openmv色块识别显示距离代码

以下是一个简单的OpenMV色块识别示例代码，用于检测红色色块，并且根据色块在图像中所占比例计算目标距离。注意：该代码需要在OpenMV IDE中运行，并且需要将OpenMV连接到计算机。

import sensor, image, time, pyb, math

# 设置红色色块的阈值
red_threshold = (30, 100, 15, 127, 15, 127)

# 设置目标物体的实际尺寸
target_width_mm = 40

# 设置摄像头的视角角度
h_fov = 68.8 # 水平视角角度
v_fov = 51.8 # 垂直视角角度

# 初始化摄像头
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.skip_frames(time = 2000)
sensor.set_auto_gain(False)
sensor.set_auto_whitebal(False)

# 初始化串口通信
uart = pyb.UART(3, 9600, timeout_char = 1000)

# 计算像素点到实际距离的转换系数
def pixel_to_distance(pixel_width):
    focal_length_mm = (sensor.width() / 2) / math.tan(math.radians(h_fov/2))
    distance_mm = (target_width_mm * focal_length_mm) / pixel_width
    return distance_mm

# 执行色块识别
while True:
    img = sensor.snapshot()
    blobs = img.find_blobs([red_threshold])

    # 如果检测到色块
    if blobs:
        # 获取最大的色块
        max_blob = max(blobs, key = lambda b: b.pixels())

        # 计算色块在图像中所占比例，并且转换为实际距离
        pixel_width = max_blob.w()
        distance_mm = pixel_to_distance(pixel_width)

        # 发送距离信息到计算机
        uart.write("Distance: %d mm\r\n" % distance_mm)

    # 等待下一帧
    time.sleep(10)

在上面的代码中，我们首先设置了红色色块的阈值，并且初始化了摄像头和串口通信。然后，在主循环中，我们使用`find_blobs()`函数检测图像中的色块，并且获取最大的色块。然后，我们计算该色块在图像中所占比例，并且使用`pixel_to_distance()`函数将其转换为实际距离。最后，我们将距离信息发送到计算机。