Sadržaj:
- Korak 1: Nabavite svoj API ključ
- Korak 2: Okupite svoj hardver
- Korak 3: Lepite LCD zajedno
- Korak 4: Preuzmite NOOBS za svoj Raspberry Pi
- Korak 5: Započnite s Picamerom
- Korak 6: Pronađite port kamere i povežite kameru
- Korak 7: Otvorite Raspberry Pi Configuration Tool iz glavnog menija
- Korak 8: Provjerite je li softver kamere omogućen
- Korak 9: Pregled kamere
- Korak 10: Fotografije
- Korak 11: Vaša kamera radi
- Korak 12: Uzmite svoj sastavljeni LCD komplet i testirajte ga
- Korak 13: Nabavite kôd za instalaciju na svoj uređaj koji ste sami napravili
- Korak 14: Snimite sliku
- Korak 15: Gotovo
Video: Otkrivanje vizuelnih objekata kamerom (TfCD): 15 koraka (sa slikama)
2024 Autor: John Day | [email protected]. Zadnja izmjena: 2024-01-30 08:08
Kognitivne usluge koje mogu prepoznati emocije, lica ljudi ili jednostavne predmete trenutno su još u ranoj fazi razvoja, ali s mašinskim učenjem ova se tehnologija sve više razvija. Možemo očekivati da ćemo u budućnosti vidjeti više ove magije.
Za projekt TU Delft za TfCD, odlučili smo upotrijebiti kognitivne usluge vida koje pruža Microsoft kako bismo pokazali kako izvesti analizu prepoznavanja vida na fotografijama. (Pogledajte video).
BILJEŠKA!
Elektronika i kod rade ispravno, ali internetska veza u TU Delft bila je isključena pa nemamo odgovarajući video. Kasnije ćemo postaviti odgovarajući! Hvala na razumijevanju!
Korak 1: Nabavite svoj API ključ
Najprije idite na web mjesto Azure kognitivnih usluga i nabavite Computer Vision API ključ s Microsoftove web lokacije. Veza se nalazi ispod:
DODATNO: Ako želite isprobati API da biste se malo zabavili, nabavite i ključ za prepoznavanje lica i prepoznavanje emocija. Preuzmite Visual Studios (verzija zajednice je u redu) i preuzmite kôd sa github -a da biste ga stavili u Visual Studios.
Visual Studios:
Github:
Korak 2: Okupite svoj hardver
Započnite s modulom kamere Raspberry Pi, koristeći Python i pikameru. Snimaćete fotografije, video zapise i primenjivati efekte slike. Za početak će vam trebati:
- Raspberry Pi, ploča za kameru V2, 8MP
- Raspberry Pi 3, model B, 1 GB RAM -a za kodiranje
- Adafruit 16x2 LCD sa znakovima
- Miš za povezivanje sa Raspberry Pi
- Tastatura za povezivanje sa Raspberry Pi
- Monitor za povezivanje sa Raspberry Pi
- Ethernet kabel za povezivanje Raspberry Pi na web
- Laptop za ulaz
- Lemljeni set za lemljenje vašeg LCD -a
Korak 3: Lepite LCD zajedno
Koristite web lokaciju Adafruit za pravilno lemljenje LCD -a. Link se nalazi ispod:
learn.adafruit.com/adafruit-16x2-character…
Korak 4: Preuzmite NOOBS za svoj Raspberry Pi
Preuzmite Raspbian da biste pokrenuli Raspberry Pi!
www.raspberrypi.org/downloads/noobs/
Gledajte svoj Raspberry Pi kao mali računar. Potrebni su mu monitor, miš, tastatura i internet. Spojite ih na svoj Raspberry Pi.
Korak 5: Započnite s Picamerom
Modul kamere je odličan dodatak za Raspberry Pi, omogućavajući korisnicima da snimaju fotografije i video zapise u punoj HD rezoluciji. Prije svega, kada je Pi isključen, morat ćete spojiti modul kamere na port kamere za Raspberry Pi, zatim pokrenuti Pi i provjeriti je li softver omogućen. Slijedite slike za daljnje korake!
Korak 6: Pronađite port kamere i povežite kameru
Korak 7: Otvorite Raspberry Pi Configuration Tool iz glavnog menija
Korak 8: Provjerite je li softver kamere omogućen
Korak 9: Pregled kamere
Sada je vaša kamera povezana i softver je omogućen, možete započeti isprobavanjem pregleda kamere.
