nano智能小车1：arduino相关知识
链接: Arduino(2) Mega2560和外部设备串口通信.
arduino
arduino 串口通讯
可用引脚
RX：10，11，12，13，14，15，50，51，52，53，A8（62），A9（63），A10（64），A11（65），A12（66），A13（67），A14（68），A15（69）；
-
Serial.available()
获取到串口缓冲区接收到的字节数，最多可保存64Bytes -
Serial.begin(speed)
初始化串口，可配置串口的各项参数。speed：波特率 -
Serial.find(target)
从串口缓冲区读取数据，直至读到指定的字符串。target：需要搜寻的字符串或字符 -
Serial.flush()
等待正在发送的数据发送完成。早期版本里可用来清空接收缓冲区。 -
Serial.peek()
返回一字节的数据，但不会从接收缓冲区删除该数据 -
Serial.print(val, format)
将数据以ASCII码形式输出。val：需要输出的数据 format：数据输出的格式 -
Serial.read()
从串口读取数据，每读取一个字节，就会从接收缓冲区移除一字节的数据。 -
Serial.readBytes(buffer, length)
从接收缓冲区读取指定长度的字符，并将其存入一个数组。buffer：用于存储数据的数组(char[]或者byte[]) length：需要读取的字符长度 -
Serial.write(val)
输出数据到串口，以字节形式。val：发送的数据
nano
nano的gpio库
GPIO的BCM和BOARD编码规则
第一种编号是BOARD编号，这和树莓派电路板上的物理引脚编号相对应。使用这种编号的好处是，你的硬件将是一直可以使用的，不用担心树莓派的版本问题。因此，在电路板升级后，你不需要重写连接器或代码。
第二种编号是BCM规则，是更底层的工作方式，它和Broadcom的片上系统中信道编号相对应。在使用一个引脚时，你需要查找信道号和物理引脚编号之间的对应规则。对于不同的树莓派版本，编写的脚本文件也可能是无法通用的。
BCM 编号是树莓派上常用的 GPIO 引脚编号方式，它使用芯片上的引脚功能编号，更为常用和灵活。
board 编号使用物理引脚位置进行编号，适合于那些依赖于物理布局的项目和连接。当你需要直接指定物理引脚位置时，使用 board 编号更为直观。
选择使用 BCM 编号还是 board 编号取决于你的项目需求和个人偏好。一般来说，BCM 编号是更常用的方式，因为它提供了更大的灵活性，并且在各种树莓派模型之间保持一致。
sudo apt-get -y python-pip // 安装pip
sudo pip install rpi.gpio // 安装rpi gpio库
import RPi.GPIO as GPIO // 导入gpio库
GPIO.setmode(GPIO.BMC) // 设置gpio模式 BMC或者BOARD模式
add_event_detect和wait_for_edge()
wait_for_edge(); // 边缘检测
// 中断检测
// 参数：引脚号、边沿变化模式、回调函数、检测的时间间隔
add_event_detect(BtnPin, GPIO.BOTH, callback=detect, bouncetime=200);
python
try语法
程序执行顺序
1、普通语句逐行执行，自上而下。遇到赋值语句时，从右到左。
2、函数的执行过程
从上往下执行，参考先执行函数名，不执行函数内部，只有函数被调用时才执行。
3、类的执行是从上往下，先只执行函数名(其他部分顺序执行)
当实例化类对象时，会执行_init_，所以类的执行顺序是先执行__new__，再执行__init__，再执行普通方法，最后执行__del__
if name == ‘main’
如果if name == ‘main’ 所在模块是被直接运行的，则该语句下代码块被运行，如果所在模块是被导入到其他的python脚本中运行的，则该语句下代码块不被运行。
from和import
// # 使用import语句可以导入整个模块，然后通过模块名来访问其中的函数、类等对象。
import math // 使用math模块中的函数result = math.sqrt(25)
// 使用from import语句可以选择性地导入模块中的特定对象，而不需要通过模块名来访问。例如：
from math import sqrt //直接使用sqrt函数，无需使用模块名
= import math
sqrt=math.sqrt // from math import * 等价于 import math
result = sqrt(25)
// 使用as关键字给模块或对象起别名，以简化访问。
import math as m
result = m.sqrt(25)
logging
inspect 打印行号
import inspect
def __LINE__():
stack_t = inspect.stack()
ttt = inspect.getframeinfo(stack_t[1][0])
return ttt.lineno
def print_line_number():
frame = inspect.currentframe()
lineno = frame.f_back.f_lineno
print(f'Line {lineno}: Hello, World! ')
print(f'Line {lineno}: print("Hello, World!")')
