336x280(권장), 300x250(권장), 250x250, 200x200 크기의 광고 코드만 넣을 수 있습니다.

 

의뢰는 ▶LINK 여기로 와주세요

 

Naver

[opencv 색깔 감지]

[tracking CSRT] :: Tracking방법중 하나이다.

특정 영역을 Mapping해서 트래킹하는 방법이라고 한다.

Non-Rectangular Regions를 사용한다는게 특징중 하나다.

25 fps로 비교적 낮은 fps를 사용하지만 더 높은 object tracking을 보여준다. (fps와 accuracy는 반비례)

CSRT Tracker.txt
0.00MB

Boosting, MIL, MedianFlow, TLD(under occlusion), KCF(OpenCV3.1지원), GoTurn(OpenCV3.2지원)

https://www.learnopencv.com/object-tracking-using-opencv-cpp-python/

▲어떤 Tracking방법을 쓸지 참고하면 좋다.

[옴니휠 바퀴 방향]

[tracking opencv] 

[pixy2 카트]

 

search.naver.com

 

search.naver.com

 

 

 

 

 

 

https://www.youtube.com/watch?v=Rpx1nP_zv0o

 

 

 

 

https://pixycam.com/downloads-pixy1/

픽시카메라 사용시 Library다운로드 받는곳

Zip파일째로 라이브러리 추가해야한다.

documentation-pixy2.egg
3.36MB

 

https://www.hackster.io/niftyjoeman/pixy-cmucam-arduino-3ac141

Pixy Cam + Arduino :: 색깔만 Tracking할때 쓴다.

Upto 16개까지 sign을 구분할 수 있다.

정확히 말하면 16가지의 색깔을 구분한다고 말할 수 있다.

https://www.robotshop.com/en/charmed-labs-pixy-2-cmucam5-image-sensor.html

https://www.engineersgarage.com/mygarage/pet-robot-colour-vision-follower (★ 몇다리 건너가야 Code가 보임)

zumo-shield-arduino-library-master.zip
0.08MB

▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲

 

 

 

 

부품리스트

Raspberry Pi

HDMI기반 미니 모니터 :: 13만2천원(카드결제시) (남도전자) (▶LINK)

옴니휠 Body (한 바퀴당 2.5kg Torque)(▶LINK)  -->> Geard DC Motor 포함됨 (속도가 느린 DC 모터) (KR-120) (▶LINK)

:: Operating Voltage : 4~6V

:: Stall Torque : 1.5kg.f.cam (견디는 무게 임계치) (바퀴가 두개이므로 3kg까지 견딤)

SD Card 32GB

볼베어링 or 지지대가 필요할 수 있다. (바퀴 2개만으론 균형을 잡을 수 없으므로)

L293D Motor Driver

 

Top-Down View

두개의 바퀴가 같은 방향으로 돌면 전진/후진 이며,

왼쪽 바퀴가 Backward, 오른쪽 바퀴가 Forward이면, 제자리에서 왼쪽으로 튼다.

 

 

 

 

 

 

색깔카드 3장

색깔이 들어간 패턴카드 2장

카메라에 동시에 여러장이 잡히는 경우는 염두해두지말것

 

기본적으로 Setting해야할것들 (▶LINK)

 

AutoRun :: 부팅 시키자마자 바로 프로그램을 동작시키는 기법 (▶LINK)

 

WebCam 사용전 정상유무 Test 사이트 (▶LINK) (완전 편함!!!)

 

내용정리중

https://www.pyimagesearch.com/2017/10/16/raspberry-pi-deep-learning-object-detection-with-opencv/

 

Raspberry Pi: Deep learning object detection with OpenCV - PyImageSearch

In this tutorial you'll learn two methods you can use to perform real-time object detection using deep learning on the Raspberry Pi with OpenCV and Python.

www.pyimagesearch.com

A few weeks ago I demonstrated how to perform real-time object detection using deep learning and OpenCV on a standard laptop/desktop.

