หุ่นยนต์ Raspberry Pi: โปรเจค หุ่นยนต์ติดตามวัตถุ Raspberry Pi + OpenCV

โปรเจคหุ่นยนต์ติดตามวัตถุ Raspberry Pi + OpenCV โปรเจคนี้จะทำหุ่นยนต์ติดตามวัตถุ จากการถ่ายภาพของ Camera V2 Module โดยใช้ลูกบอลสีเหลือง ในตัวอย่างใช้เป็นลูกเทนนิสเป็นวัตถุ แล้วให้หุ่นยนต์ติดตามวัตถุนั้น

อุปกรณ์ที่ใช้

1. Raspberry Pi 3 Model B+

2. Micro SD Card Class 10 16GB + Card Adapter

3. 4WD Smart Robot Car Chassis Kits (สีน้ำเงิน)

4. Motor Driver Module L298N

5. Jumper (M2M) cable 20cm Male to Male

6. Jumper (F2M) cable 20cm Female to Male

7. Jumper (F2F) cable 10cm Female to Female

8. เพาเวอร์สวิตซ์สำหรับเปิดปิด

9. รางถ่าน 18650 3 ก้อน

10 . ถ่านชาร์จ 18650 Panasonic NCR18650B 3.7v 3400mAh จำนวน 3 ก้อน

11. สกรูหัวกลม+น็อตตัวเมีย ขนาด 2.6 มม. ยาว 10 มม

12. Power Bank 20000 mAh USB Output DC 5V/2.1A

13. Camera V2 Module 8MP

14. พลาสติกเจาะรูแนวตั้ง รูปตัว L ขนาด 10 x 20 mm

ขั้นตอนการทำงาน

1. การติดตั้ง Linux ให้กับ Raspberry โดยใช้ไฟล์ image

2. การใช้งาน GPIO ใน Raspberry Pi ด้วย Python

3. การประกอบหุ่นยนต์ Raspberry Pi

4. วิธีเปิดใช้งาน Remote Desktop ไปยัง Raspberry Pi

5. ทดสอบการเคลื่อนที่ของหุ่นยนต์ Raspberry Pi

6. การติดตั้ง OpenCV 3 และการติดตามวัตถุ

7. โปรเจค หุ่นยนต์ติดตามวัตถุ Raspberry Pi + OpenCV

7.1 การตรวจหาสีของ Raspberry Pi และ OpenCV

โดยปกติแล้วกล้องของเราจะทำงานร่วมกับโหมดสี RGB ซึ่งสามารถเข้าใจได้โดยคิดว่าเป็นสีที่เป็นไปได้ทั้งหมดซึ่งสามารถทำได้จากไฟสามสีสำหรับสีแดงเขียวและน้ำเงิน แต่เราจะทำงานกับ BGR (สีฟ้า, สีเขียว, สีแดง) แทน

ตามที่อธิบายไว้ด้านบน BGR มีพิกเซลแสดงด้วยพารามิเตอร์ 3 สีฟ้าสีเขียวและสีแดง พารามิเตอร์แต่ละตัวมักมีค่าตั้งแต่ 0 ถึง 255 (หรือ O ถึง FF ในเลขฐานสิบหก) ตัวอย่างเช่นพิกเซลสีน้ำเงินบริสุทธิ์บนหน้าจอคอมพิวเตอร์ของคุณจะมีค่า B 255 ค่าของ G เท่ากับ 0 และค่า R เท่ากับ 0

OpenCV ทำงานร่วมกับรูปแบบสี HSV (Hue, Saturation, Value) ที่เป็นตัวแทนทางเลือกของรูปแบบสี RGB ซึ่งออกแบบโดยนักวิจัยกราฟิกคอมพิวเตอร์ในยุค 70 ให้สอดคล้องกับวิสัยทัศน์ของมนุษย์มากขึ้นในการรับรู้คุณลักษณะของสี