print_line_number() // 使用时
print(f’')用法
print(f’') 是格式化字符串（f-string）的语法，它允许你在字符串中嵌入表达式，这些表达式在运行时会被其值所替换。f 或 F 前缀表示这是一个格式化字符串字面量。
在 f’’ 或 F’’ 中的大括号 {} 内，你可以放入任何有效的Python表达式。当 print 函数执行时，这些表达式会被求值，并且其结果会被插入到字符串的相应位置。
name = "Alice"
print(f"Hello, {name}!") # 输出：Hello, Alice!
x = 5
y = 10
print(f"The sum of {x} and {y} is {x + y}.") # 输出：The sum of 5 and 10 is 15.
person = {"name": "Bob", "age": 30} # 字典元素
print(f"{person['name']} is {person['age']} years old.") # 输出：Bob is 30 years old.
pi = 3.141592653589793 # 格式化数字
print(f"The value of pi is approximately {pi:.2f}.") # 输出：The value of pi is approximately 3.14.
glob 查找文件与目录
lob是python中的内置模块，该模块主要是用来查找文件与目录的。
*：匹配0个或多个字符；
**：匹配所有文件、目录、子目录和子目录里的文件（3.5版本新增）；
?：代匹配一个字符；
[]：匹配指定范围内的字符，如[0-9]匹配数字，[a-z]匹配小写字母；
glob.glob() # 返回符合匹配条件的所有文件的路径；返回类型[list]
glob.iglob() # 返回一个迭代器对象，需要循环遍历获取每个元素，得到的也是符合匹配条件的所有文件的路径；
glob.escape() # escape可以忽略所有的特殊字符，就是星号、问号、中括号；
numpy使用
array 数组
np.array() //通过传入可迭代对象创建，基本方法np.array()
>>> np.array([1,2,3,4,5]) # 列表变数组
array([1, 2, 3, 4, 5])
>>> np.array((1,2,3,4,5)) # 元组变数组
array([1, 2, 3, 4, 5])
>>> np.array(range(3)) # range变数组
array([0, 1, 2])
>>> np.array([[1,2,3],[4,5,6]]) # 二维数组
array([[1, 2, 3],
[4, 5, 6]])
>>> np.array([[1,2],[3,4]],dtype = float)
array([[1., 2.], # 创建时显式指定数据类型
[3., 4.]])
floor 返回底限
# ndarray或标量。x中每个元素的底限。如果x是标量，则这是标量。
np.floor(x, /, out=None, *, where=True,
casting='same_kind', order='K', dtype=None,
subok=True[, signature, extobj]) = <ufunc 'floor'>
arry=np.floor([1.2,3,4,5.5])
>>> arry
array([1., 3., 4., 5.])
