータを渡してみる

r = requests.post(url, data={'username': 'mike'})

# 返ってきたデータを確認する

print(r.text)

で、これをVScode上ではなくて、cmdを開いてそこから実行すると。

cmdでクライアント側のスクリプトを実行

C:\Users\omoiy\scripts\flask_test>python show_post_test.py

CombinedMultiDict([ImmutableMultiDict([]), ImmutableMultiDict([('username', 'mike')])])

C:\Users\omoiy\scripts\flask_test>python show_post_test.py

CombinedMultiDict([ImmutableMultiDict([]), ImmutableMultiDict([('username', 'mike')])])

(‘username’, ‘mike’)が返ってきています。

以上、GET, PUT, DELETEも同じやり方です。

flaskをちょっといじってみます。

IPアドレスは127.0.0.1:5000がデフォルトとのこと。

トップページ
トップページの下層にページ１
トップページの下層に引数付きのページ２

from flask import Flask           #クラスを作る
from flask import g               # グローバルな値を入れる
from flask import render_template 
from flask import request
from flask import Response


# グローバル宣言
app = Flask(__name__)

# トップページを作成する
@app.route('/')
def toppage():
    return 'this is the toppage!'

# トップページ以下にpage1を作成する
@app.route('/page1')
def page1():
    return 'this is the page1'

# 引数usernameを入れる場合
# 入れない場合も考慮して２個作る
@app.route('/page2')
@app.route('/page2/<username>')
def page2(username=None): # デフォルトにNoneを入れておく
    return 'user :{}'.format(username)

# メイン関数（flaskの実行）
def main():
    app.debug = True
    app.run(host='127.0.0.1', port=5000)

# メイン実行スクリプト
if __name__ == '__main__':
    main()

from flask import Flask #クラスを作る

from flask import g # グローバルな値を入れる

from flask import render_template

from flask import request

from flask import Response

# グローバル宣言

app = Flask(__name__)

# トップページを作成する

@app.route('/')

def toppage():

return 'this is the toppage!'

# トップページ以下にpage1を作成する

@app.route('/page1')

def page1():

return 'this is the page1'

# 引数usernameを入れる場合

# 入れない場合も考慮して２個作る

@app.route('/page2')

@app.route('/page2/<username>')

def page2(username=None): # デフォルトにNoneを入れておく

return 'user :{}'.format(username)

# メイン関数（flaskの実行）

def main():

app.debug = True

app.run(host='127.0.0.1', port=5000)

# メイン実行スクリプト

if __name__ == '__main__':

main()

テンプレートを使ってみます。

同層にディレクトリtemplatesを作成して、その中に下記のようなhtmlファイルを作成します。{% ○○ %} を使うとif文が使用できたりします。

<!DOCTYPE html>
<html lang="ja">
<head>
    <meta charset="UTF-8">
    <title>hello</title>
</head>
<body>

{% if username %}
Hello {{username}}

{% else %}
Hello

{% endif %}

</body>
</html>

<!DOCTYPE html>

<head>

<title>hello</title>

</head>

<body>

{% if username %}

Hello {{username}}

{% else %}

Hello

{% endif %}

</body>

</html>

pythonファイルにはrender_templateを使用して下記のようにhtmlファイルを呼び出します。

# テンプレートを使う場合 flask.render_template()
@app.route('/page3')
@app.route('/page3/<username>')
def page3(username=None):
    return render_template('hello.html', username=username)

# テンプレートを使う場合 flask.render_template()

@app.route('/page3')

@app.route('/page3/<username>')

def page3(username=None):

return render_template('hello.html', username=username)

次回は、get, post, ,put, delete をやっっていきます。

OpenCV:異物検出プログラム

Jetaon Nanoで異物を検出したいのですが、まずは使い慣れたPCで作ってみます。

カメラ

エレコム WEBカメラ 200万画素マイク内蔵 MAC対応ブラック UCAM-C0220FBNBK

2015年に買った、２０００円くらいの安物です。

レア過ぎて価格にプレミアがついていました。

インストール

参考にさせていただきました：https://www.kkaneko.jp/tools/win/cv2.html

Python3.7.7を入れました。最新の3.8.2はOpenCVが対応してない可能性があるのでやめておきました。

https://www.python.org/downloads/release/python-377/

Windows x86-64実行可能インストーラー

cmdでpythonとして、 3.7.7が起動させます。

pip listをすると

pip 19.2.3
setuptools 41.2.0
WARNING: You are using pip version 19.2.3, however version 20.0.2 is available.
You should consider upgrading via the ‘python -m pip install –upgrade pip’ command.

とバージョンアップを促されるので、

python -m pip install –upgrade pip

します。

numpyも入れてみましょう。

pip install numpy　で1.18.2が入りました。

ではVScodeを起動させて、メニュー>view > select interpriter で python 3.7.7を選択し・・・たいところですが、ありません。

一旦VScodeを起動させ（まだpython 3.7.7は表示されない。）、そしてVScode下部のターミナルで一旦pythonを起動させます。3.7.7が起動しました。

スクリプト実行を何回かさせて、numpyがないよー、と言われながら、interpriterの指定を開くと,python 3.7.7が選択できるようになっていました。

で、スクリプトを実行すると、今度はcv2がないよー、といわれましたので、cmdから

$ py -m pip install -U opencv-python

1	$ py -m pip install -U opencv-python

で入れました。opencv-python-4.2.0.34が入りました。

cmdでエラーが出るときは、Power Shellを管理者権限で開いてやってみましょう。

で、確認です。

> python
import cv2
cv2.__version__
'4.2.0'