ดังนั้นถ้าต้องการติดตามสีบางอย่างโดยใช้ OpenCV ต้องกำหนดโดยใช้ HSV Model

สมมติว่าต้องติดตามวัตถุสีเหลืองเป็นลูกเทนนิสที่แสดงภาพข้างต้น ที่ง่ายก็คือการหาองค์ประกอบของ BGR โดยสามารถใช้โปรแกรมออกแบบใด ๆ เพื่อค้นหาสี เช่น โปรแกรม Photoshop

1. เลือกไปที่สี ที่ต้องการ เช่นสีของลูกเทนนิส
2. คลิกเพื่อดูค่าสี
3. แสดงค่าสี BRG

จะได้โมเดลแบบ BGR คือ

Blue: 51
Green: 254
Red: 237

ต่อไปเราต้องแปลงโมเดล BGR (51, 254, 237) ให้เป็นแบบ HSV ซึ่งจะกำหนดด้วยขอบเขตบนและล่าง จากนั้นให้เรียกใช้โค้ดด้านล่าง โดยมีขั้นตอนดังนี้

เปิดโปรแกรม เทอมินอล (Root Terminal)

สร้างโฟลเดอร์ tracking_robot โดยใช้คำสั่ง

mkdir tracking_robot

เปิดโปรแกรม Python 3 (IDLE) เขียนโค้ดดังนี้

'''
BGR to HSV Color Conversion
Create by Henry Dang ==> See the tutorial here:
https://henrydangprg.com/2016/06/26/color-detection-in-python-with-opencv/
Adapted by Marcelo Rovai - MJRoBot.org @8Feb18
'''

import sys
import numpy as np
import cv2

blue = sys.argv[1]
green = sys.argv[2]
red = sys.argv[3]

color = np.uint8([[[blue, green, red]]])
hsv_color = cv2.cvtColor(color, cv2.COLOR_BGR2HSV)

hue = hsv_color[0][0][0]

print("Lower bound is :"),
print("[" + str(hue-10) + ", 100, 100]\n")

print("Upper bound is :"),

print("[" + str(hue + 10) + ", 255, 255]")

หรือดาวน์โหลดโค้ดจากลิงค์ด้านล่าง

https://github.com/Mjrovai/OpenCV-Object-Face-Tracking/blob/master/bgr_hsv_converter.py

Save ไปที่ โฟลเดอร์ tracking_robot และตั้งชื่อเป็น bgr_hsv_converter.py

การทดสอบต้องมีสภาพแวดล้อมแบบเสมือนของ OpenCV คือ ต้องเห็นข้อความ (cv) ก่อนหน้าพร้อมท์

โดยใช้คำสั่ง

source ~/.profile
workon cv
cd tracking_robot
python bgr_hsv_converter.py 51 254 237
.

โปรแกรมจะพิมพ์ขอบด้านบนและด้านล่างของสีวัตถุของเรา ซึ่งเราจะใช้ค่านี้ไปเขียนโค้ด หุ่นยนต์ติดตามวัตถุ ที่ colorLower และ colorUpper ต่อไป

7.2 เขียนโค้ด หุ่นยนต์ติดตามวัตถุ

เปิดโปรแกรม Python 3 (IDLE) เขียนโค้ดดังนี้

#######
# Author: RobotSiam.com
# Date: 22 September 2018
#######

# import the necessary packages
from __future__ import print_function
from imutils.video import VideoStream
import argparse
import imutils
import time
import cv2
import os
import RPi.GPIO as GPIO

#set GPIO numbering mode and define output pins
GPIO.setmode(GPIO.BOARD)
GPIO.setwarnings(False)
GPIO.setup(11,GPIO.OUT)
GPIO.setup(13,GPIO.OUT)
GPIO.setup(35,GPIO.OUT)
GPIO.setup(37,GPIO.OUT)

def forWard():
print("Going Forwards")
GPIO.output(11,True)
GPIO.output(13,False)
GPIO.output(35,True)
GPIO.output(37,False)
time.sleep(0.1)
GPIO.output(11,False)
GPIO.output(13,False)
GPIO.output(35,False)
GPIO.output(37,False)

def backWard():
print("Going Backwards")
GPIO.output(11,False)
GPIO.output(13,True)
GPIO.output(35,False)
GPIO.output(37,True)
time.sleep(0.1)
GPIO.output(11,False)
GPIO.output(13,False)
GPIO.output(35,False)
GPIO.output(37,False)

