v3.0.0

v3.0.0 是重大的 v2 → v3 版本。它引入了 OpenMV Cam M7（STM32F7）以及新的 nn CMSIS-NN 神經網路模組（取代舊有的硬編碼 find_number() / classify_object() 方法），新增了 MT9V034 全域快門 與 FLIR Lepton 感測器支援、sensor.WVGA 影格大小，並將核心更新至 MicroPython 1.9.4。多項 image / sensor / WiFi 行為已變更——請閱讀下方的破壞性變更說明。

重點摘要

  • OpenMV Cam M7——全新的 STM32F7 主機板。

  • nn 模組——CMSIS-NN 推論：nn.load()、Net.forward()、Net.search()，並附有模型轉換器與範例。

  • 新感測器——MT9V034 全域快門（FSIN 觸發）與 FLIR Lepton。

  • MicroPython 1.9.4 核心更新。

  • 破壞性變更： 硬編碼的 image.find_number() / image.classify_object() 已被移除，sensor.sleep() 現在會引發例外，WINC sockets 會回傳真實的位元組數，image.binary() 會回傳一個新影像，且 find_apriltags() 上限為 64K 像素——請參閱破壞性變更說明。

新功能

  • nn——全新的 CMSIS-NN 神經網路模組：nn.load(path)、Net.forward(img, roi=, softmax=, dry_run=)（回傳 0.0–1.0 的浮點數）、用於多尺度／位置偵測的 Net.search()，以及 Net.test()，外加一個 CMSIS-NN 模型轉換器（nn_convert.py / nn_quantizer.py）、隨附的 CIFAR-10 / LeNet / smile 模型，以及 NN / NN-search 範例指令碼。

  • 感測器——OpenMV 4 上的 MT9V034 全域快門支援（FSIN 觸發的快照）、具有 Lepton 快照功能的更新版 FLIR Lepton 驅動程式，以及新的 sensor.WVGA（720x480）/ sensor.WVGA2（752x480）影格大小。

  • 影像處理——image.find_circles() 新增了 r_min / r_max / r_step 關鍵字（更快的 Hough），find_keypoints() 與 Haar 的 find_features() 現在皆可接受 RGB 影像，且 image.compress() / JPEG 編碼現在支援二值（點陣圖）影像。

  • 開機——boot.py 現在會在 USB 初始化之前執行，因此可以覆寫 USB 模式（例如 HID）。

  • 範例——新增了小尺寸／高解析度的 AprilTag 範例、一個 I2C LIDAR-Lite V3 範例，以及資料集工具（augment_images.py / make_patches.py）。

其他變更與改進

  • 將隨附的 MicroPython 更新至 1.9.4（含 pyexec parse/compile/exec 還原與 PendSV 修正）；更清楚的 fb_alloc / xalloc 記憶體不足錯誤訊息；抑制了網路載入期間 nn 的 printf 雜訊；重新整理了儲存庫（範例 → scripts/、工具 → tools/、Haar 級聯 → ml/）。nn 模組在 OpenMV 2 上無法使用（快閃記憶體不足）。

錯誤修正

影像處理：

  • 修正了 x≤0 時的 fast_atan2f（先前一律為 0——請重新檢查色塊／線條／關鍵點角度）、find_apriltags() 的記憶體處理（在記憶體不足時遺失內容與錯誤的 realloc）、二值／點陣圖的逐 bpp 列指標（損壞的二值結果）、帶有 ROI 的 find_edges(EDGE_CANNY)、TO_GS_PIXEL 巨集（積分／形態學）、灰階（bpp==0）影格的點陣圖／JPEG 串流、關鍵點／色塊清單的 pop_front，以及 match_descriptor 的結果。

系統與相機：

  • 修正了 USB HID 介面／端點編號、執行階段動態變更 XCLK 頻率、Net.forward() 回傳正確的輸出數量，以及中斷指令碼解析時的硬體錯誤（hardfault）。

硬體與主機板支援

  • OpenMV Cam M7（STM32F7）——全新主機板。

  • MT9V034 全域快門感測器（OpenMV 4，FSIN 觸發）。

  • FLIR Lepton——具有快照支援的更新版驅動程式。

破壞性 API 變更

v2.9.0 與 v3.0.0 之間使用者可見的 API 破壞性變更。範圍：modules/ 中的 Python C 模組與 scripts/libraries/ 中的 Python 函式庫。

每項變更都標註了其影響等級：

  • 重大——影響大多數使用了該功能的指令碼；您將需要移植程式碼。

  • 輕微——範圍狹窄的 API；僅影響使用了它的指令碼。

  • 行為——相同的 API，但結果不同；請重新檢查經過調校的指令碼。

變更依影響等級按此順序分組。如果您只是想移植程式碼，可直接跳到結尾的 遷移檢查清單。每個提交雜湊都連結到其在 GitHub 上的差異。

image.find_number() / image.classify_object() 已移除 （重大）

硬編碼的 image.find_number()（LeNet）與 image.classify_object()（CMSIS CNN）方法已被移除，改用新的 nn 模組。請以 net = nn.load('/model.network'); out = net.forward(img) 取代它們。

提交： d151f7e38

sensor.sleep() / sensor.reset() 在失敗時引發例外 （輕微）

sensor.sleep() 與 sensor.reset() 現在在失敗時會引發例外，而非回傳 True / False。檢查 sensor.sleep() 布林回傳值的程式碼必須改為以 try / except 包覆該呼叫。

提交： 7d16d008f

WINC sockets 回傳真實的位元組數 （行為）

WINC1500 socket 的 send / recv / sendto / recvfrom 方法先前一律回傳 0；它們現在會回傳實際傳輸的位元組數。假設回傳值為 0（或在其上迴圈／阻塞）的程式碼必須處理真實的位元組數。

提交： a07fb2f60

image.binary() 回傳一個新影像 （行為）

image.binary() 新增了 to_bitmap / copy 關鍵字，現在會回傳一個新的影像物件，而非就地回傳／變更來源影像。依賴 binary() 變更原始影像的程式碼應改用回傳的物件（並傳遞 copy=True 以取得非就地行為）。

提交： 8a44f0cd9

find_apriltags() 上限為 64K 像素 （行為）

image.find_apriltags() 現在若影像（或 ROI）超過 64K 像素便會引發例外，且對小於 4x4 的影像會回傳空清單。在呼叫 find_apriltags() 之前，請縮小大型影像（使用較小的 framesize 或傳遞明確的 roi）。

提交： bd77afbc0

遷移檢查清單

若要乾淨地移植到 v3.0.0，典型的工作如下：

  1. 以 nn 模組取代 image.find_number() / image.classify_object()（nn 的遷移）。

  2. 將 sensor.sleep() / sensor.reset() 以 try / except 包覆，而非檢查布林回傳值（sensor.sleep 的變更）。

  3. 處理來自 WINC socket send / recv 的真實位元組數（WINC socket 的變更）。

  4. 使用 image.binary() 回傳的影像，而非預期就地變更（binary 的變更）。

  5. 在呼叫 find_apriltags() 之前縮小影像，使其保持在 64K 像素以下（find_apriltags 的上限）。

所有其他指令碼皆可不變執行。