> python

import cv2

cv2.__version__

'4.2.0'

その他のライブラリをインストール

VScodeをいじっているとpylintをいれてと促されるので

$ -m pip install -U pylint –user

いろんなライブラリも同時に勝手にはいりました。

Package Version
—————– ——–
astroid 2.3.3
colorama 0.4.3
isort 4.3.21
lazy-object-proxy 1.4.3
mccabe 0.6.1
numpy 1.18.2
opencv-python 4.2.0.34
pip 20.0.2
pylint 2.4.4
setuptools 41.2.0
six 1.14.0
typed-ast 1.4.1
wrapt 1.11.2

エラー

こんなんがでます、frame.shepeがわからないそうです。

File “c:/Users/keita/scripts/shihenDetector/main.py”, line 39, in <module>
height, width, channels = frame.shape
AttributeError: ‘NoneType’ object has no attribute ‘shape’

frame.shepe[:3]にして、カメラ番号を１から０に変更したら内蔵カメラが映りました。

webカメラをUSBに指して、カメラ番号１に戻したらこれでも映りました。

ということで[:3]は関係なかったと思われます。

画像処理

OpenCVで

案１：BGR画像→グレースケール→検査窓トリミング→現在画像→二値化

案２：BGR画像→グレースケール→検査窓トリミング→初期画像と現在画像を差分を取る→二値化

の２案をやってみましたが、結果的に案１を採用します。

案１は、背景が動いたりカメラが動いたりしたときでも、検出精度は変わらない利点があります。

案２は、初期画像と現在画像を比較するので、背景になんらかの均一でない構造があったとしても、初期画像と現在画像で比較するので異物検出のロバスト性が高くなる利点があります。しかし、背景が動いたりカメラが動いたりして、初期画像とのズレが発生するとと検出できないか検出精度が大幅に落ちます。

今回は、よりシンプルな案１でやっていきます。

結果

スクリプトを回すと自動的に時系列データがcsvファイルとして入ってきます、

グラフ化

作成されたcsvファイル読み込んでグラフ化しました。

横軸が時間、縦軸は検出された異物（黒）の画素数です。

検出画像

開始５秒の画像は異物がない、まっさらな状態です。影一つありません。

開始１５秒で5mm程度の異物を置いてみました。黒い点が現れます。

開始６０秒で1mmと5mm程度の異物を置いてみました。どちらも黒い点になって現れます。２００万画素の安物カメラでもこれだけの精度が用意に出ます。

周囲の照明コンディションが良ければ、0.5mm程度までは検出できそうです。

メインスクリプト

import numpy as np
import cv2
import datetime
import time


def interval_file_save(date, current_time, time_cnt, pixels_objects, pixels_percentile):

    # データをcsvファイルとして書き込む
    file_path = r'C:\Users\omoiy\scripts\shihenDetector\data\data.csv'
    with open(file_path, mode='a') as f:
        f.write(str(date) + ',' + str(current_time) + ',' + str(time_cnt)+ ',' + str(pixels_objects) + ',' + str(pixels_percentile) + '\n')

def onTrackber(position):
    # ２値化のスレショルド用トラックバー
    global threshold
    threshold = position
 
if __name__ == '__main__':
    # グローバル変数を定義
    ESC_KEY = 27     # Escキー
    INTERVAL= 33     # インターバル
    FRAME_RATE = 30  # フレームレートfps

    # 検出範囲を指定
    x_min = 150
    x_max = 640 - x_min
    y_min = 120
    y_max = 480 - y_min
    
    # 使用カメラの選択 1: 外部UVCカメラ
    DEVICE_ID = 1
 
    # カメラ映像を取得
    cap = cv2.VideoCapture(DEVICE_ID)
 
    # 初期フレームを読み込む
    end_flag, frame = cap.read()
    height, width, channels = frame.shape
    
    # 基準画像の定義
    img_bgr = frame
    img_gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY) # RGB to Gray:Y←0.299⋅R+0.587⋅G+0.114⋅B
    img_partial_gray = img_gray[y_min : y_max, x_min : x_max]
    img_reference = img_partial_gray

    # 初期フレームは以後のフレームより若干暗いので補正係数を掛けて調整する
    c = 1.0 # 補正係数
    img_reference = (img_reference * c ).astype('uint8') # 初期画像 以後、この画像を基準して参照する

    #２値化用トラックバー
    #cv2.namedWindow("img_diff_abs_adbinary")
    #threshold = 100  #初期値
    #cv2.createTrackbar("track", "img_diff_abs_adbinary", threshold, 255, onTrackber)

    # 画像処理
    date_init = datetime.datetime.now()
    pixels_objects = 0    # 初期値
    pixels_percentile = 0 # 初期値

    pixels_objects1 = 0    # 初期値
    pixels_percentile1 = 0 # 初期値

    # データ保存の時間間隔（インターバル）
    initial_time = datetime.datetime.now() # 初期値
    time_cnt = 0      # sec 初期値
    time_interval = 5 # sec 定期実行の時間間隔


    # OpenCV リアルタイム処理開始
    while end_flag == True:

        # 現在時間 sec
        current_time = (datetime.datetime.now() - initial_time).total_seconds()
 
        # 画像行列の取得と変換
        img_gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY)
        img_partial_gray = img_gray[y_min : y_max, x_min : x_max]

        # BGRカラー画像を表示する
        img_bgr = frame
        line_thickness = 10
        cv2.rectangle(img_bgr, (x_min-line_thickness, y_min-line_thickness),
                               (x_max+line_thickness, y_max+line_thickness),
                                color=(100,100,255), thickness = line_thickness)     
        cv2.imshow('img_bgr', img_bgr)

