解魔方机器人[四]-建立模型（下）

xvholly

4.3 调整顺序

虽然魔方每个面都扫描完了，但是有没有发现什么问题？没错，色块的顺序有点乱，通常我们习惯下面这种顺序来表示：

1.                    +--5--+
   
2.                    |0 1 2|
   
3.                    |3 4 5|
   
4.                    |6 7 8|
   
5. +--0--+--1--+--2--+--3--+
   
6. |0 1 2|0 1 2|0 1 2|0 1 2|
   
7. |3 4 5|3 4 5|3 4 5|3 4 5|
   
8. |6 7 8|6 7 8|6 7 8|6 7 8|
   
9. +-----+-----+-----+--4--+
   
10.                    |0 1 2|
    
11.                    |3 4 5|
    
12.                    |6 7 8|
    
13.                    +-----+

复制代码

调整顺序其实就是某两个色块进行对调，同样并没有什么难度，需要的只是耐心和细心。

程序设计

1. # 输入未排序的魔方
   
2. def scan_reshape(orignal):
   
3.   result = np.zeros((6,9), np.uint8)
   
4.   for i in range(6):
   
5.     if i < 4:
   
6.       result[i,0] = orignal[i,4]
   
7.       result[i,1] = orignal[i,1]
   
8.       result[i,2] = orignal[i,2]
   
9.       result[i,3] = orignal[i,0]
   
10.       result[i,4] = orignal[i,3]
    
11.       result[i,5] = orignal[i,6]
    
12.       result[i,6] = orignal[i,7]
    
13.       result[i,7] = orignal[i,8]
    
14.       result[i,8] = orignal[i,5]
    
15.     else:
    
16.       result[i,0] = orignal[i,4]
    
17.       result[i,1] = orignal[i,8]
    
18.       result[i,2] = orignal[i,5]
    
19.       result[i,3] = orignal[i,2]
    
20.       result[i,4] = orignal[i,1]
    
21.       result[i,5] = orignal[i,0]
    
22.       result[i,6] = orignal[i,3]
    
23.       result[i,7] = orignal[i,6]
    
24.       result[i,8] = orignal[i,7]
    
25. 
    
26.   # 返回排好顺序的魔方
    
27.   return result

复制代码

4.4 建立模型程序设计

1. # 扫描3遍取平均值作为扫描结果，按照顺序建立魔方模型
   
2. def buildup_cube_module():
   
3.   for i in range(3):
   
4.     ev3_tmp = scan_every_side()
   
5.     ev3_arr_rgb += ev3_tmp/3
   
6. 
   
7.   # RGB转HSV
   
8.   ev3_arr_hsv = cv2.cvtColor(ev3_arr_rgb, cv2.COLOR_RGB2HSV)
   
9. 
   
10.   # 取H值作为颜色区分的特征值
    
11.   ev3_arr_h = ev3_arr_hsv[:,:,0]
    
12.   h = ev3_arr_h.reshape(6*9)
    
13. 
    
14.   # 按照H值所处排序位置，确定色块的颜色类别
    
15.   pos = sort_pos(h).reshape(6, 9)
    
16. 
    
17.   # 9种颜色分别用0-8的数字表示
    
18.   for i in range(6):
    
19.     for j in range(9):
    
20.       h[pos[i,j]] = i
    
21.   ev3_arr_h = h.reshape(6, 9)
    
22.   ev3_cube = scan_reshape(ev3_arr_h)
    
23. 
    
24.   # 返回魔方模型
    
25.   return ev3_cube

复制代码

4.5 引申阅读

下面这种方法通过RGB颜色空间进行色块划分，虽然我并没有采用，但从理论上我觉得是说得通的，感兴趣的同学可以看看并试验。

由于魔方需要识别的颜色和色块（点）也较少，因此可以考虑直接采用与每个面中心点的RGB值比较的方式进行归类。

当魔方转动时，其6个面中心点的绝对位置其实是不发生变化的。如果你把魔方安装下面这个方向放置，会发现无论怎样转动上面（UP）的中心点永远是白色、前面（FRONT）的中心点永远是绿色……

而RGB值的色彩空间模型实际上是一个以R、G、B为坐标轴值的一个正方体。这样可以想象6个面中心点的颜色也就分布在这个正方体的6个位置。

其余的48个色块所对应的RGB值，应该与各中心点之一的值接进，比如：所有白色色块的RGB值与上面（UP）中心点的值基本接近、所有绿色色块的RGB值与前面（FRONT）中心点的值基本接近……这种颜色的接近反映在RGB空间模型上，可以很好的理解为正方体上面有6×8个点分别与此前6个点的距离比较近。而这个距离又可以理解为三维空间的欧几里得距离，通过公式容易计算得出：

1. 颜色差异 =  √((色块R值-中心R值)^2 + (色块G值-中心G值)^2 + (色块G值-中心G值)^2)

复制代码

再对这48个差异值从小到大排序，前8位的色块就是与该中心点颜色相同的色块。

写在本章最后

如果你分步骤的执行程序会发现一个问题，就是色彩传感器经常无法对准每一个魔方色块，这也就直接导致了无法准确扫描到该色块的颜色，造成识别误差。这个问题目前还没有更好的解决办法，即使采用原作者的程序解开的成功率也并不高，原因就在于此。可以使用的办法就是多扫描几遍，或者在扫描时多取几个扫描点，最终取平均值作为扫描结果。

avartar

谢谢分享