몇주전에 난 증명했다. 어떻게 수행하는지 실시간 객체감지를 사용하여 딥러닝 & OpenCV를 on a 표준 컴퓨터상에서.

After the post was published I received a number of emails from PyImageSearch readers who were curious

if the Raspberry Pi could also be used for real-time object detection.

After the 포스트가 출판되고나서, 난 받았다. a 수많은 이메일들을 from PyImageSearch 독자들로부터 who 호기심있는

if the RPi가 could 또한 be 사용될수있을런지 실시간 객체 탐지에.

The short answer is “kind of”…

…but only if you set your expectations accordingly.

Even when applying our optimized OpenCV + Raspberry Pi install the Pi is only capable of getting up to ~0.9 frames per second when applying deep learning for object detection with Python and OpenCV.

심지어 when 적용할때 우리의 최적화된 OpenCV + RPi설치가 only 수용능력이될때 of getting

upto ~0.9 Frames를 per 초당 적용하면서 딥러닝을 for 객체탐지를위해 with Python & OpenCV와함께.

Is that fast enough?

Well, that depends on your application.

If you’re attempting to detect objects that are quickly moving through your field of view, likely
not.

충분히 빠른가 ? (의뢰자들이 흔히들 물어보는 질문이긴하지)

글쎄, 그건 네 어플에따라 달려있다.

만약 네가 시도하고있는 중이라면 to 감지하기위해 객체들을 that are 빠르게 이동중인 through 네 필드를통해 of view

But if you’re monitoring a low traffic environment with slower moving objects,

the Raspberry Pi could indeed be fast enough.

In the remainder of today’s blog post we’ll be reviewing two methods to perform deep learning-based object detection on the Raspberry Pi.

But 만약 네가 모니터링하고있는중이라면 a 적은 트레픽 환경에서 with 더느리게 이동하는 객체들과함께

the RPi는 could 과연 be 충분히 빠를수있다. (indeed::과연,참으로)

Raspberry Pi: Deep learning object detection with OpenCV

Today’s blog post is broken down into two parts.

In the first part, we’ll benchmark the Raspberry Pi for real-time object detection using OpenCV and Python.

This benchmark will come from the exact code we used

for our laptop/desktop deep learning object detector from a few weeks ago.

첫번째 파트에서, 우린 벤치마크할것이다. the RPi를 for 실시간 객체 탐지를위해 사용하여 OpenCV & 파이선을

이 벤치마크는 will 다가올것이다. from the 추출하는걸로부터 코드를 we used

for 우리의 컴퓨터 딥러닝 객체 탐지 사이트로부터 from a 몇주전에.

I’ll then demonstrate how to use multiprocessing to create an alternate method to object detection

using the Raspberry Pi.

This method may or may not be useful for your particular application,

but at the very least it will give you an idea on different methods to approach the problem.

난 그런다음 증명할것이다. how to 사용하는 멀티프로세싱을 to 만들기위해 대체방법을 to 객체 탐지에

사용하여 the 

 

 

 

 

https://www.pyimagesearch.com/2018/07/30/opencv-object-tracking/

 

OpenCV Object Tracking - PyImageSearch

Use OpenCV to track objects in video using OpenCV's 8 object tracking algorithms, including CSRT, KCF, Boosting, MIL, TLD, MedianFlow, MOSSE, and GOTURN. Python + OpenCV object tracking code included.

www.pyimagesearch.com

 

 

https://www.pyimagesearch.com/2017/09/18/real-time-object-detection-with-deep-learning-and-opencv/

 

Real-time object detection with deep learning and OpenCV - PyImageSearch

In this tutorial I demonstrate how to apply object detection with deep learning and OpenCV + Python to real-time video streams and video files.

www.pyimagesearch.com

 

 

https://www.alatortsev.com/2018/09/05/installing-opencv-3-4-3-on-raspberry-pi-3-b/

 

Installing OpenCV 3.4.3 on Raspberry Pi 3 Model B+

Installing OpenCV 3.4.3 on Raspberry Pi 3 model B+, step-by-step.

www.alatortsev.com

 

 

--------------------------------------------------------------------------------------------------------------------------------

▼정리중 서버관련 때문에

https://thepi.io/how-to-ssh-into-the-raspberry-pi/

 

How to SSH into the Raspberry Pi - The Pi

In the past, we’ve showed you how to set up an FTP server on a Raspberry Pi. Now we’re going to show you how to...

thepi.io

SSH는 데스크탑과 putty를 통해 통신할 때 쓰인다.

