做做AI，造造人 - 动力老男孩的博客

今天看到架子上的萝卜头，已经落了很多灰尘。想起萝卜头的攻略还剩几篇迟迟没有写完。前一段时间一直在试验小爱的手机遥控器功能，从今天开始准备陆续把萝卜头的攻略补完，给博客也打扫打扫灰尘。

说起来真是很惭愧，颜色识别在萝卜头制作过程中是花费时间最多的部分。其中还有一段小插曲：
我在淘宝上买的颜色传感器，在NXT上测试时，发现只有用强光照射在魔方表面的时候，传感器才有读数。那时候在网上很难找到相关的资料，不知道是我买了次品，还是设置不当。后来我猜想传感器中心的那个透明小灯泡是光源，就擅自去电子市场买了一个LED小灯，然后把这个500块钱的传感器敲开换上。一通电，嘿，灯居然亮了，然后我就把拆下来的小灯扔到垃圾桶继续测试。结果…..这次传感器彻底废了。接下来是从垃圾桶里翻那个透明的小灯泡，非常悲剧的是那天正好吃了虾和鱼，我把整垃圾桶的虾皮鱼骨摸了两遍，才找到那个透明的小灯泡，把它洗洗干净又换上了。后来才知道，这个灯泡其实是用来读取颜色的，而不是照明的。而我买的那个颜色传感器确实是个次品，必须用灯光照射才能勉强读数。所以你们看到第一版的萝卜头，在悬臂上是带有一个照明灯的。

在此提醒一下朋友们：颜色传感器在普通的光照环境下，应该是有读数的，而且很敏感，读数会不断小幅跳动。如果你买的传感器读数一直是0或者跳动非常大，那么请尽快找奸商退换。另外，在这里感谢一下北京西觅亚公司，他们给我提供了几个测试用的颜色传感器，并且给我换了一个新的。我也因此了解了一些颜色传感器的特性。

好了，进入正题。上一篇介绍了如何在电脑和NXT之间使用蓝牙进行通讯。有了蓝牙，我们就可以把颜色传感器的读数发送给电脑，然后用电脑识别颜色后调用解魔方的算法。

1，从NXT发送颜色数据到电脑
在之前的一篇博客里，我介绍了三个函数：ReadAllSide，ReadOneSide和SendColorToPC。现在蓝牙已经调通，可以改写SendColorToPC函数用来发送数据。其中getRed()和getRawRed()等函数的说明，请参考颜色传感器的API文档

//Send colors to PC
public static void SendColorToPC(int center, int n) throws Exception
{
	//get the x,y of n
	int y = n % 3;
	int x = (n - y) / 3;

	//send to PC by bluetooth
	byte[] data = new byte[9];
	data[0] = (byte)center;    //center表示是魔方的某一面
	data[1] = (byte)x;         //x 表示魔方这一面3*3的色块中，第x行的色块
	data[2] = (byte)y;         //y 表示魔方这一面3*3的色块中，第y列的色块
	data[3] = (byte)color.getRed();
	data[4] = (byte)color.getGreen();
	data[5] = (byte)color.getBlue();
	data[6] = (byte)(color.getRawRed() / 3);
	data[7] = (byte)(color.getRawGreen() / 3);
	data[8] = (byte)(color.getRawBlue() / 3);
	BlueTooth.WriteBytes(data);
}

2，在PC端接受颜色数据
PC程序中的BlueToothDataReceived函数，用来响应接受到蓝牙数据的事件。我们加上下面这段函数：

else if (length == 9)
{
    int i = data[0];
    int j = data[1];
    int k = data[2];
    int r = data[3];
    int g = data[4];
    int b = data[5];
    int rawR = data[6];
    int rawG = data[7];
    int rawB = data[8];
    ColorItem newItem = new ColorItem(i, j, k, r, g, b, rawR, rawG, rawB);
    colorDistinguish.ColorItems.Add(newItem);
    DisplayMessage += newItem.ToString() + "\r\n";
    Status = "成功获取数据：" + i + "," + j + "," + k;
}