>>> arry2=np.floor(3)
>>> arry2
3.0
random 随机种子
np.random.seed() # 设置随机种子
np.random.shuffle() # 此功能用于通过改组其内容就地修改序列。
# range创造出来的数组，不能随机。
ary = np.array([1,2,3,4,5])
>>> ary
array([1, 2, 3, 4, 5])
>>> np.random.shuffle(ary)
>>> ary
array([4, 3, 5, 1, 2])
>>>
landtxt 加载文件
# fname：输入文件的路径或已打开的文件对象。可以是文件名、文件路径或已打开的文件对象。
# dtype：输出数组的数据类型，默认为float。可以通过这个参数指定读取数据的类型，如int、float、str等。
# delimiter：数据项之间的分隔符，默认为None，表示任何空白字符（空格、换行符、制表符等）都可以作为分隔符。也可以指定具体的分隔符，如逗号,、分号;等。
# skiprows：要跳过的行数（从文件开始算起），默认为0，即不跳过任何行。如果文件中包含标题行或不需要的行，可以通过这个参数来跳过它们。
# usecols：一个整数序列或逗号分隔的字符串，用于指定要读取的列。例如，# usecols=(1, 4, 5)表示只读取第2列、第5列和第6列的数据。
# unpack：如果为True，则将数据读入结构的数组。对于具有多个列的文本文件，此选项可以将每一列读入一个单独的数组中。
#ndmin：指定输出数组的最小维度数。例如，如果数据是一维的，但希望输出为二维数组，可以设置ndmin=2。
numpy.loadtxt(fname, dtype=<class 'float'>, delimiter=None, skiprows=0, usecols=None, unpack=False, ndmin=0)
ary np.loadtxt('**/**.txt',delimiter='')
expand_dims 指定维度拓展
# a 要增加维度的数组
# 指定轴的索引，轴索引可以是正数、负数或者一个包含多个轴索引的元组。正数索引从0开始，表示从左到右的轴；负数索引从-1开始，表示从右到左的轴。当指定一个轴索引时，expand_dims会在该轴之前插入一个新的维度。
numpy.expand_dims(a, axis)
>>> ary = np.array(range(5))
>>> ary_expand = np.expand_dims(ary,axis = 0)
>>> ary.shape
(5,)
>>> ary_expand.shape
(1, 5)
Matplotlib
Matplotlib 是一个 Python 中的 2D 绘图库， pyplot 模块是一个方便使用 Matplotlib 的接口。
# 当matplotlib使用交互式后端时，可实现交互式绘图。
# 如果处于交互模式，新创建的图形将会立刻显示，修改图形（即运行新的绘图语句）时原图形会立即重绘，matplotlib.pyplot.show()不会阻塞显示。此时shell可以输入新的命令。
# 如果处于非交互模式，新创建的图形或修改图形时，图形不会立即显示（当执行matplotlib.pyplot.show()时才会显示），matplotlib.pyplot.show()会阻塞显示。此时shell不可以输入新的命令。
# 简短来说，交互模式最大的特点即每执行一个绘图命令就会重绘一次图形。
matplotlib.pyplot.isinteractive() #查询交互式绘图模式状态。
matplotlib.pyplot.ion() #开启交互式绘图模式。
matplotlib.pyplot.ioff() #关闭交互式绘图。
# 清除画板的三种表示
matplotlib.pyplot.cla() # Clear axis即清除当前图形中的当前活动轴。其他轴不受影响。
matplotlib.pyplot.clf() #清除当前 figure 的所有axes，但是不关闭这个 window，所以能继续复用于其他的 plot
matplotlib.pyplot.close() # Close a figure window
True or ‘all’：所有子图共享x/y轴
False or ‘none’：所有子图的x/y轴都是独立的。
‘row’：每行子图共享x/y轴
‘col’：每列子图共享x/y轴
subplots
默认值为True。False：函数返回值为Axes对象二维数组。True：压缩函数返回值中 ~matplotlib.axes.Axes对象的维度。
fig：~.figure.Figure对象
ax：.axes.Axes 对象或Axes对象数组。
| 参数 | 意义 |
|---|---|
| rows, ncols | 子图网格的行/列数。可选参数。整数，默认值为1。 |
| sharex, sharey | 控制子图共享x或y轴的行为。布尔值或{‘none’, ‘all’, ‘row’, ‘col’}，默认值为False。 |
| squeeze | 控制函数返回值中子图元组的维度。可选参数。布尔值， |
| subplot_kw | 用于向创建子图时的底层函数 ~matplotlib.figure.Figure.add_subplot传递关键字参数。可选参数。字典。 |
| gridspec_kw | 用于向创建子图网格时用到的 ~matplotlib.gridspec.GridSpec类的构造函数传递关键字参数。可选参数。字典。 |
| **fig_kw： | 用于向 .pyplot.figure 传递关键字参数。可选参数。字典。函数的返回值为二元组。 |
sharex,sharey:控制子图共享x或y轴的行为。布尔值或{‘none’, ‘all’, ‘row’, ‘col’}，默认值为False
- True or ‘all’：所有子图共享x/y轴
- False or ‘none’：所有子图的x/y轴都是独立的。
- ‘row’：每行子图共享x/y轴
