完成夹具开合判断的代码，更新了rknn3588上完成测试，3568在生产下次去测试的时候再进行测试

point_diff_main/README.md

@@ -0,0 +1,94 @@
+# RKNN 关键点推理与偏移量计算工具
+
+该工具通过使用RKNN模型对输入图像进行关键点检测，并根据检测结果计算相对于固定参考点的偏移量（单位：毫米）。此外，还提供了可视化选项来展示计算结果。
+
+## 目录结构
+
+├── calculate_offset.py    # 主程序脚本
+├── point.rknn             # RKNN 模型文件 (请确保正确路径)
+└── README.md              # 说明文档
+
+## 配置
+
+在 `calculate_offset.py` 文件顶部的配置区中，您可以修改如下参数以适应您的需求：
+
+- **MODEL_PATH**: RKNN 模型文件路径。
+- **OUTPUT_DIR**: 输出目录路径。
+- **FIXED_REF_POINT**: 固定参考点坐标（像素）。
+- **SCALE_X**, **SCALE_Y**: 缩放因子，用于将像素坐标转换为毫米。
+- **IMG_SIZE**: 输入图像尺寸。
+
+## 安装依赖
+
+请确保安装了必要的 Python 库。可以通过 pip 安装：
+
+```bash
+pip install opencv-python numpy rknnlite
+```
+
+## 函数调用1.0
+
+您也可以直接调用 calculate_offset_from_image 函数，以便集成到其他项目中：
+示例 1: 仅获取偏移量（不画图）
+
+```bash
+from calculate_offset import calculate_offset_from_image
+result = calculate_offset_from_image("your_image_path.jpg", visualize=False)
+if result['success']:
+    print(f"Offset: DeltaX={result['dx_mm']:+.2f} mm, DeltaY={result['dy_mm']:+.2f} mm")
+else:
+    print("Error:", result['message'])
+```
+示例 2: 获取偏移量并保存可视化图
+
+```bash
+from calculate_offset import calculate_offset_from_image
+result = calculate_offset_from_image("your_image_path.jpg", visualize=True)
+```
+
+## 函数调用2.0
+
+示例 1: 仅获取偏移量（不画图）
+
+```bash
+from calculate_diff2.0 import calculate_offset_from_image
+
+result = calculate_offset_from_image("11.jpg", visualize=False)
+if result['success']:
+    print(f"Offset: DeltaX={result['dx_mm']:+.2f} mm, DeltaY={result['dy_mm']:+.2f} mm")
+else:
+    print("Error:", result['message'])
+
+```
+示例 2: 获取偏移量并保存可视化图
+
+```bash
+from calculate_diff2.0 import calculate_offset_from_image
+
+result = calculate_offset_from_image("11.jpg", visualize=True)
+
+```
+
+##该函数返回一个包含下列字段的字典1.0：
+
+    success: 成功标志（True/False）
+    dx_mm: 水平偏移（毫米）
+    dy_mm: 垂直偏移（毫米）
+    cx: 中心点 x 坐标（像素）
+    cy: 中心点 y 坐标（像素）
+    message: 错误信息或成功提示
+    
+##该函数返回一个包含下列字段的字典2.0：
+
+    success: 成功标志（True/False）
+    dx_mm: 水平偏移（毫米）
+    dy_mm: 垂直偏移（毫米）
+    cx: 中心点 x 坐标（像素）
+    cy: 中心点 y 坐标（像素）
+    message: 错误信息或成功提示
+    class_id: 检测类别 ID  #这里是bag的id是0
+    obj_conf: 检测置信度   #这就是识别为料袋的置信度
+    bbox: 检测矩形框 [x_left, y_top, width, height]
+    message: 错误信息或成功提示
+
+