▼아래 두가지 방법을 통해 세팅이 가능하다. (On/Off)

Head over to Preferences > Raspberry Pi Configuration and click on “Interfaces.” While there, select “SSH: Enabled.”

sudo raspi-config >> Advanced Options >> SSH setting

Step2 : Determine your IP address

In order to connect to your Raspberry Pi, you have to know your RPi IP address.

If you're going to connect to your RPi from inside your home network,

open Terminal and enter this command:

hostname -I    ◀IP주소를 확인할 수 있다. (192.168.194.83)

If you want to connect to your Pi from outside of your home network,

you will have to set up port forwarding and determine your public IP address instead.

Obtaining your public IP address is very easy.

구글에 what is my ip address 라고 치면 내 PC의 IP 주소가 뜬다.

.

.

Step3 : SSH into your RPi

Windows

To connect to your RPi with SSH, you'll need a popular program called PuTTY.

 

 

 

 

https://www.raspberrypi-spy.co.uk/2012/05/install-rpi-gpio-python-library/

 

Install RPi.GPIO Python Library - Raspberry Pi Spy

Raspberry Pi tutorials and guides to help you learn and build awesome projects. Sensors, displays, screens, motors, servos, lights, LEDs and more!

www.raspberrypi-spy.co.uk

sudo apt-get update

sudo apt-get install rpi.gpio (GPIO 라이브러리 관련)

DC Motor 제어 ▶LINK

 

 

 

'졸업작품 > RFID based SmartCart(스마트카트)' 카테고리의 다른 글

3.어플연동 RFID기반 스마트카트  (1) 2017.02.23
1.부품리스트  (0) 2016.12.20
Posted by ElectricShock
:
BLOG main image
잡동사니들(지극히 개인취향인...) (다른글에도 댓글 부탁해요♥) You May Leave English Messages on GuestBook. by ElectricShock

공지사항

카테고리

분류 전체보기 (782)
Programming(=프로그래밍) (3)
MiDi (2)
Animation (4)
Blender (3D Graphic Program.. (10)
Blendtuts.com (Series) (1)
Blender 기초 팁들 (2)
Processing (디지털미디어과) (2)
Music (1)
Books in the world (0)
Communication(CAN, UART, et.. (12)
MCU Examples (PIC 기반) (7)
Transistor (1)
Mikro C Pro (11)
Mikro Pascal (1)
Proton IDE (0)
Robot (0)
Swift 3D (1)
Dummies Series (1)
All about Hacking (0)
제2 외국어 (1)
PIC 해외서적들 (3)
AVR (25)
PIC (MikroC) (MPLAB) (4)
Assembly (2)
ARM (3)
Arduino (26)
PSpice (1)
Proteus ISIS (14)
CodeVision (2)
FPGA (15)
MPLAB (24)
PCB (the Procedure) (15)
3D Printer (5)
PICKIT3 (6)
Matlab (11)
RaspBerry PI (15)
BeagleBone (1)
Android Studio (17)
졸업작품 (172)
Korea History (0)
Issue(사회) (73)
Multimeter 리뷰 (1)
Oscilloscope (1)
A (34)
B (19)
J (6)
C (32)
P (12)
T (37)
H (12)
I (12)
M (44)
R (5)
E (5)
F (2)
D (9)
O (2)
L (7)
S (9)
W (2)
V (6)
G (14)
Visual C++ or Visual Studio (2)
Android App Development (0)

최근에 올라온 글

최근에 달린 댓글

최근에 받은 트랙백