![Színészlelésen alapuló objektumkövetés: 10 lépés Színészlelésen alapuló objektumkövetés: 10 lépés](https://i.howwhatproduce.com/images/009/image-24434-j.webp)
Tartalomjegyzék:
2025 Szerző: John Day | [email protected]. Utoljára módosítva: 2025-01-23 14:47
![Image Image](https://i.howwhatproduce.com/images/009/image-24434-2-j.webp)
![](https://i.ytimg.com/vi/2Auoq4cBtjI/hqdefault.jpg)
Sztori
Ezt a projektet azért készítettem, hogy megtanuljam a képfeldolgozást Raspberry PI és nyílt CV segítségével. Hogy ezt a projektet érdekesebbé tegyem, két SG90 szervo motort használtam, és kamerát szereltem rá. Az egyik motor vízszintesen, a másik pedig függőlegesen mozog.
Kellékek
Teljes írás
Színészlelésen alapuló objektumkövetés
1. Telepítse a Raspbian Strech alkalmazást a Raspberry 3B+ rendszerre
a. Nézd meg YouTube -videómat: - 15:10 és 16:42 között - >>
b. Használja a HDMI-VGA átalakítót RPI csatlakoztatásához monitorral, USB billentyűzettel és egérrel.
c. Indítsa el az RPI asztali számítógépet, és kövesse a következő lépést.
d. Javasoljuk a monitor használatát, ha kezdő, mivel a PI közvetlen elérése könnyű az újoncoknak.
2. Telepítse az Open CV -t az RPI3B+ -ra
a.
b. Idő:- kb. 8+ óra
c. Két napot szánok ennek a folyamatnak a befejezésére (20 óra), ezért légy szenvedélyes és nyugodt.
3. Telepítse a PCM9685 könyvtárat a Raspberry PI -re.
a. Referenciadokumentáció:-https://learn.adafruit.com/adafruit-16-channel-servo-driver-with-raspberry-pi?view=all
b. Ellenőrizze a PCM9685 i2c csatlakoztathatóságát az RPI -vel
én. Futtatás:-sudo apt-get install python-smbus
ii. Futtatás:-sudo apt-get install i2c-tools
iii. Futtassa: - sudo i2cdetect -y 1
1. A PCM9685 -tel folytatott sikeres kommunikáció képe
c. Nyissa meg a terminált és futtassa: - source ~/.profile #virtuális környezetbe való belépéshez.
d. Nyissa meg a terminált és futtassa:-pip3 telepítse az adafruit-circuitpython-servokit programot
e. Soha ne használja a „sudo” -t, különben problémát tapasztal, mivel a „sudo” használata nem telepíti a könyvtárat a virtuális környezetbe.
f. Szervó ellenőrzése
én. Nyissa meg a python3 -at, és írja be az alábbi parancsokat.
ii. from adafruit_servokit import ServoKit
iii. készlet = ServoKit (csatornák = 16)
iv. kit.servo [0].szög = 90
v. kit.servo [0]. szög = 180
vi. kit.servo [0].szög = 0
4. A kapcsolat részletei:-
a. Csatlakoztassa az 5VDC -t a PCM9685 -höz (szervo működéshez külső 5V szükséges)
b. / Csatlakoztassa a PC9685 I2C és logikai tápegységeket RPI csapokkal.
c. Csatlakoztassa a két szervót a PCM9685 -hez
5. Szervó ellenőrzése
a. 4 fájlt készítettem elő szervo ellenőrzésre (180.py, 90.py, 0.py).
én. 0 fokért. (Mindkettő szervo 0 fokon).
ii. 90 fokra. (Mindkettő szervo 90 fokban).
iii. 180 fokra. (Mindkettő szervo 180 fokon).
iv. Forráskód ()
6. Telepítse a PI kamerát a fényképezőgép csatlakozójára és szerelje fel a szervót az oktatóvideóban leírtak szerint.
a. Oktató URL:-
7. Futtassa az objektumkövető kódot (töltse le innen::-)
8. Nyissa meg a terminált
a. Futtatás: - forrás ~/.profile.
b. Futtatás: - workon cv.
c. Ellenőrizze a „(CV)” jelzést a terminálparancs előtt.
d. Objektumkövető kód futtatása:- "a fájl helyének elérési útja"/python3.'fájlnév '
e. A kilépéshez nyomja meg:- Esc
1. lépés: A projekt végrehajtása:-
- A képet az RPI kamera rögzítette és pythonban dolgozta fel openCV használatával.
- A rögzített kép RGB -ről HSV -re konvertálódik.
- Alkalmazza a maszkot meghatározott színre (utolsó kódomban PIROS színt használtam, és a speciális kódot használom a pontos maszkolás értékének megtalálásához, amely szintén hallható).