        # グレースケール画像を表示する    
        #cv2.imshow('img_gray', img_gray)

        # 基準画像を表示する
        cv2.imshow('img_referece', img_reference)

        # リアルタイム画像を表示する
        cv2.imshow('img_partial_gray', img_partial_gray)

        # リアルタイム画像と基準画像との差を算出して表示する (負の場合は絶対値が自動的に取られる)
        img_diff_abs = np.abs(img_partial_gray - img_reference)
        cv2.imshow('img_diff_abs', img_diff_abs)

        # リアルタイム画像と基準画像との差の２乗算出して表示する
        #img_diff_sqared = np.square(img_partial_gray - img_reference)
        #cv2.imshow('img_diff_sqared', img_diff_sqared)

        # リアルタイム画像と基準画像との差の画像をアダプティブスレッショルドで２値化する
        # img_diff_abs_adbinary = cv2.adaptiveThreshold(img_diff_abs, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 3, threshold) #アダプティブスレショルド
        # cv2.imshow("img_diff_abs_adbinary", img_diff_abs_adbinary)

        # リアルタイム画像と基準画像との差の画像を固定スレッショルドで２値化する
        ret, img_diff_abs_binary = cv2.threshold(img_diff_abs,127, 255, cv2.THRESH_BINARY) 


        # 上記img_diff_abs_binary画像の異物の画素数と割合を出力する(ただし１フレーム前)
        txt = str(time_cnt) + 's,' + str(pixels_objects) + 'pix,{:.2f}%'.format(pixels_percentile)
        cv2.putText(img=img_diff_abs_binary, text=txt, org=(10, 30),
                    fontFace=cv2.FONT_HERSHEY_PLAIN, fontScale=1.5,
                    color=(255, 255, 255), thickness=1, lineType=cv2.LINE_AA)
        
        cv2.imshow("img_diff_abs_binary", img_diff_abs_binary)



        # リアルタイム画像の画像を固定スレッショルドで２値化する
        ret, img_partial_gray_binary = cv2.threshold(img_partial_gray,127, 255, cv2.THRESH_BINARY) 

        # 上記img_partial_gray_binary画像の異物の画素数と割合を画面内に出力する(ただし１フレーム前)
        txt1 = str(time_cnt) + 's,' + str(pixels_objects1) + 'pix,{:.2f}%'.format(pixels_percentile1)
        cv2.putText(img=img_partial_gray_binary, text=txt1, org=(10, 30),
                    fontFace=cv2.FONT_HERSHEY_PLAIN, fontScale=1.5,
                    color=(0, 0, 0), thickness=1, lineType=cv2.LINE_AA)
        
        cv2.imshow("img_partial_gray_binary", img_partial_gray_binary )
        #cv2.imwrite(image_path + '.new.jpg', img)


        # ==== 異物の画素数をカウントする ====       

        # 検出窓の画素数
        pixels_window = (img_partial_gray_binary.shape[0] * img_partial_gray_binary.shape[1])

        # ---- 異物の画素数　と　割合 をターミナルに出力する ----

        # img_diff_abs_binary リアルタイム画像と基準画像との差の画像を固定スレッショルドで２値化した画像
        date = datetime.datetime.now()
        pixels_objects = np.count_nonzero(img_diff_abs_binary == 255)
        pixels_percentile = pixels_objects / pixels_window * 100
        print(date, ' : ',
              date - date_init, ' : ',
              '異物の画素数 / pixels: ', pixels_objects,
              '割合 / % : {:.2f}'.format(pixels_percentile)) 

        # img_partial_gray_binary リアルタイム画像の画像を固定スレッショルドで２値化した画像
        pixels_objects1 = np.count_nonzero(img_partial_gray_binary == 0)
        pixels_percentile1 = pixels_objects1 / pixels_window * 100
        print(date, ' : ',
              date - date_init, ' : ',
              '異物の画素数 / pixels: ', pixels_objects1,
              '割合 / % : {:.2f}'.format(pixels_percentile1)) 

        # ---- time_interval毎に定期実行する内容 ----
        if current_time >= time_cnt :

            # データをテキストデータとしてファイルに書き出す
            if time_cnt == 0:
                pixels_objects = 0 # フレーム1枚目はカメラの光量不足で大きな数値になってしまうので強制的にゼロにする
            else:
                interval_file_save(date, current_time, time_cnt, pixels_objects1, pixels_percentile1)

            # 画像データを保存する
            # file_path =  r'C:\Users\omoiy\scripts\shihenDetector\img.jpg'
            numbering = time_cnt
            file_path =  r'C:\Users\omoiy\scripts\shihenDetector\img\img_' + str(numbering) + r'.jpg'
            cv2.imwrite(file_path, img_partial_gray_binary)

            # 次回、定期実行する時刻 time_cntを更新
            time_cnt += time_interval # sec

        # Escキーで終了
        key = cv2.waitKey(INTERVAL)
        if key == ESC_KEY:
            break
 
        # 次のフレーム読み込み
        end_flag, frame = cap.read()
 
    # 終了処理
    cv2.destroyAllWindows()
    cap.release()

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

import numpy as np

import cv2

import datetime

import time

def interval_file_save(date, current_time, time_cnt, pixels_objects, pixels_percentile):

