
Índice:
2025 Autor: John Day | [email protected]. Última modificação: 2025-01-23 15:03


História
Fiz este projeto para aprender a processar imagens usando Raspberry PI e abrir CV. Para tornar este projeto mais interessante, usei dois servo motores SG90 e montei a câmera nele. Um motor usado para se mover horizontalmente e o segundo motor usado para se mover verticalmente.
Suprimentos
Escrita Completa
Rastreamento de objetos baseado em detecção de cores
1. Instale Raspbian Strech no Raspberry 3B +
uma. Confira meu vídeo do YouTube de: - às 15:10 às 16:42 - >>
b. Use o conversor HDMI-VGA para conectar RPI com monitor e teclado e mouse USB.
c. Inicialize a área de trabalho RPI e siga a próxima etapa.
d. Recomende usar o monitor se você for iniciante, pois o acesso direto ao PI é fácil para o novato.
2. Instale o Open CV no RPI3B +
uma.
b. Tempo gasto: - Aproximadamente 8+ horas
c. Eu gasto dois dias para completar este processo (20 horas) então seja apaixonado e calmo.
3. Instale a biblioteca PCM9685 no Raspberry PI.
uma. Documentação de referência: -
b. Verifique a conectividade PCM9685 i2c com RPI
eu. Execute: - sudo apt-get install python-smbus
ii. Execute: - sudo apt-get install i2c-tools
iii. Executar: - sudo i2cdetect -y 1
1. Imagem de comunicação bem-sucedida com PCM9685
c. Abra o Terminal e execute: - source ~ /.profile #para entrar no ambiente virtual.
d. Abra o Terminal e execute: - pip3 install adafruit-circuitpython-servokit
e. Nunca use “sudo”, caso contrário, você enfrentará problemas, pois o uso de “sudo” não instalará a biblioteca em seu ambiente virtual.
f. Verificando servo
eu. Abra o python3 e insira os comandos abaixo.
ii. de adafruit_servokit import ServoKit
iii. kit = ServoKit (canais = 16)
4. kit.servo [0].angle = 90
v. kit.servo [0].angle = 180
vi. kit.servo [0].angle = 0
4. Detalhe de conexão: -
uma. Conecte 5VDC ao PCM9685 (para operação Servo 5V externo necessário)
b. / Conecte PC9685 I2C e pinos de alimentação lógica com pinos RPI.
c. Conecte Dois Servo ao PCM9685
5. Verificação do servo
uma. Eu preparei 4 arquivos para verificação de servo (180.py, 90.py, 0.py).
eu. Para 0 grau. (Ambos Servo a 0 grau).
ii. Para 90 graus. (Ambos Servo em 90 graus).
iii. Para 180 graus. (Ambos Servo em 180 graus).
4. Código fonte ()
6. Instale a câmera PI no conector da câmera e monte o servo conforme explicado no vídeo tutorial.
uma. URL do tutorial: -
7. Execute o código de rastreamento de objetos (download em:-)
8. Abra o Terminal
uma. Execute: - source ~ /.profile.
b. Executar: - workon cv.
c. Marque “(CV)” na frente do comando do terminal.
d. Execute o código de rastreamento de objeto: - ‘caminho do local do seu arquivo’ / python3.’nome do arquivo’
e. Para sair pressione: - Esc
Etapa 1: Trabalho do projeto: -
- Imagem capturada pela RPI Camera e processada em python usando openCV.
- A imagem capturada é convertida de RGB para HSV.
- Aplicar máscara para cor específica (no meu código final, usei a cor VERMELHA e o código especial é usado para encontrar o valor de mascaramento preciso, que também está anexado ao hearwith).
- Encontrar contornos para todos os objetos vermelhos no quadro.
- Finalmente, classificar e selecionar os primeiros contornos fornecerá o objeto vermelho mais incrível no quadro.
- Desenhe um retângulo no objeto e encontre o centro horizontal e vertical do retângulo.
- Verifique a diferença entre o centro horizontal do quadro e o centro horizontal do retângulo do objeto.
- Se a diferença for maior do que o valor definido, comece a mover o servo horizontal para minimizar a diferença.
- Da mesma forma, podemos mover o eixo vertical e, finalmente, o rastreamento de objetos está funcionando a 180 graus.
Etapa 2: Prepare o RPI: - Guia de configuração O tempo é: - 15:10 às 16:42 no vídeo do Youtube

Baixe Raspbian Streach e coloque-o em um cartão de memória de 32 GB. URL: -https://downloads.raspberrypi.org/raspbian_full_latest.
Após baixar a imagem Raspbian, descompacte-a e armazene no desktop (ou local apropriado).
Para gravar a imagem no cartão SD, baixe o Eatcher.
URL:
Conecte o cabo HDMI para VGA ao RPI e ao monitor LCD.
Conecte o teclado e o mouse USB e ligue o PI usando o adaptador de energia (2,5 amp.)
Recomendado:
Detecção de cores em Python usando OpenCV: 8 etapas

Detecção de cores em Python usando OpenCV: Hello! Este instrutível é usado para orientar sobre como extrair uma cor específica de uma imagem em python usando a biblioteca openCV. Se você é novo nessa técnica, não se preocupe, no final deste guia você será capaz de programar sua própria cor
Seletor de cores Arduino RGB - Escolha cores de objetos da vida real: 7 etapas (com imagens)

Arduino RGB Color Picker - Escolha cores de objetos da vida real: escolha facilmente cores de objetos físicos com este seletor de cores RGB baseado em Arduino, permitindo recriar as cores que você vê em objetos da vida real em seu PC ou telefone celular. Basta apertar um botão para escanear a cor do objeto usando um TCS347 barato
Robô de rastreamento de cores baseado em roda omnidirecional e OpenCV: 6 etapas

Robô de rastreamento de cores baseado em roda omnidirecional e OpenCV: Eu uso um chassi de roda omnidirecional para implementar meu rastreamento de cores e uso um software móvel chamado OpenCVBot. Graças aos desenvolvedores de software aqui, obrigado.OpenCV Bot realmente detecta ou rastreia qualquer objeto em tempo real através do processamento de imagem
Robôs de rastreamento de rosto e detecção de sorriso para Halloween: 8 etapas (com fotos)

Rastreamento de Rosto e Detecção de Sorriso Robôs de Halloween: O Halloween está chegando! Decidimos construir algo legal. Conheça os robôs Ghosty e Skully. Eles podem seguir seu rosto e saber quando você está sorrindo para rir com você! Este projeto é outro exemplo de uso do aplicativo iRobbie que converte o iPhone int
Detecção de cores usando RGB LED: 4 etapas

Detecção de cores usando LED RGB: Você já quis uma maneira automatizada de detectar a cor de um objeto? Ao brilhar a luz de uma determinada cor no objeto e observar quanta luz é refletida de volta, você pode dizer de que cor o objeto é. Por exemplo, se você acender uma luz vermelha o