def turnRight():
print("Going Right")
GPIO.output(11,False)
GPIO.output(13,False)
GPIO.output(35,True)
GPIO.output(37,False)
time.sleep(0.1)
GPIO.output(11,False)
GPIO.output(13,False)
GPIO.output(35,False)
GPIO.output(37,False)

def turnLeft():
print("Going Left")
GPIO.output(11,True)
GPIO.output(13,False)
GPIO.output(35,False)
GPIO.output(37,False)
time.sleep(0.1)
GPIO.output(11,False)
GPIO.output(13,False)
GPIO.output(35,False)
GPIO.output(37,False)

def Stop():
print("Stopping")
GPIO.output(11,False)
GPIO.output(13,False)
GPIO.output(35,False)
GPIO.output(37,False)

# position servos to present object at center of the frame
def mapPosition (x, y):

if (x < 200):
turnLeft()

elif (x > 300):
turnRight()

elif (x >= 200 and x <= 300):
forWard()

# initialize the video stream and allow the camera sensor to warmup
print("[INFO] waiting for camera to warmup...")
vs = VideoStream(0).start()
time.sleep(2.0)

# define the lower and upper boundaries of the object
# to be tracked in the HSV color space
colorLower = (22, 100, 100)
colorUpper = (42, 255, 255)

# loop over the frames from the video stream
while True:
# grab the next frame from the video stream, Invert 180o, resize the
# frame, and convert it to the HSV color space
frame = vs.read()
frame = imutils.resize(frame, width=500)
frame = imutils.rotate(frame, angle=0)
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

# construct a mask for the object color, then perform
# a series of dilations and erosions to remove any small
# blobs left in the mask
mask = cv2.inRange(hsv, colorLower, colorUpper)
mask = cv2.erode(mask, None, iterations=2)
mask = cv2.dilate(mask, None, iterations=2)

# find contours in the mask and initialize the current
# (x, y) center of the object
cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if imutils.is_cv2() else cnts[1]
center = None

# only proceed if at least one contour was found
if len(cnts) > 0:
# find the largest contour in the mask, then use
# it to compute the minimum enclosing circle and
# centroid
c = max(cnts, key=cv2.contourArea)
((x, y), radius) = cv2.minEnclosingCircle(c)
M = cv2.moments(c)
center = (int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"]))

# only proceed if the radius meets a minimum size
if radius > 10:
# draw the circle and centroid on the frame,
# then update the list of tracked points
cv2.circle(frame, (int(x), int(y)), int(radius),
(0, 255, 255), 2)
cv2.circle(frame, center, 5, (0, 0, 255), -1)

# position Servo at center of circle
mapPosition(int(x), int(y))

# show the frame to our screen
cv2.imshow("Frame", frame)

# if [ESC] key is pressed, stop the loop
key = cv2.waitKey(1) & 0xFF
if key == ord("q"):
break

# do a bit of cleanup
print("\n [INFO] Exiting Program and cleanup stuff \n")
Stop()
GPIO.cleanup()
cv2.destroyAllWindows()
vs.stop()

หรือดาวน์โหลดโค้ดจากลิงค์ด้านล่าง

https://drive.google.com/open?id=1vS7fyTyQcsKD5ECAk4a3dcjlPopU2Q0S

Save ไปที่ โฟลเดอร์ tracking_robot และตั้งชื่อเป็น following_robot.py

7.3 ทดสอบการทำงาน หุ่นยนต์ติดตามวัตถุ

เสียบสาย USB ของ Power Bank ต่อเข้ากับ 5V Micro USB ของบอร์ด Raspberry Pi ยังไม่ต้องเปิดเพาเวอร์สวิตซ์ ของ Motor Driver

การทดสอบต้องมีสภาพแวดล้อมแบบเสมือนของ OpenCV คือ ต้องเห็นข้อความ (cv) ก่อนหน้าพร้อมท์

ทดสอบการติดตามวัตถุของหุ่นยนต์โดยใช้คำสั่ง

source ~/.profile

workon cv
cd tracking_robot

python following_robot.py