# データをcsvファイルとして書き込む

file_path = r'C:\Users\omoiy\scripts\shihenDetector\data\data.csv'

with open(file_path, mode='a') as f:

f.write(str(date) + ',' + str(current_time) + ',' + str(time_cnt)+ ',' + str(pixels_objects) + ',' + str(pixels_percentile) + '\n')

def onTrackber(position):

# ２値化のスレショルド用トラックバー

global threshold

threshold = position

if __name__ == '__main__':

# グローバル変数を定義

ESC_KEY = 27 # Escキー

INTERVAL= 33 # インターバル

FRAME_RATE = 30 # フレームレートfps

# 検出範囲を指定

x_min = 150

x_max = 640 - x_min

y_min = 120

y_max = 480 - y_min

# 使用カメラの選択 1: 外部UVCカメラ

DEVICE_ID = 1

# カメラ映像を取得

cap = cv2.VideoCapture(DEVICE_ID)

# 初期フレームを読み込む

end_flag, frame = cap.read()

height, width, channels = frame.shape

# 基準画像の定義

img_bgr = frame

img_gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY) # RGB to Gray:Y←0.299⋅R+0.587⋅G+0.114⋅B

img_partial_gray = img_gray[y_min : y_max, x_min : x_max]

img_reference = img_partial_gray

# 初期フレームは以後のフレームより若干暗いので補正係数を掛けて調整する

c = 1.0 # 補正係数

img_reference = (img_reference * c ).astype('uint8') # 初期画像以後、この画像を基準して参照する

#２値化用トラックバー

#cv2.namedWindow("img_diff_abs_adbinary")

#threshold = 100 #初期値

#cv2.createTrackbar("track", "img_diff_abs_adbinary", threshold, 255, onTrackber)

# 画像処理

date_init = datetime.datetime.now()

pixels_objects = 0 # 初期値

pixels_percentile = 0 # 初期値

pixels_objects1 = 0 # 初期値

pixels_percentile1 = 0 # 初期値

# データ保存の時間間隔（インターバル）

initial_time = datetime.datetime.now() # 初期値

time_cnt = 0 # sec 初期値

time_interval = 5 # sec 定期実行の時間間隔

# OpenCV リアルタイム処理開始

while end_flag == True:

# 現在時間 sec

current_time = (datetime.datetime.now() - initial_time).total_seconds()

# 画像行列の取得と変換

img_gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY)

img_partial_gray = img_gray[y_min : y_max, x_min : x_max]

# BGRカラー画像を表示する

img_bgr = frame

line_thickness = 10

cv2.rectangle(img_bgr, (x_min-line_thickness, y_min-line_thickness),

(x_max+line_thickness, y_max+line_thickness),

color=(100,100,255), thickness = line_thickness)

cv2.imshow('img_bgr', img_bgr)

# グレースケール画像を表示する

#cv2.imshow('img_gray', img_gray)

# 基準画像を表示する

cv2.imshow('img_referece', img_reference)

# リアルタイム画像を表示する

cv2.imshow('img_partial_gray', img_partial_gray)

# リアルタイム画像と基準画像との差を算出して表示する (負の場合は絶対値が自動的に取られる)

img_diff_abs = np.abs(img_partial_gray - img_reference)

cv2.imshow('img_diff_abs', img_diff_abs)

# リアルタイム画像と基準画像との差の２乗算出して表示する

#img_diff_sqared = np.square(img_partial_gray - img_reference)

#cv2.imshow('img_diff_sqared', img_diff_sqared)

# リアルタイム画像と基準画像との差の画像をアダプティブスレッショルドで２値化する

# img_diff_abs_adbinary = cv2.adaptiveThreshold(img_diff_abs, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 3, threshold) #アダプティブスレショルド

# cv2.imshow("img_diff_abs_adbinary", img_diff_abs_adbinary)

# リアルタイム画像と基準画像との差の画像を固定スレッショルドで２値化する

ret, img_diff_abs_binary = cv2.threshold(img_diff_abs,127, 255, cv2.THRESH_BINARY)

# 上記img_diff_abs_binary画像の異物の画素数と割合を出力する(ただし１フレーム前)

txt = str(time_cnt) + 's,' + str(pixels_objects) + 'pix,{:.2f}%'.format(pixels_percentile)

cv2.putText(img=img_diff_abs_binary, text=txt, org=(10, 30),

fontFace=cv2.FONT_HERSHEY_PLAIN, fontScale=1.5,

color=(255, 255, 255), thickness=1, lineType=cv2.LINE_AA)

cv2.imshow("img_diff_abs_binary", img_diff_abs_binary)

# リアルタイム画像の画像を固定スレッショルドで２値化する

ret, img_partial_gray_binary = cv2.threshold(img_partial_gray,127, 255, cv2.THRESH_BINARY)

# 上記img_partial_gray_binary画像の異物の画素数と割合を画面内に出力する(ただし１フレーム前)

txt1 = str(time_cnt) + 's,' + str(pixels_objects1) + 'pix,{:.2f}%'.format(pixels_percentile1)

cv2.putText(img=img_partial_gray_binary, text=txt1, org=(10, 30),

fontFace=cv2.FONT_HERSHEY_PLAIN, fontScale=1.5,

color=(0, 0, 0), thickness=1, lineType=cv2.LINE_AA)

cv2.imshow("img_partial_gray_binary", img_partial_gray_binary )

#cv2.imwrite(image_path + '.new.jpg', img)

# ==== 異物の画素数をカウントする ====

# 検出窓の画素数

pixels_window = (img_partial_gray_binary.shape[0] * img_partial_gray_binary.shape[1])

