Πίνακας περιεχομένων:
- Προμήθειες
- Βήμα 1: Εργασία του έργου:-
- Βήμα 2: Προετοιμασία RPI:- Ο χρόνος οδηγού εγκατάστασης είναι:- 15:10 έως 16:42 στο Βίντεο Youtube
Βίντεο: Ανίχνευση χρωμάτων βάσει αντικειμένου: 10 βήματα
2024 Συγγραφέας: John Day | [email protected]. Τελευταία τροποποίηση: 2024-01-30 08:33
Ιστορία
Έκανα αυτό το έργο για να μάθω επεξεργασία εικόνας χρησιμοποιώντας Raspberry PI και ανοιχτό βιογραφικό. Για να κάνω αυτό το έργο πιο ενδιαφέρον χρησιμοποίησα δύο κινητήρες Servo SG90 και έβαλα κάμερα σε αυτό. Ο ένας κινητήρας χρησιμοποιείται για οριζόντια κίνηση και ο δεύτερος για κάθετος.
Προμήθειες
Πλήρης Συγγραφή
Ανίχνευση χρωμάτων με βάση την Ανίχνευση αντικειμένων
1. Εγκαταστήστε το Raspbian Strech στο Raspberry 3B+
ένα. Δείτε το βίντεο μου στο YouTube από: - έως 15:10 έως 16:42 - >>
σι. Χρησιμοποιήστε μετατροπέα HDMI-VGA για σύνδεση RPI με οθόνη & πληκτρολόγιο USB & ποντίκι.
ντο. Εκκινήστε την επιφάνεια εργασίας RPI και ακολουθήστε το επόμενο βήμα.
ρε. Προτείνετε να χρησιμοποιείτε οθόνη εάν είστε αρχάριοι, καθώς η άμεση πρόσβαση στο PI είναι εύκολη για αρχάριους.
2. Εγκαταστήστε το Open CV στο RPI3B+
ένα.
σι. Χρόνος που χρειάστηκε:- Περίπου 8+ ώρες
ντο. Περνάω δύο ημέρες για να ολοκληρώσω αυτήν τη διαδικασία (20 ρες), οπότε να είστε παθιασμένοι και ήρεμοι.
3. Εγκαταστήστε τη βιβλιοθήκη PCM9685 στο Raspberry PI.
ένα. Τεκμηρίωση αναφοράς:-https://learn.adafruit.com/adafruit-16-channel-servo-driver-with-raspberry-pi?view=all
σι. Ελέγξτε τη συνδεσιμότητα PCM9685 i2c με RPI
Εγώ. Εκτέλεση:-sudo apt-get install python-smbus
ii Εκτέλεση:-sudo apt-get install i2c-tools
iii Εκτέλεση: - sudo i2cdetect -y 1
1. Εικόνα επιτυχούς επικοινωνίας με το PCM9685
ντο. Ανοίξτε το τερματικό και εκτελέστε: - πηγή ~/.προφίλ #για είσοδο σε εικονικό περιβάλλον.
ρε. Άνοιγμα τερματικού και εκτέλεση:-pip3 install adafruit-circuitpython-servokit
μι. Ποτέ μην χρησιμοποιείτε "sudo" διαφορετικά θα αντιμετωπίσετε πρόβλημα καθώς η χρήση του "sudo" δεν θα εγκαταστήσει βιβλιοθήκη στο εικονικό σας περιβάλλον.
φά. Έλεγχος σερβο
Εγώ. Ανοίξτε το python3 και εισαγάγετε τις παρακάτω εντολές.
ii από adafruit_servokit import ServoKit
iii κιτ = ServoKit (κανάλια = 16)
iv kit.servo [0].anggle = 90
v. kit.servo [0]. γωνία = 180
vi kit.servo [0].angle = 0
4. Λεπτομέρειες σύνδεσης:-
ένα. Συνδέστε το 5VDC με το PCM9685 (Για σερβο λειτουργία απαιτείται εξωτερικό 5V)
σι. / Συνδέστε τους ακροδέκτες τροφοδοσίας PC9685 I2C & λογικής με ακίδες RPI.
ντο. Συνδέστε το Two Servo στο PCM9685
5. Έλεγχος σερβο
ένα. Έχω προετοιμάσει 4 αρχεία για έλεγχο σερβο (180.py, 90.py, 0.py).
Εγώ. Για 0 βαθμό. (Και τα δύο Servo σε 0 μοίρα).
ii Για 90 μοίρες. (Και τα δύο Servo σε 90 μοίρες).
iii Για 180 μοίρες. (Και τα δύο Servo σε 180 μοίρες).
iv Πηγαίος κώδικας ()
6. Εγκαταστήστε την κάμερα PI στο Camera connector & mount servo όπως εξηγείται στο εκπαιδευτικό βίντεο.
ένα. URL διδασκαλίας:-
7. Εκτέλεση κώδικα παρακολούθησης αντικειμένων (λήψη από:-)
8. Ανοίξτε το τερματικό
ένα. Εκτέλεση: - πηγή ~/.προφίλ.
σι. Εκτέλεση: - workon cv.
ντο. Ελέγξτε το "(CV)" μπροστά από την εντολή τερματικού.
ρε. Εκτέλεση κώδικα παρακολούθησης αντικειμένου:- «διαδρομή της τοποθεσίας του αρχείου σας»/python3.’file name’
μι. Για έξοδο πατήστε:- Esc
Βήμα 1: Εργασία του έργου:-
- Η εικόνα καταγράφηκε από την κάμερα RPI και υποβλήθηκε σε επεξεργασία σε python χρησιμοποιώντας openCV.