- Otvorite Python 3 iz glavnog menija
- Otvorite novu datoteku i spremite je kao camera.py. Važno je da ga ne sačuvate kao picamera.py.
- Unesite sljedeći kôd:
- iz pikamera iz uvoza PiCamera
- od vremena uvoza sleep
- kamera = PiCamera ()
- camera.start_preview () sleep (10) camera.stop_preview ()
- Spremite pomoću Ctrl + S i pokrenite s F5. Pregled kamere bi trebao biti prikazan 10 sekundi, a zatim zatvoriti. Pomerite kameru da biste pregledali ono što kamera vidi.
- Pregled kamere uživo trebao bi ispuniti ekran
Korak 10: Fotografije
Najčešće se koristi modul kamere za snimanje fotografija.
Izmijenite svoj kôd da biste smanjili stanje mirovanja i dodajte red camera.capture ():
camera.start_preview ()
spavati (5)
camera.capture ('/home/pi/Desktop/image.jpg')
camera.stop_preview ()
- Pokrenite kôd i vidjet ćete da je pregled kamere otvoren 5 sekundi prije snimanja fotografije. Vidjet ćete da se pregled trenutno prilagođava drugoj rezoluciji dok se slika.
- Vidjet ćete svoju fotografiju na radnoj površini. Dvaput kliknite na ikonu datoteke da biste je otvorili.
Korak 11: Vaša kamera radi
DA! Sljedeći korak!
Korak 12: Uzmite svoj sastavljeni LCD komplet i testirajte ga
Omogućite LCD prema sljedećim podkoracima:
Konfiguriranje LCD -a
a.
Instaliranje LCD -a i testiranje da li je vaš LCD ispravno lemljen!
b.
Korak 13: Nabavite kôd za instalaciju na svoj uređaj koji ste sami napravili
Nabavite kôd sa github -a:
NAPOMENA: Čini se da kod ne funkcionira dobro u Tronnyju. Za pokretanje koda upotrijebite Raspbian terminal. Postavite kôd (ComputerVision.py) na mapu: home/pi/Adafruit_Python_CharLCD/examples (Iz nekog razloga funkcionira samo na ovaj način, druge metode će dati samo neobjašnjive greške)
Otvorite svoj terminal i upišite:
cd Adafruit_Python_CharLCD/examples
./ComputerVision.py
Korak 14: Snimite sliku
Preporučuje se:
Otkrivanje objekata sa Sipeed MaiX pločama (Kendryte K210): 6 koraka
Otkrivanje objekata sa Sipeed MaiX pločama (Kendryte K210): Kao nastavak mog prethodnog članka o prepoznavanju slika sa Sipeed MaiX pločama, odlučio sam da napišem još jedan vodič, fokusirajući se na otkrivanje objekata. Nedavno se pojavio zanimljiv hardver sa Kendryte K210 čipom, uključujući S
MALINA PI Pi OTKRIVANJE OBJEKATA S VISE KAMERA: 3 koraka
RASPBERRY PI Pi OTKRIVANJE OBJEKATA S VISE KAMERA: Uvod ću ukratko opisati, jer sam naslov sugerira koja je glavna svrha instrukcije. U ovom uputstvu, korak po korak, objasnit ću vam kako spojiti više kamera poput 1-pi kamere i barem jednu USB kameru ili 2 USB kamere
Otkrivanje objekata W/ Dragonboard 410c ili 820c koristeći OpenCV i Tensorflow .: 4 koraka
Object Detection W/ Dragonboard 410c ili 820c koristeći OpenCV i Tensorflow .: Ove upute opisuju kako instalirati OpenCV, Tensorflow i okvire strojnog učenja za Python 3.5 za pokretanje aplikacije Object Detection
Otkrivanje objekata tokom vožnje RC automobilom: 9 koraka
Otkrivanje objekata tokom vožnje RC automobila: Ovaj projekt govori o upotrebi ultrazvučnih senzora na automobilu za otkrivanje prepreka
Napravite zadivljujuće makro slike sa bilo kojom kamerom na telefonu sa kamerom Posebno sa iPhoneom: 6 koraka
Snimite zadivljujuće makro slike sa bilo kojom kamerom na telefonu sa kamerom … Posebno sa iPhoneom: ikada ste hteli da napravite jednu od onih neverovatnih fotografija izbliza … onu koja kaže … WOW!? … sa kamerom telefona sa kamerom !? U osnovi, ovo je dodatak za povećanje za bilo koju kameru telefona s kamerom koja uvećava vaš postojeći objektiv kamere kako bi snimila