# ---- 異物の画素数　と　割合をターミナルに出力する ----

# img_diff_abs_binary リアルタイム画像と基準画像との差の画像を固定スレッショルドで２値化した画像

date = datetime.datetime.now()

pixels_objects = np.count_nonzero(img_diff_abs_binary == 255)

pixels_percentile = pixels_objects / pixels_window * 100

print(date, ' : ',

date - date_init, ' : ',

'異物の画素数 / pixels: ', pixels_objects,

'割合 / % : {:.2f}'.format(pixels_percentile))

# img_partial_gray_binary リアルタイム画像の画像を固定スレッショルドで２値化した画像

pixels_objects1 = np.count_nonzero(img_partial_gray_binary == 0)

pixels_percentile1 = pixels_objects1 / pixels_window * 100

print(date, ' : ',

date - date_init, ' : ',

'異物の画素数 / pixels: ', pixels_objects1,

'割合 / % : {:.2f}'.format(pixels_percentile1))

# ---- time_interval毎に定期実行する内容 ----

if current_time >= time_cnt :

# データをテキストデータとしてファイルに書き出す

if time_cnt == 0:

pixels_objects = 0 # フレーム1枚目はカメラの光量不足で大きな数値になってしまうので強制的にゼロにする

else:

interval_file_save(date, current_time, time_cnt, pixels_objects1, pixels_percentile1)

# 画像データを保存する

# file_path = r'C:\Users\omoiy\scripts\shihenDetector\img.jpg'

numbering = time_cnt

file_path = r'C:\Users\omoiy\scripts\shihenDetector\img\img_' + str(numbering) + r'.jpg'

cv2.imwrite(file_path, img_partial_gray_binary)

# 次回、定期実行する時刻 time_cntを更新

time_cnt += time_interval # sec

# Escキーで終了

key = cv2.waitKey(INTERVAL)

if key == ESC_KEY:

break

# 次のフレーム読み込み

end_flag, frame = cap.read()

# 終了処理

cv2.destroyAllWindows()

cap.release()

グラフ作成スクリプト

pandasとmatplotlibを使うのでインストールします。

pip install pandas

installed pandas-1.0.3 python-dateutil-2.8.1 pytz-2019.3

pip install matplotlib

installed cycler-0.10.0 kiwisolver-1.2.0 matplotlib-3.2.1 pyparsing-2.4.7

はい、ではスクリプト実行しましょう。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

file_path = r'C:\Users\omoiy\scripts\shihenDetector\data\data.csv'

df = pd.read_csv(file_path, sep=',', names=('date', 'current_time','time_cnt', 'pixels', 'ratio'))

print(df.head())
#print(df.current_time, df.time_cnt)
plt.plot(df['time_cnt'], df['pixels'], label='pixels')
plt.title('Object Pixels', fontsize=18)
plt.xlabel('Time / sec', fontsize=18)
plt.ylabel('Pixels', fontsize=18)
plt.legend(loc='best', fontsize=18)
plt.grid()
plt.show()

# time_cntとcurrent_timeとのズレを確認　: 0~70sec
# plt.plot(df.time_cnt, df.current_time-df.time_cnt)
# plt.show()

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

file_path = r'C:\Users\omoiy\scripts\shihenDetector\data\data.csv'

df = pd.read_csv(file_path, sep=',', names=('date', 'current_time','time_cnt', 'pixels', 'ratio'))

print(df.head())

#print(df.current_time, df.time_cnt)

plt.plot(df['time_cnt'], df['pixels'], label='pixels')

plt.title('Object Pixels', fontsize=18)

plt.xlabel('Time / sec', fontsize=18)

plt.ylabel('Pixels', fontsize=18)

plt.legend(loc='best', fontsize=18)

plt.grid()

plt.show()

# time_cntとcurrent_timeとのズレを確認　: 0~70sec

# plt.plot(df.time_cnt, df.current_time-df.time_cnt)

# plt.show()

以上です。

shihenDetector

Python:一定の時間間隔でプログラムを実行する方法

一定の時間間隔でプログラムを実行する方法を考える必要がありましたので、考えたスクリプトをメモしておきます。

これを使えば、OpenCVを使っているときに、while文の中で動画を取得し処理している最中に、任意のインターバルで時刻や分析データをファイルに保存することができます。

スクリプト

# ---- 一定の時間間隔でプログラムを実行する方法 ----
# interval_test.py

import datetime
import numpy as np

initial_time = datetime.datetime.now()

time_cnt = 0      # sec 初期値
time_interval = 1 # sec 定期実行の時間間隔

while True:

    # 現在時間 sec
    current_time = (datetime.datetime.now() - initial_time).total_seconds() 

    # time_interval毎に実行する
    if current_time >= time_cnt :

        # 定期実行の内容
        print('if文の中に入りました', time_cnt, current_time)

        # 次回、定期実行する時刻 time_cntを更新
        time_cnt += time_interval # sec

# ---- 一定の時間間隔でプログラムを実行する方法 ----

# interval_test.py

import datetime

import numpy as np

initial_time = datetime.datetime.now()

time_cnt = 0 # sec 初期値

time_interval = 1 # sec 定期実行の時間間隔

while True:

# 現在時間 sec

current_time = (datetime.datetime.now() - initial_time).total_seconds()

# time_interval毎に実行する

if current_time >= time_cnt :

# 定期実行の内容

print('if文の中に入りました', time_cnt, current_time)

