# 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 caculate_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 caculate_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