欢迎光临haoDIY - DIY制作从这里开始!

diy音响功放音箱胆机电子单片机电脑科技小发明机器人制作_haoDIY

haodiy微信

手势:手势控制机器人鹰使用图像处理界面

时间:2017-05-22 21:57来源:未知 作者:admin 点击:
手势鹰展示techevince 4为基础的人机界面,简单的图像处理。 其特征在于,没有额外的传感器和可穿戴手套是除了需要控制机器人运行的汽车差速传动原理。 在下面,我们将带您通过在系统中使用的对象跟踪和手势检测的工作原理。 这个项目的源代码可以从GitHub下
手势:手势控制机器人鹰使用图像处理界面

手势鹰展示techevince 4为基础的人机界面,简单的图像处理。其特征在于,没有额外的传感器和可穿戴手套是除了需要控制机器人运行的汽车差速传动原理。在下面,我们将带您通过在系统中使用的对象跟踪和手势检测的工作原理。这个项目的源代码可以从GitHub下载链接:通过https://github.com/shwetank6044/gesture-hawk.git

步骤1:必需的东西:

手势:手势控制机器人鹰使用图像处理界面

 

  1. L298N电机驱动
  2. 直流电动机
  3. 机器人汽车底盘
  4. 微控制器
  5. 锂电池
  6. Arduino USB电缆(长)
  7. 用python opencv库

 

步骤2:工作原理:

手势:手势控制机器人鹰使用图像处理界面

手势鹰一三相处理系统你可以看到上面的图。

步骤3:输入捕获和处理:

手势:手势控制机器人鹰使用图像处理界面

输入捕捉可以在更广泛的类别,在上面的图中给出的理解。

从环境中提取的手的形状,我们需要使用掩蔽或一定颜色滤波(在这种情况下–紫蓝色的)。你需要做的是,将图像由BGR HSV格式,可以用下面的代码片段了。


		

HSV = CV2。cvtcolor(框架、CV2。color_bgr2hsv)

现在,下一步是找到HSV参数所需的范围来提取出一方面通过面罩或过滤器。对于这一点,最好的方法是使用跟踪杆找到一个合适的范围。这是一个用于此项目的跟踪条的截图。

步骤4:

手势:手势控制机器人鹰使用图像处理界面
 

步骤5:

在这里,有一个代码段下面做面膜建设这样一个搜索栏:


		

进口CV2

进口NumPy NP DEF没有(x): 通 CV2。namedwindow(图像的) img = CV2。视频采集(0) CV2。createtrackbar('l_h ','图像',110255,没有 CV2)。createtrackbar('l_s ','图像',50255,没有 CV2)。createtrackbar('l_v ','图像',50255,没有 CV2)。createtrackbar('h_h ','图像',130255,没有 CV2)。createtrackbar('h_s ','图像',255255,没有 CV2)。createtrackbar('h_v ','图像',255255,没有 而(1)

HSV = CV2。cvtcolor(框架、CV2。color_bgr2hsv) LH = CV2。gettrackbarpos('l_h ','图像') LS = CV2。gettrackbarpos('l_s ','图像') LV = CV2。gettrackbarpos('l_v ','图像') HH = CV2。gettrackbarpos('h_h ','图像') hs = CV2。gettrackbarpos('h_s ','图像') HV = CV2。gettrackbarpos('h_v ','图像') lower_r = NP。阵列([ LH、LS、LV ]) higher_r = NP。阵列([ HH、HS、高压]) 面膜= CV2。范围(HSV,lower_r,higher_r) RES = CV2 bitwise_and(框架。、框架、面膜=面膜) CV2。imshow(图像,RES) K = CV2。WaitKey(1)和0xff

步骤6:处理部分:

手势:手势控制机器人鹰使用图像处理界面

好了,我们有了一手的几何形状,现在是时候去利用它,利用它来找出手势。

凸包:

通过凸壳,我们努力去适应一个多边形近似通过形状存在极值点。左边的图像显示的多边形近似,被分配到的形状与凸点红色标记。

凸点,从这一侧面形状近似多边形最远的点。但是,凸包问题是在计算过程中,我们将得到所有的凸点阵列,但我们需要的是蓝色的尖凸点。我们将告诉你为什么它是必需的。

找到这个凸点,我们需要运用垂直距离公式求距离的凸点与最近的一面。我们观察到蓝色的尖点具有从侧面最大距离,所以我们得到了这一点。

步骤7:

手势:手势控制机器人鹰使用图像处理界面
 

步骤8:

手势:手势控制机器人鹰使用图像处理界面

接下来我们需要找到加入的拇指尖线倾斜(或极值点)这个凸点的水平。

步骤9:

手势:手势控制机器人鹰使用图像处理界面

在上述情况下,角α应该如果手势是左转0度到90度之间。这是谭(α)应该是积极的。

步骤10:

手势:手势控制机器人鹰使用图像处理界面

在上述情况下,角α应该是180到90度之间,如果手势是向右转。这是谭(α)应该是负的。

因此,如果谈α阳性,然后左转。如果Tanα是负的,然后右转。现在,它的时间来看看如何检测最重要的停止命令。

在这里,一个指定的比例(通过打试验发现)检查和案件最多,这比距离保持在这个特定的范围内。

步骤11:

手势:手势控制机器人鹰使用图像处理界面

最后,提出了运动姿态进行了matchshape()功能在OpenCV。这个功能比较两countors的形状,在这种情况下,正确的训练实例之间在以上图片在上图左边的轮廓。它返回一个值的范围从0到2或3,根据在两个轮廓的形状变化。对于同一等高线,则返回0。


		

ret = CV2。matchshapes(CNT1,cnt2,1,0.0)

在这里,CN1和CNT2是两个轮廓,将与。

赞一下
(0)
0%
一般般
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
用户名: 验证码: 点击我更换图片