OpenMV官方机械臂第二期教程来啦!本期将带你快速掌握机械臂物块识别和自动分拣码垛任务操作,帮助你更流畅地举一反三,完成自己的构想!

*具体教程和源码可在星瞳科技OpenMV官网[OpenMV.cc]查看哦!

星瞳OpenMV官方机械臂教程|物块码垛实战

下图是本教程所需要的文件与代码,可在官网查看详情,本实例共有两种实现方案:find_blobs和ai神经网络。

首先铺设场景地图

将模型和代码文件拖入OpenMV文件目录中

将机械臂的底座与场景的方框对其,保证机械臂摆放正确。

将圆框和物块放置到指定位置,方便后续程序的调试运行。

不同按键对应不同的分拣方案: 1、按下1号按键使用神经网络识别方案

2、按下2号按键使用颜色识别方案

AI识别方案加载我们自己训练的AI模型,使用ml(机器学习)模块加载模型,遍历整幅图像 查找符合模型的的物块。具体的AI模型训练方法详见openmv.cc,查看视频教程编38和42,以及一分钟神经网络分类和目标检测视频教程。

find_blobs的方案是使用OpenMV IDE的阈值编辑器找出黄色和蓝色的阈值范围,然后将 阈值输入find_blobs函数进行查找对应颜色。

二者识别部分的代码对比

二者的主要区别在于: 神经网络识别方案使用我们自行训练的模型文件进行识别分类,神经网络方法的前期工作复杂,但其识别鲁棒性强,不易受环境干扰。 颜色识别的方案则主要使用find_blobs函数模块进行分类,通过调整不同的颜色阈值即可实现查找不同的颜色,方法简单直接,但对环境比较敏感。

在AI识别部分,我们进行了一点点特别设计,来提高识别的稳定性:

我们给识别结果设置了一个置信度阈值,当识别的置信度大于0.5时,就判断OpenMV识别到了这个物体。

设置了检测范围,机械臂只会检测画面靠右侧的物体,防止左侧物体的干扰。

此外,机械臂在连续识别20次物体后,才会进行后续操作,进一步提高识别的稳定性。

OpenMV Robot Arm机械臂的物块分拣码垛教程到此就结束啦。

结合OpenMV的智能图像识别,你可以实现更酷炫的项目。

源码和更多内容可在星瞳科技OpenMV官网OpenMV.cc查看,感谢观看!

Logo

聚焦RDK与具身智能,汇集机器人开发教程、开源案例和技术交流

更多推荐