- ‘col’：每列子图共享x/y轴
squeeze：控制函数返回值中子图元组的维度。可选参数。布尔值，默认值为True。
- 值为False：函数返回值为Axes对象二维数组。
- 值为True：压缩函数返回值中 ~matplotlib.axes.Axes对象的维度。子图数量为1，返回一个单独的Axes对象（标量）。子图结构为Nx1或 1xM ，返回一个Axes对象的一维数组。子图结构为NxM，返回一个Axes对象的二维数组。
# subplot和subplots的区别在绘制多合一显示的图时有所区别
# subplots() 既创建了一个包含子图区域的画布，又创建了一个 figure 图形对象，而 subplot() 只是创建一个包含子图区域的画布。
# 返回值是一个元组，包括一个图形对象和所有的 axes 对象。其中 axes 对象的数量等于 nrows * ncols，且每个 axes 对象均可通过索引值访问（从1开始）。子图数量为1，返回一个单独的Axes对象（标量）。子图结构为Nx1或 1xM ，返回一个Axes对象的一维数组。子图结构为NxM，返回一个Axes对象的二维数组。
# matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)
matplotlib.pyplot.figure() #绘制一个空图
matplotlib.pyplot.subplot() #绘制一个带坐标的图
matplotlib.pyplot.subplots() #绘制一个带坐标的图
argparse
import argparse # 引入argparse包
parser = argparse.ArgumentParser() # 创建参数对象
parser.add_argument() # 添加参数
args = parser.parse_args() # 类似于类的实例化，解析对象
OpenCv
读取图像
# 读取图像 filepath：要读入图片的完整路径 flags：读入图片的标志
# cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道
# cv2.IMREAD_GRAYSCALE：读入灰度图片
# cv2.IMREAD_UNCHANGED：顾名思义，读入完整图片，包括alpha通道
cv2.imread(filepath,flags)读入一副图片。
img = cv2.imread('1.jpg',cv2.IMREAD_COLOR)
显示图像
# 显示图像
# window_name：是一个字符串，表示窗口的标题。如果你用相同的名称调用多次imshow，OpenCV会显示相同的图像，而不是创建一个新的窗口。
# img：是你要显示的图像，它必须是一个有效的图像对象。
cv.imshow(window_name, img)
imgFile = "../images/imgLena.tif" # 读取文件的路径
img1 = cv2.imread(imgFile, flags=1) # flags=1 读取彩色图像(BGR)
img2 = cv2.imread(imgFile, flags=0) # flags=0 读取为灰度图像
cv2.namedWindow("canny", 0)
cv2.resizeWindow("canny", 300, 300) # 设置窗口大小
cv2.imshow("Demo1", img1) # 在窗口 "Demo1" 显示图像 img1
cv2.imshow("Demo2", img2) # 在窗口 "Demo2" 显示图像 img2
# 等待按键命令, 然后自动关闭单位为毫秒。
# 若在等待时间内按下任意键则返回按键的ASCII码，程序继续运行。
# 若没有按下任何键，超时后返回-1。参数为0表示无限等待。
key = cv2.waitKey(0)
cv2.destroyAllWindow() # 销毁所有窗口
cv2.destroyWindow(wname)# 销毁指定窗口
保存图像
# 第一个参数是要保存的文件名，第二个参数是要保存的图像。
# 可选的第三个参数，它针对特定的格式：对于JPEG，其表示的是图像的质量，用0 - 100的整数表示，默认95；对于png ,第三个参数表示的是压缩级别，默认为3。
cv2.imwrite(file，img，num)保存一个图像。
cv2.imwrite('1.png',img, [int(cv2.IMWRITE_JPEG_QUALITY), 95])
cv2.imwrite('1.png',img, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])
操作图像
# 翻转图像，flipcode控制翻转效果。
# flipcode = 0：沿x轴翻转;flipcode > 0：沿y轴翻转;flipcode < 0：x,y轴同时翻转
imgflip = cv2.flip(img,1)
# copy img
imgcopy = img.copy()
# 颜色空间转换，彩色图像转为灰度图像
img2 = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
# 灰度图像转为彩色图像
img3 = cv2.cvtColor(img,cv2.COLOR_GRAY2RGB)
窗口置顶
import win32
import win32gui
import win32con
hwnd = win32gui.FindWindow(None, label_win_name)# 获取句柄，然后置顶
CVRECT=cv2.getWindowImageRect(label_win_name)
win32gui.SetWindowPos(hwnd, win32con.HWND_TOPMOST, 0,0,CVRECT[2],CVRECT[3], win32con.SWP_SHOWWINDOW)
扫一扫
3006
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
