注意：myCobot 280系列仅支持树莓派版本，暂不支持M5版本。

识别图像卡片

       本案例使用 eye-to-hand 的模式，使用摄像头，通过 OpenCV 加载 Tensorflow 训练出来的模型数据，识别图像物块并定位图像物块在视频中的位置。通过相关点位，计算出物块相对于机械臂的空间坐标位置。为机械臂设置一套相关动作，将识别的物块放入桶中。在接下来的章节中将详细介绍整个案例的代码实现过程。

1 程序编译

点击桌面上的ROS1 Shell图标或者桌面下方栏的对应图标，打开ROS1环境终端：

然后输入以下指令：

cd ~/catkin_ws  # 进入工作区的src文件夹中
catkin_make # 构建工作区中的代码
source devel/setup.bash # 添加环境变量

2 摄像头调整

       首先，需要使用python运行mycobot_ai包下的OpenVideo.py。若开启的摄像头为电脑摄像头则需要修改cap_num，具体可参考：注意事项。确保摄像头完全包含整个识别区域，且识别区域在视频中是正正方方的，如下图所示。若识别区域在视频中不符合要求，则需要调整摄像头的位置。

• 点击桌面上的ROS1 Shell图标或者桌面下方栏的对应图标，打开ROS1环境终端，输入以下命令进入目标文件夹：

  

cd ~/catkin_ws/src/mycobot_ros/mycobot_ai/aikit_280_pi/

• 输入以下命令，打开摄像头进行调整

python scripts/OpenVideo.py

2 添加新图像

• 打开一个控制台终端(快捷键Ctrl+Alt+T)，进入目标文件夹

cd ~/catkin_ws/src/mycobot_ros/mycobot_ai/aikit_280_pi/

• 输入以下命令，启动添加图像的程序。

python scripts/add_img.py

• 根据终端输入的提示进行操作，在弹出的第二个图像框中进行图像的截取。
• 图像截取区域完成后，按下回车键，根据终端提示，输入数字(1~4)保存到相对应图像的文件夹，按下回车键即可保存至对应文件夹。

3 案例重现

树莓派版本：

• 点击桌面上的ROS1 Shell图标或者桌面下方栏的对应图标，打开ROS1环境终端，输入以下命令启动launch文件：

  

roslaunch aikit_280_pi vision_pi.launch

• 打开另一个ROS1环境终端（打开方式同上），输入以下命令进入目标文件夹:

cd ~/catkin_ws/src/mycobot_ros/mycobot_ai/aikit_280_pi/

• 再输入以下命令启动图像识别程序:

python scripts/aikit_img.py

• 当命令终端出现ok并且摄像头窗口能正常开启时，说明程序运行成功，此时可将可识别的物体放置识别区域进行识别抓取。

注意事项

1. 当摄像头没有正确自动框出识别区域，需要关闭程序，调整摄像头的位置，可将摄像头向左向右移动等操作。
2. 若命令终端没有出现ok，且无法识别颜色时，需要将摄像头稍微向后或向前移动一下，当命令终端出现ok时程序即可正常运行。
3. OpenCV图像识别会受环境的影响，若处在较为昏暗的环境下识别效果将大大降低。