使用大象机器人myPalletizer人工智能套件实现颜色和图像识别！

基于Linux系统和ROS中的1:1仿真模型，myPalletizer人工智能套件由视觉、定位抓取和自动分拣模块组成。具有配备的视觉功能，通过OpenCV识别和定位不同颜色或图像的立方体，机械臂的核心处理器可以计算其当前目标空间坐标位置，最后将立方体夹入相应的桶中。

点击下方视频，欢迎观看视频：

开源！全球首款全包裹式基于ROS树莓派4B做的智能视觉四轴机械臂，使用Python编程，玩转AI颜色识别、智能分拣、语言交互

下面是使用myPalletizer 260 Pi 人工智能套件，实现颜色和图像识别的详细过程。

一、颜色识别

1.在桌面使用Ctrl+Alt+T组合快捷键开启一个命令窗口，输入以下命令启动master节点：

roscore

2.在命令终端中键入Ctrl+Shift+T开启同目录下的另一个命令窗口，再输入命令启动vision.launch文件

roslaunch myPalletizer_260 vision.launch

运行结果如图所示：

3.Ctrl+Alt+T打开另一个命令窗口，输入命令进入到待操作文件目录

cd catkin_ws/src/mycobot_ros/mycobot_ai/myPalletizer_260/

4.运行程序detect_obj_color.py ，即可实现颜色识别并抓取了。

python scripts/detect_obj_color.py 

 之后我们可以看到如下：

二、图像识别

1.运行detect_obj_img_folder_opt.py 程序前，请确保已执行颜色识别中的步骤1，2，3

2.运行添加图片的程序add_img.py，根据你的需要把要识别的图片添加到指定文件夹（'red', 'blue', 'green', 'gray')

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（通过鼠标左键进行图像区域的选取）。

3.图像截取区域完成后，按下回车键，根据终端提示，输入保存图像的文件夹名称（'red', 'blue', 'green', 'gray')，按下回车键即可保存至对应文件夹。

4.启动图像识别程序detect_obj_img_folder.py ，验证步骤2，3中添加的图片机械臂是否能正确吸取并放到相对应颜色的桶中。

python scripts/detect_obj_img_folder_opt.py

然后，我们可以得到如图所示的结果：

这款产品为研发人员以及STEM教育工作者量身定做，他们会对人工智能套装与机器人相结合的应用程序感兴趣。如果你拥有这款人工智能套件，除了颜色和图像识别，你还想实现什么应用场景？请在评论中与我们分享！