其中用到了两个类 ColorItem 和 ColorItemDistinguish。这两个类的作用后面再说，总之这里把所有的颜色数据都先保存到一个阵列（Array）里，最后统一识别颜色。

3，解析颜色的方案
细心的朋友可能在API中看到了getColor()函数，我们何必要全部保存颜色后再统一分辨呢，直接读一个分辨一个不是更好？事实证明这个函数基本没什么用，红色和橙色都会解析成红色，而且环境光线变化时影响很大。还有一些朋友建议用HSV颜色模型，这种方案我也试过了，基本上也很难分辨。为什么呢？请看下面一组读数：

Red
[0,1,2]=>RGB=(23,0,0),RawRGB={45,1,8}
[0,2,2]=>RGB=(30,0,0),RawRGB={60,1,5}
[0,2,1]=>RGB=(25,0,0),RawRGB={49,3,12}
[0,2,0]=>RGB=(32,0,0),RawRGB={63,2,6}
[0,1,0]=>RGB=(22,0,0),RawRGB={43,2,11}
[0,0,0]=>RGB=(25,0,0),RawRGB={59,3,3}
[0,0,1]=>RGB=(30,0,0),RawRGB={58,5,17}
[0,0,2]=>RGB=(31,0,0),RawRGB={61,8,17}
[0,1,1]=>RGB=(31,0,0),RawRGB={62,15,22}

Orange
[2,1,2]=>RGB=(28,0,0),RawRGB={55,12,8}
[2,2,1]=>RGB=(30,0,0),RawRGB={57,14,14}
[2,0,1]=>RGB=(32,0,0),RawRGB={62,15,13}
[2,1,0]=>RGB=(32,0,0),RawRGB={63,16,12}
[2,2,2]=>RGB=(42,0,0),RawRGB={83,24,10}
[2,2,0]=>RGB=(41,0,0),RawRGB={82,24,13}
[2,0,0]=>RGB=(41,0,0),RawRGB={80,23,10}
[2,0,2]=>RGB=(39,0,0),RawRGB={76,22,13}
[2,1,1]=>RGB=(41,5,0),RawRGB={81,30,21}

这是在自然光条件下，对红色和橙色的9个色块分别读数的结果。可以看到，它们的Green和Blue分量全部是0，只有红色分量有差别。但是红色的red分量从23~32，橙色的red分量从28~42，它们中间是有重叠的。对于这些读数，HSV完全没用。
有一段时期我几乎已经绝望了，不过终于在最后让我找到了一点区别：红色的RawBlue分量基本上比RawGreen分量稍大，而橙色恰好相反。另外请对比一下[0,0,0]和[2,2,1]，它们的RawBlue分量和RawGreen分量是相同的，但是仍然可以找到区别：按公式R+2*RawG-2*RawB计算，橙色的永远比红色大！

也就是说，我们单独取到一组颜色数值时，很难直接知道它是什么颜色，只有对一组数进行排序后，才能区分出不同的颜色。就像刚才这18个数，我们按照R+2*RawG-2*RawB从大到小排序，最终结果的前9个是橙色，后9个就是红色。类似的，我们还可以定义出分辨颜色的判断规则：
1，假设RGB三个值的最小值为Min，按Min从大到小排序，前9个是白色
2，剩下的颜色，按照G分量从大到小排序，前9个是黄色（有意思吧，绿色分量最大的是黄色）
3，剩下的颜色，按照B分量从大到小排序，前9个是蓝色（这个还算靠谱）
4，剩下的颜色，按照R分量从小到大排序，前9个是绿色
5，剩下的颜色，按照R+2*RawG-2*RawB从大到小排序，前9个是橙色
6，剩下的颜色全是红色

当光线从弱到强变化时，这些值基本会成比例的变大，所以这些规则依然有效。
有兴趣的朋友可以查看一组完整的颜色读数，来验证以上这些规则：http://www.diy-robots.com/rubiksolver/readcolors.txt
下一篇继续介绍这种分辨方式的具体代码实现。