- Kontúrok keresése az összes piros objektumhoz a keretben.
- Végül az első kontúrok rendezése és kiválasztása a legjobb vörös objektumot adja a keretben.
- Rajzoljon téglalapot az objektumra, és keresse meg a téglalap vízszintes és függőleges középpontját.
- Ellenőrizze a keret vízszintes középpontja és az objektum téglalap alakú vízszintes középpontja közötti különbséget.
- Ha a különbség nagyobb, akkor állítsa be az értéket, majd indítsa el a vízszintes szervo mozgatását a különbség minimalizálása érdekében.
- Ugyanígy mozgathatjuk a függőleges tengelyt, és végül az objektumkövetés 180 fokon működik.
2. lépés: Készítse elő az RPI-t:- A telepítési útmutató időtartama:- 15:10 és 16:42 között a Youtube Videóban
![](https://i.ytimg.com/vi/XfPXu4UAZwQ/hqdefault.jpg)
Töltse le a Raspbian Streach programot, és töltse fel 32 GB-os memóriakártyára. URL: -https://downloads.raspberrypi.org/raspbian_full_latest.
A Raspbian kép letöltése után csomagolja ki és tárolja az asztalon (vagy megfelelő helyen).
Ha képet szeretne írni SD -kártyára, töltse le az Eatcher programot.
URL:
Csatlakoztassa a HDMI -VGA kábelt az RPI -hez és az LCD -monitorhoz.
Csatlakoztassa az USB billentyűzetet és az egeret, és kapcsolja be a PI -t hálózati adapter (2,5 amper) segítségével
Ajánlott:
Micro: bit MU Vision Sensor - Objektumkövetés: 7 lépés
![Micro: bit MU Vision Sensor - Objektumkövetés: 7 lépés Micro: bit MU Vision Sensor - Objektumkövetés: 7 lépés](https://i.howwhatproduce.com/images/002/image-4080-11-j.webp)
Mikro: bit MU látásérzékelő - Objektumkövetés: Tehát ebben az utasításban elkezdjük programozni az intelligens autót, amelyet ebbe az oktatóanyagba építünk, és amelybe MU látásérzékelőt telepítettünk. kicsit egyszerű objektumkövetéssel, így a
Képfeldolgozáson alapuló tűzfelismerő és oltórendszer: 3 lépés
![Képfeldolgozáson alapuló tűzfelismerő és oltórendszer: 3 lépés Képfeldolgozáson alapuló tűzfelismerő és oltórendszer: 3 lépés](https://i.howwhatproduce.com/images/005/image-13499-j.webp)
Képfeldolgozáson alapuló tűzfelismerő és oltórendszer: Helló barátaim, ez egy képfeldolgozáson alapuló tűzérzékelő és oltórendszer Arduino segítségével
Opencv objektumkövetés: 3 lépés
![Opencv objektumkövetés: 3 lépés Opencv objektumkövetés: 3 lépés](https://i.howwhatproduce.com/images/006/image-16215-j.webp)
Opencv Objektumkövetés: A mozgó objektumok észlelése a számítógépes látásban és képfeldolgozásban alkalmazott technika. Egy videó több egymást követő képkockáját különböző módszerekkel hasonlítják össze, hogy megállapítsák, nem észlelnek -e mozgó objektumot. Mozgó objektumok észlelését használták
Statikus villamos energia mérésen alapuló vészvilágítási rendszer: 8 lépés
![Statikus villamos energia mérésen alapuló vészvilágítási rendszer: 8 lépés Statikus villamos energia mérésen alapuló vészvilágítási rendszer: 8 lépés](https://i.howwhatproduce.com/images/004/image-10087-16-j.webp)
Statikus villamos energia mérésen alapuló vészvilágítási rendszer: Gondolt már arra, hogy vészvilágítási rendszert készít, amikor a fő áramellátása leáll. És mivel csak egy kis ismerete van az elektronikában, tudnia kell, hogy egyszerűen ellenőrizheti a hálózati feszültség elérhetőségét, egyszerűen mérve a
Az OBLOQ-IoT modulon alapuló környezetfigyelő rendszer: 4 lépés
![Az OBLOQ-IoT modulon alapuló környezetfigyelő rendszer: 4 lépés Az OBLOQ-IoT modulon alapuló környezetfigyelő rendszer: 4 lépés](https://i.howwhatproduce.com/images/001/image-707-57-j.webp)
Környezetfigyelő rendszer az OBLOQ-IoT modulon alapul: Ezt a terméket elsősorban elektronikus laboratóriumokban alkalmazzák olyan mutatók megfigyelésére és vezérlésére, mint a hőmérséklet, páratartalom, fény és por, valamint azok időben történő feltöltése a felhőadatba, hogy elérjék a párátlanító távfelügyeletét és vezérlését. , légtisztítás