# Простой модуль В

## Кадры

```bash
mkdir -p module3/dataset/raw
ffmpeg -i video.mp4 -vf fps=2 module3/dataset/raw/frame_%05d.jpg
```

## Разметка

```bash
label-studio start
```

Откройте `http://localhost:8080`, создайте проект и загрузите кадры через
`Data Import`. В `Labeling Setup` выберите `Computer Vision -> Object Detection
with Bounding Boxes` и создайте классы `hammer`, `pliers`, `wrench`.

После разметки выберите `Export -> YOLO` и распакуйте архив так, чтобы получилось:

```text
module3/dataset/label-studio/
├── classes.txt
├── images/
└── labels/
```

Затем:

```bash
python3 module3/simple_prepare_dataset.py
```

## Обучение

```bash
cd module3
source .venv/bin/activate
yolo detect train model=yolo11n.pt data=training_new/data.yaml epochs=30 patience=7 imgsz=512 batch=8 device=0 project=training_new/runs name=tools exist_ok=True
cp training_new/runs/tools/weights/best.pt models/latest.pt
```

## Запуск

```bash
source /opt/ros/jazzy/setup.bash
source ~/ros2_ws/install/setup.bash
cd ~/scripts/mvch
module3/.venv/bin/python module3/simple_module_b.py
```

Ввод предмета нужен только для показа. Скрипт выводит YOLO в окне OpenCV, через
5 секунд открывает захват, а через 2 секунды переводит его в положение
`take_cube`. Выход — `Q` или `Esc`.

Камера реального RMC1: `/RMC1/arm95/svcam/right/image`. Для проверки в Webots
замените константу `CAMERA` на `/RMC1/arm95/camera_gripper/image_color`.