# 次回、定期実行する時刻 time_cntを更新

time_cnt += time_interval # sec

出力結果

0.001sec つまり 0～1msec程度の遅れがあります。

私の用途では、十分許容できます。

if文の中に入りました 0 0.0
if文の中に入りました 1 1.0
if文の中に入りました 2 2.000031
if文の中に入りました 3 3.0
if文の中に入りました 4 4.0
if文の中に入りました 5 5.001031
if文の中に入りました 6 6.000024
if文の中に入りました 7 7.000025
if文の中に入りました 8 8.000025
if文の中に入りました 9 9.00003
if文の中に入りました 10 10.001025
if文の中に入りました 11 11.000001
if文の中に入りました 12 12.001025
if文の中に入りました 13 13.0
if文の中に入りました 14 14.0
if文の中に入りました 15 15.001025
if文の中に入りました 16 16.0
if文の中に入りました 17 17.0
if文の中に入りました 18 18.0
if文の中に入りました 19 19.0
if文の中に入りました 20 20.000024

if文の中に入りました 0 0.0

if文の中に入りました 1 1.0

if文の中に入りました 2 2.000031

if文の中に入りました 3 3.0

if文の中に入りました 4 4.0

if文の中に入りました 5 5.001031

if文の中に入りました 6 6.000024

if文の中に入りました 7 7.000025

if文の中に入りました 8 8.000025

if文の中に入りました 9 9.00003

if文の中に入りました 10 10.001025

if文の中に入りました 11 11.000001

if文の中に入りました 12 12.001025

if文の中に入りました 13 13.0

if文の中に入りました 14 14.0

if文の中に入りました 15 15.001025

if文の中に入りました 16 16.0

if文の中に入りました 17 17.0

if文の中に入りました 18 18.0

if文の中に入りました 19 19.0

if文の中に入りました 20 20.000024

以上

Jetson Nano: Python OpenCVからMIPIカメラへアクセスする方法

参考にさせていただきました。

https://qiita.com/tsutof/items/2d2248ec098c1b8d3e32

今回で画面が緑色になってしまう問題を解決できるか！

試運転：shellからでは映像が出力できています。

$ gst-launch-1.0 nvarguscamerasrc ! 'video/x-raw(memory:NVMM), width=1920, height=1080, format=(string)NV12, framerate=(fraction)30/1' ! nvoverlaysink -e

1	$ gst-launch-1.0 nvarguscamerasrc ! 'video/x-raw(memory:NVMM), width=1920, height=1080, format=(string)NV12, framerate=(fraction)30/1' ! nvoverlaysink -e

Python3から　nano_cam_test.py　を実行してみるとエラーが出ます。

import cv2

GST_STR = 'nvarguscamerasrc \
    ! video/x-raw(memory:NVMM), width=3280, height=2464, format=(string)NV12, framerate=(fraction)30/1 \
    ! nvvidconv ! video/x-raw, width=(int)1920, height=(int)1080, format=(string)BGRx \
    ! videoconvert \
    ! appsink'
WINDOW_NAME = 'Camera Test'

def main():
    cap = cv2.VideoCapture(GST_STR, cv2.CAP_GSTREAMER)

    while True:
        ret, img = cap.read()
        if ret != True:
            break

        cv2.imshow(WINDOW_NAME, img)

        key = cv2.waitKey(10)
        if key == 27: # ESC
            break

if __name__ == "__main__":
    main()

import cv2

GST_STR = 'nvarguscamerasrc \

! video/x-raw(memory:NVMM), width=3280, height=2464, format=(string)NV12, framerate=(fraction)30/1 \

! nvvidconv ! video/x-raw, width=(int)1920, height=(int)1080, format=(string)BGRx \

! videoconvert \

! appsink'

WINDOW_NAME = 'Camera Test'

def main():

cap = cv2.VideoCapture(GST_STR, cv2.CAP_GSTREAMER)

while True:

ret, img = cap.read()

if ret != True:

break

cv2.imshow(WINDOW_NAME, img)

key = cv2.waitKey(10)

if key == 27: # ESC

break

if __name__ == "__main__":

main()

エラー：

nak@jetson:~/scripts$ python3 nano_cam_test.py
GST_ARGUS: Creating output stream
CONSUMER: Waiting until producer is connected...
GST_ARGUS: Available Sensor modes :
GST_ARGUS: 3264 x 2464 FR = 21.000000 fps Duration = 47619048 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;

GST_ARGUS: 3264 x 1848 FR = 28.000001 fps Duration = 35714284 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;

GST_ARGUS: 1920 x 1080 FR = 29.999999 fps Duration = 33333334 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;

GST_ARGUS: 1280 x 720 FR = 59.999999 fps Duration = 16666667 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;

GST_ARGUS: 1280 x 720 FR = 120.000005 fps Duration = 8333333 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;

Error generated. /dvs/git/dirty/git-master_linux/multimedia/nvgstreamer/gst-nvarguscamera/gstnvarguscamerasrc.cpp, threadExecute:243 Stream failed to connect.
Error generated. /dvs/git/dirty/git-master_linux/multimedia/nvgstreamer/gst-nvarguscamera/gstnvarguscamerasrc.cpp, threadFunction:177 (propagating)
(Argus) Error InvalidState:  (propagating from src/eglstream/FrameConsumerImpl.cpp, function streamEventThread(), line 135)
(Argus) Error InvalidState:  (propagating from src/eglstream/FrameConsumerImpl.cpp, function streamEventThreadStatic(), line 177)
Error generated. /dvs/git/dirty/git-master_linux/multimedia/nvgstreamer/gst-nvarguscamera/gstnvarguscamerasrc.cpp, execute:654 Frame Rate specified is greater than supported
Segmentation fault (core dumped)

nak@jetson:~/scripts$ python3 nano_cam_test.py

GST_ARGUS: Creating output stream

CONSUMER: Waiting until producer is connected...

