Update app.py

app.py

@@ -28,7 +28,7 @@ from fastdepth.models import MobileNetSkipAdd
 
 # 🟢 Load mô hình FastDepth
 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
-model = MobileNetSkipAdd(output_size=(224, 224))  # 🔹 Fix lỗi thiếu `output_size`
+model = MobileNetSkipAdd(output_size=(224, 224))
 model.load_state_dict(torch.load(weights_path, map_location=device))
 model.eval().to(device)
 
@@ -37,23 +37,29 @@ async def analyze_path(file: UploadFile = File(...)):
     # 🟢 Đọc file ảnh từ ESP32
     image_bytes = await file.read()
     image = Image.open(io.BytesIO(image_bytes)).convert("RGB")
+    
+    # 🟢 Chuyển ảnh sang NumPy để lật đúng chiều
+    image_np = np.array(image)
+    
+    # 🟢 Lật ảnh trước khi tính toán Depth Map
+    flipped_image = cv2.flip(image_np, -1)  # Lật trái ↔ phải, trên ↔ xuống
+    
+    # 🟢 Chuyển đổi lại thành ảnh PIL để đưa vào FastDepth
+    flipped_image_pil = Image.fromarray(flipped_image)
 
     # 🟢 Chuyển đổi ảnh thành tensor (chuẩn hóa cho FastDepth)
     transform = torchvision.transforms.Compose([
         torchvision.transforms.Resize((224, 224)),
         torchvision.transforms.ToTensor(),
     ])
-    img_tensor = transform(image).unsqueeze(0).to(device)
+    img_tensor = transform(flipped_image_pil).unsqueeze(0).to(device)
 
     # 🟢 Dự đoán Depth Map với FastDepth
     with torch.no_grad():
         depth_map = model(img_tensor).squeeze().cpu().numpy()
 
-    # 🟢 Lật ngược ảnh (nếu cần)
-    flipped_depth_map = cv2.flip(depth_map, -1)
-
     # 🟢 Phân tích đường đi
-    command = detect_path(flipped_depth_map)
+    command = detect_path(depth_map)
 
     return {"command": command}