运动、亮点与亮度统计

运动检测：先把相机固定

烧录motion，先让画面静止，再把手或物体移入画面。算法把图像采样到80×60网格，与上一张处理帧做灰度差分。第一次没有历史帧，不会得到正常帧差结果。

默认灰度差阈值motion_threshold=24，最少变化采样点motion_min_samples=120。框是全部变化点的总包围框，不是人体轮廓，也不是物体检测器。

相机晃动、灯光闪烁、移动阴影、自动曝光变化都会触发大片变化。若框经常接近全屏，先固定相机和光照，再尝试把灰度差阈值提高到40–60。提高最少点数控制是否触发，不会直接把框变紧；提高JPEG质量也不会收紧框。

输出type=5,id=1，aux为变化采样点数量。练习分别记录固定相机和轻微移动相机时的差别。把模块装在行走机器人上后，背景随相机变化，这个算法不能直接作为可靠的动态障碍物检测器。

烧录bright，用手电把光斑投在较暗的墙面，观察框和中心。不要用强光或激光直射眼睛与镜头。

算法以2×2步长采样，要求灰度大于bright_threshold（默认235），同时最大RGB通道大于245；最少点数默认4。因此只降低灰度阈值，并不意味着所有普通亮区都会通过另一条件。

输出type=5,id=2。金属反光、窗户和灯也可能触发；本案例不识别激光的颜色或种类。让光斑离开画面，再用反光物体对照，确认误检范围。

烧录stats，先看正常室内画面，再用手遮挡部分镜头、改变照明。算法每4个像素采样，输出灰度均值与方差。

输出type=5,id=3，x是均值（灰度标度），y是方差并受int16字段范围限制。这时x/y不是目标坐标；detected=true只是表示产生了统计结果，不代表发现物体。数值不能直接换算为lux。

均值帮助比较明暗，方差帮助比较画面明暗差异。观察均值接近高端且细节消失的画面，理解过曝为什么会破坏色块/二维码输入。不要让上位机不分type/id，把亮度均值误当成转向偏差。

完成这三组实验后，应能分辨：图像变了、出现高亮点、环境变亮是三种不同的观察结果，只有结合场景才具有控制意义。