GST_ARGUS: Available Sensor modes :

GST_ARGUS: 3264 x 2464 FR = 21.000000 fps Duration = 47619048 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;

GST_ARGUS: 3264 x 1848 FR = 28.000001 fps Duration = 35714284 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;

GST_ARGUS: 1920 x 1080 FR = 29.999999 fps Duration = 33333334 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;

GST_ARGUS: 1280 x 720 FR = 59.999999 fps Duration = 16666667 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;

GST_ARGUS: 1280 x 720 FR = 120.000005 fps Duration = 8333333 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;

Error generated. /dvs/git/dirty/git-master_linux/multimedia/nvgstreamer/gst-nvarguscamera/gstnvarguscamerasrc.cpp, threadExecute:243 Stream failed to connect.

Error generated. /dvs/git/dirty/git-master_linux/multimedia/nvgstreamer/gst-nvarguscamera/gstnvarguscamerasrc.cpp, threadFunction:177 (propagating)

(Argus) Error InvalidState: (propagating from src/eglstream/FrameConsumerImpl.cpp, function streamEventThread(), line 135)

(Argus) Error InvalidState: (propagating from src/eglstream/FrameConsumerImpl.cpp, function streamEventThreadStatic(), line 177)

Error generated. /dvs/git/dirty/git-master_linux/multimedia/nvgstreamer/gst-nvarguscamera/gstnvarguscamerasrc.cpp, execute:654 Frame Rate specified is greater than supported

Segmentation fault (core dumped)

たぶん、カメラが対応している解像度と違うからでしょう。

直してみましょう。

Jetson Nano: OpenCV 4.1.0をインストールする

やっていきましょう。

参考にさせていただきました。

https://qiita.com/daisuzu_/items/8cc8de8ea8dc557a2aad
https://qiita.com/wawoon/items/f61338d6e11a8e9521a4
https://pysource.com/2019/08/26/install-opencv-4-1-on-nvidia-jetson-nano
https://qiita.com/tsutof/items/2d2248ec098c1b8d3e32

自動インストールのシェルスクリプトを保存

下記、シェルスクリプトをファイル名 install_opencv4.1.0_Nano.shとしてホームディレクトリに保存します。まだ保存するだけです。

#==== Shell script for OpenCV 4.1.0 Installation ====
# File Name : install_opencv4.1.0_Nano.sh




## Update the packages

sudo apt update
sudo apt install -y nano
sudo apt install -y build-essential cmake git libgtk2.0-dev pkg-config  libswscale-dev libtbb2 libtbb-dev
sudo apt install -y python-dev python3-dev python-numpy python3-numpy
sudo apt install -y curl


## Install video &amp; image formats:
sudo apt install -y  libjpeg-dev libpng-dev libtiff-dev libjasper-dev 
sudo apt install -y libavcodec-dev libavformat-dev
sudo apt install -y libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev
sudo apt install -y libv4l-dev v4l-utils qv4l2 v4l2ucp libdc1394-22-dev


## Download OpenCV and Contrib
curl -L https://github.com/opencv/opencv/archive/4.1.0.zip -o opencv-4.1.0.zip
curl -L https://github.com/opencv/opencv_contrib/archive/4.1.0.zip -o opencv_contrib-4.1.0.zip
unzip opencv-4.1.0.zip
unzip opencv_contrib-4.1.0.zip 
cd opencv-4.1.0/


## Create directory
mkdir release
cd release


## Build
cmake \
-D WITH_CUDA=ON \
-D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib-4.1.0/modules \
-D WITH_GSTREAMER=ON \
-D WITH_LIBV4L=ON \
-D BUILD_opencv_python2=ON \
-D BUILD_opencv_python3=ON \
-D BUILD_TESTS=OFF \
-D BUILD_PERF_TESTS=OFF \
-D BUILD_EXAMPLES=OFF \
-D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local ..

## Install OpenCv using 4 cores
make -j4
sudo make install

## Delete zip files
cd ~
rm opencv-4.1.0.zip 
rm opencv_contrib-4.1.0.zip

#==== Shell script for OpenCV 4.1.0 Installation ====

# File Name : install_opencv4.1.0_Nano.sh

## Update the packages

sudo apt update

sudo apt install -y nano

sudo apt install -y build-essential cmake git libgtk2.0-dev pkg-config libswscale-dev libtbb2 libtbb-dev

sudo apt install -y python-dev python3-dev python-numpy python3-numpy

sudo apt install -y curl

## Install video & image formats:

sudo apt install -y libjpeg-dev libpng-dev libtiff-dev libjasper-dev

sudo apt install -y libavcodec-dev libavformat-dev

sudo apt install -y libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev

sudo apt install -y libv4l-dev v4l-utils qv4l2 v4l2ucp libdc1394-22-dev

## Download OpenCV and Contrib

curl -L https://github.com/opencv/opencv/archive/4.1.0.zip -o opencv-4.1.0.zip

curl -L https://github.com/opencv/opencv_contrib/archive/4.1.0.zip -o opencv_contrib-4.1.0.zip

unzip opencv-4.1.0.zip

unzip opencv_contrib-4.1.0.zip

cd opencv-4.1.0/

## Create directory

mkdir release

cd release

## Build

cmake \

-D WITH_CUDA=ON \

-D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib-4.1.0/modules \

-D WITH_GSTREAMER=ON \

-D WITH_LIBV4L=ON \

-D BUILD_opencv_python2=ON \

-D BUILD_opencv_python3=ON \

-D BUILD_TESTS=OFF \

-D BUILD_PERF_TESTS=OFF \

-D BUILD_EXAMPLES=OFF \

-D CMAKE_BUILD_TYPE=RELEASE \

-D CMAKE_INSTALL_PREFIX=/usr/local ..