- Η εικόνα που έχει ληφθεί μετατρέπεται από RGB σε HSV.
- Εφαρμόστε μάσκα για συγκεκριμένο χρώμα (στον τελικό κωδικό μου χρησιμοποίησα RED χρώμα και ο ειδικός κώδικας χρησιμοποιείται για να βρω ακριβή τιμή κάλυψης, η οποία επίσης επισυνάπτεται με ακρόαση).
- Εύρεση περιγραμμάτων για όλα τα κόκκινα αντικείμενα στο πλαίσιο.
- Τέλος, η ταξινόμηση και η επιλογή των πρώτων περιγραμμάτων θα δώσουν το πιο ασυνήθιστο κόκκινο αντικείμενο στο πλαίσιο.
- Σχεδιάστε ορθογώνιο σε αντικείμενο και βρείτε οριζόντιο & κάθετο κέντρο ορθογωνίου.
- Ελέγξτε τη διαφορά μεταξύ οριζόντιου κέντρου πλαισίου και οριζόντιου κέντρου ορθογώνιου αντικειμένου.
- Εάν η διαφορά είναι μεγαλύτερη τότε ορίστε την τιμή και ξεκινήστε να μετακινείτε το οριζόντιο σερβο για να ελαχιστοποιήσετε τη διαφορά.
- Με τον ίδιο τρόπο μπορούμε να μετακινήσουμε τον κάθετο άξονα και τελικά η παρακολούθηση αντικειμένων λειτουργεί για 180 βαθμούς.
Βήμα 2: Προετοιμασία RPI:- Ο χρόνος οδηγού εγκατάστασης είναι:- 15:10 έως 16:42 στο Βίντεο Youtube
Κατεβάστε το Raspbian Streach και εφαρμόστε το σε κάρτα μνήμης 32 GB. URL: -https://downloads.raspberrypi.org/raspbian_full_latest.
Μετά τη λήψη της εικόνας Raspbian, αποσυμπιέστε την και αποθηκεύστε την στην επιφάνεια εργασίας (ή στο κατάλληλο μέρος).
Για να γράψετε εικόνα σε κάρτα SD, κάντε λήψη του Eatcher.
URL:
Συνδέστε καλώδιο HDMI σε VGA σε οθόνη RPI και LCD.
Συνδέστε πληκτρολόγιο USB και ποντίκι και ενεργοποιήστε το PI χρησιμοποιώντας προσαρμογέα ρεύματος (2,5 amp.)
Συνιστάται:
Αισθητήρας απομακρυσμένου αντικειμένου χρησιμοποιώντας Arduino: 7 βήματα
Αισθητήρας απομακρυσμένου αντικειμένου με χρήση Arduino: Σήμερα, οι κατασκευαστές, οι προγραμματιστές προτιμούν το Arduino για την ταχεία ανάπτυξη των πρωτοτύπων έργων. Το Arduino είναι μια ηλεκτρονική πλατφόρμα ανοιχτού κώδικα που βασίζεται σε εύχρηστο υλικό και λογισμικό. Το Arduino έχει μια πολύ καλή κοινότητα χρηστών. Σε αυτό
Ανίχνευση χρωμάτων σε Python χρησιμοποιώντας OpenCV: 8 βήματα
Ανίχνευση χρωμάτων σε Python χρησιμοποιώντας OpenCV: Γεια σας! Αυτό το εκπαιδευτικό εργαλείο χρησιμοποιείται για να μάθετε πώς μπορείτε να εξαγάγετε ένα συγκεκριμένο χρώμα από μια εικόνα σε python χρησιμοποιώντας βιβλιοθήκη openCV. Εάν είστε νέοι σε αυτήν την τεχνική, τότε μην ανησυχείτε, στο τέλος αυτού του οδηγού θα μπορείτε να προγραμματίσετε το δικό σας χρώμα
Ανίχνευση αντικειμένου Raspberry Pi: 7 βήματα
Raspberry Pi Object Detection: Αυτός ο οδηγός παρέχει αναλυτικές οδηγίες για τον τρόπο ρύθμισης του TensorFlow’s Object Detection API στο Raspberry Pi. Ακολουθώντας τα βήματα σε αυτόν τον οδηγό, θα μπορείτε να χρησιμοποιήσετε το Raspberry Pi για να πραγματοποιήσετε ανίχνευση αντικειμένων σε ζωντανό βίντεο από P
Ανίχνευση αντικειμένου W/ Dragonboard 410c ή 820c χρησιμοποιώντας OpenCV και Tensorflow .: 4 βήματα
Ανίχνευση αντικειμένου W/ Dragonboard 410c ή 820c Χρήση OpenCV και Tensorflow .: Αυτά τα εγχειρίδια περιγράφουν τον τρόπο εγκατάστασης πλαισίων OpenCV, Tensorflow και μηχανικής μάθησης για το Python 3.5 για την εκτέλεση της εφαρμογής Ανίχνευσης αντικειμένων
Ανίχνευση χρωμάτων χρησιμοποιώντας LED RGB: 4 βήματα
Ανίχνευση χρωμάτων χρησιμοποιώντας LED RGB: Θέλατε ποτέ έναν αυτοματοποιημένο τρόπο ανίχνευσης του χρώματος ενός αντικειμένου; Λάμποντας φως συγκεκριμένου χρώματος στο αντικείμενο και κοιτάζοντας πόσο φως αντανακλάται πίσω, μπορείτε να καταλάβετε τι χρώμα είναι το αντικείμενο. Για παράδειγμα, αν ανάψετε ένα κόκκινο φως