## Install OpenCv using 4 cores

make -j4

sudo make install

## Delete zip files

cd ~

rm opencv-4.1.0.zip

rm opencv_contrib-4.1.0.zip

メモリ領域の確保

メモリ領域を確保するために下記４つを、順番にやりますが、一つ一つに時間がかかりますので、進まないからといってターミナルを４つ開かないように！（やって失敗したのは私だけで十分です。）

$ sudo dd if=/dev/zero of=/swapfile bs=1M count=6144

1	$ sudo dd if=/dev/zero of=/swapfile bs=1M count=6144

$ sudo chmod 600 /swapfile

1	$ sudo chmod 600 /swapfile

$ sudo mkswap /swapfile

1	$ sudo mkswap /swapfile

$ sudo swapon /swapfile

1	$ sudo swapon /swapfile

で、この４つではOpenCV4.1.2もOpenCV4.1.1もうまくいかなかったので、気を取り直して下記の３つをやりました。

おそらく、上記４つは必要ないと思いますので試しに飛ばしてみてください。（リブートしなかったのが良くなかったのか？したかどうかも覚えてませんｗ）

目的は同様にメモリの確保で、４GBでよいっぽい。デフォルトが２GBなので　式中の割る２を削除すればOKです。

$ sudo apt-get install zram-config

1	$ sudo apt-get install zram-config

$ sudo sed -i -e "s/mem=\$(((totalmem \/ 2 \/ \${NRDEVICES}) \* 1024))/mem=\$(((totalmem \/ \${NRDEVICES}) \* 1024))/g" /usr/bin/init-zram-swapping

1	$ sudo sed -i -e "s/mem=\$(((totalmem \/ 2 \/ \${NRDEVICES}) \* 1024))/mem=\$(((totalmem \/ \${NRDEVICES}) \* 1024))/g" /usr/bin/init-zram-swapping

$ sudo reboot

1	$ sudo reboot

リブートできたら、コンパイル～インストールしましょう。

# Move to home directory
$ cd ~

1 2	# Move to home directory $ cd ~

# インストールのシェルスクリプトを実行します
$ sh install_opencv4.1.0_Nano.sh opencv

1 2	# インストールのシェルスクリプトを実行します $ sh install_opencv4.1.0_Nano.sh opencv

Pythonでインポートして確認

import cv2してprint(cv.__version__)で

4.1.0と出力されたらOKです。

課題：MIPIカメラが使えない

・pythonからvideoCapture(0)したところ、MIPIカメラでは緑一色の画面しか出力されない。numpy.arrayなのでRGBを確認すると、きれいにすべての画素でR, G, B =[0, 255, 0] ですw　助けてくださいｗ

・安物のwebカメラではvideoCapture(1)したところ、問題なく映像が出力されています。ついでに顔認識などやってみましたが問題なし。

うーん、このままUVCカメラしか使えないのも尺ですしねえ。せっかくの800万画素のソニーIMX219センサが無駄になってしまう・・・

解決法ありましたら、コメントお願いします🙏

いつか4.1.2を入れられるようになりたいです。

Jetson Nano:カメラの試運転

使ったカメラ

SainSmart IMX219 AIカメラモジュールNVIDIA Jetson Nanoボード用8MPセンサー77度FoV

商品の謳い文句です

このカメラモジュールはNVIDIA Jetson Nano BoardとRaspberry PI CM3用に設計されています。
800万画素のIMX219センサーを搭載し、77度の視野を備えています。（ドライブボードは不要になりました。）
1080 p @ 30 fps、720 p @ 60 fpsおよび640 x 480 p 60/90ビデオ録画をサポートします。電源インターフェースにより、3.3Vの出力電源にも対応しています。
このカメラモジュールは、AIインテリジェント認識、顔認識、道路識別線認識、ナンバープレート認識などに広く使用されています。
1年間の保証：製品についてご質問がある場合は、電子メールでお気軽にお問い合わせください。不良品が届く場合、または非人為的な故障が出る場合、無料交換できます。

パラメータ

CMOSサイズ：1/4インチ
絞り（F）：2.8
焦点距離：2.4mm
視野：77度
歪み：<1％
解像度：3280 x 2464
4つのネジ穴：定位置用
サイズ：25mm×24mm×19mm

パッケージ一覧

1×SainSmart IMX219 AIカメラモジュール「発送重量：0.02kg」

マニュアル

http://wiki.sainsmart.com/index.php/101-40-249

カメラが機能するか確認します

カメラモジュールが正しく認識していると /dev/video0 というディレクトリが自動的に作成されますのでcd で確認してみましょう。

同時にwebカメラを接続してみたところvideo1というディレクトリも作成されました。

デスクトップにカメラ画像を映し出すには

$ nvgstcapture

と打ちます。

参考にさせていただきました。

http://www.neko.ne.jp/~freewing/raspberry_pi/nvidia_jetson_nano_setup_raspberry_pi_camera_module_v2/

2025年1月
月	火	水	木	金	土	日
		1	2	3	4	5
6	7	8	9	10	11	12
13	14	15	16	17	18	19
20	21	22	23	24	25	26
27	28	29	30	31