引言
今天我們主要了解3D攝像頭是如何跟機(jī)械臂應(yīng)用相結(jié)合的。我們最近準(zhǔn)備推出一款新的機(jī)械臂套裝AI Kit 2023 3D，熟悉我們的老用戶應(yīng)該知道，我們之前的AI Kit 2023套裝使用的是2D攝像頭。

隨著技術(shù)進(jìn)步，市場(chǎng)需求和領(lǐng)域的擴(kuò)大，2D的攝像頭已經(jīng)不能夠滿足很多場(chǎng)景。3D攝像頭也在近些年間火了起來。隨著我們的步伐，一起來認(rèn)識(shí)一下3D攝像頭帶給我們的應(yīng)用。

產(chǎn)品介紹
RealSence-Depth camera

我們今天涉及到的3D攝像頭是RealSence是Intel公司開發(fā)的一種深度感知攝像頭。可以從圖片中看出來，這個(gè)相機(jī)有四個(gè)鏡頭，它們分別是一個(gè)紅外激光投影儀，兩個(gè)紅外攝像頭和一個(gè)彩色攝像頭。這幾個(gè)鏡頭具體有啥作用：

紅外激光投影儀：

投射一個(gè)紅外光點(diǎn)網(wǎng)格到場(chǎng)景中，然后這些光點(diǎn)被紅外攝像頭捕獲。因?yàn)橥队皟x和攝像頭的位置是固定的，所以通過計(jì)算光點(diǎn)在攝像頭中的位置偏移，可以推算出每個(gè)光點(diǎn)對(duì)應(yīng)的物體距離攝像頭的距離，從而得到場(chǎng)景的深度信息。

紅外攝像頭：

紅外攝像頭是一種能夠捕獲紅外光譜的攝像頭。紅外光譜是電磁譜中的一部分，其波長長于可見光，但短于微波。紅外攝像頭的主要作用是能夠在無可見光照明的條件下進(jìn)行成像，因?yàn)樵S多物體會(huì)發(fā)射、反射或透過紅外光。

彩色攝像頭：

通常用于捕獲場(chǎng)景的常規(guī)視覺信息，而其他的攝像頭則用于捕獲額外的信息，如場(chǎng)景的深度信息或在低光照條件下的圖像。這些信息可以與彩色攝像頭捕獲的圖像相結(jié)合，以提供更豐富的視覺數(shù)據(jù)，支持更高級(jí)的功能，如面部識(shí)別、增強(qiáng)現(xiàn)實(shí)或3D建模等。

結(jié)合這四個(gè)攝像頭的功能，能夠獲取一個(gè)物體的三維信息，這種技術(shù)可以用于人臉識(shí)別、手勢(shì)識(shí)別、物體識(shí)別、測(cè)量物體的深度等多種應(yīng)用。

Artificial Intelligence Kit 3D

人工智能3D套裝是機(jī)械臂應(yīng)用人工智能，機(jī)器視覺的入門款套裝。套裝使用了四種識(shí)別算法，顏色識(shí)別，形狀識(shí)別，yolov8等，適配可視化的操作界面，使用3D攝像頭解決了2D攝像頭需要標(biāo)志定位的短板，開源代碼基于python平臺(tái)，可通過開發(fā)軟件實(shí)現(xiàn)機(jī)械臂的控制。

該套裝是搭配機(jī)械臂(myCobot,mechArm,myArm)進(jìn)行使用,仿工業(yè)場(chǎng)景的構(gòu)造。

myCobot 280
myCobot 280 M5是一款由Elephant Robotics和M5Stack聯(lián)合開發(fā)的最小和最輕的六軸協(xié)作機(jī)器人。它采用集成模塊化設(shè)計(jì)，重量僅為850克，非常輕巧，搭載6個(gè)高性能伺服電機(jī)，具有快速響應(yīng)，慣性小和平滑旋轉(zhuǎn)的特點(diǎn)。

3D攝像頭應(yīng)用領(lǐng)域
如果在同一個(gè)應(yīng)用領(lǐng)域中，用2D攝像頭和3D攝像頭它們的表型性能會(huì)怎樣。從我們身邊常見的來了解：

從圖標(biāo)中可以知道，2D攝像頭需要通過特定的算法來得到一些參數(shù)，而3D攝像頭能夠直接獲取較多的信息，在同一應(yīng)用領(lǐng)域下的性能更加精準(zhǔn)。在未來的，3D攝像頭的趨勢(shì)必然是飛速增長的！

這也是我們推出3D人工智能套裝的原因之一，跟上時(shí)代的步伐。

算法介紹
機(jī)械臂視覺識(shí)別，一定會(huì)涉及手眼標(biāo)定。雖然兩種版本的手眼標(biāo)定的流程是一樣的，但是他們?cè)谟?jì)算中還是會(huì)有一些差別，我們先看它們的識(shí)別區(qū)。

從中間的是被區(qū)域可以看到，3D版本已經(jīng)沒有了二維碼的標(biāo)識(shí)，在2D版本上二維碼的標(biāo)識(shí)的主要功能是確定識(shí)別的區(qū)域，以及提供一個(gè)固定高度的值。在獲取了三維數(shù)據(jù)之后，就不需要用到二維碼進(jìn)行標(biāo)識(shí)了，可以直接獲取到相機(jī)距離平面高度的值。

這一點(diǎn)體現(xiàn)了3D攝像頭能夠直接獲取深度的信息。

如何使用 realsence 在python中
environment build
operate system：window10/11
program language：python 3.9+
libraries：
from typing import Tuple, Optional
import pyrealsense2 as rs
import numpy as np
import cv2
import time


class RealSenseCamera:
   def __init__(self):
       super().__init__()

       # Configure depth and color streams
       self.pipeline = rs.pipeline()
       self.config = rs.config()
       self.config.enable_stream(rs.stream.color, 1920, 1080, rs.format.bgr8, 30)
       # Is the camera mirror image reversed
       self.flip_h = False
       self.flip_v = False

       # Get device product line for setting a supporting resolution
       pipeline_wrapper = rs.pipeline_wrapper(self.pipeline)
       pipeline_profile = self.config.resolve(pipeline_wrapper)
       # set auto exposure
       color = pipeline_profile.get_device().query_sensors()[0]
       color.set_option(rs.option.enable_auto_exposure, True)

       device = pipeline_profile.get_device()

       sensor_infos = list(
           map(lambda x: x.get_info(rs.camera_info.name), device.sensors)
       )

       # set resolution
       self.config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30)
       self.config.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 30)

       align_to = rs.stream.color
       self.align = rs.align(align_to)

   def capture(self):
       # Start streaming
       self.pipeline.start(self.config)

       # warm up
       for i in range(60):
           pipeline = self.pipeline
           frames = pipeline.wait_for_frames()

   def release(self):
       self.pipeline.stop()

   def update_frame(self) -> None:
       pipeline = self.pipeline
       frames = pipeline.wait_for_frames()
       aligned_frames = self.align.process(frames)
       self.curr_frame = aligned_frames
       self.curr_frame_time = time.time_ns()

   def color_frame(self) -> Optional[np.ndarray]:
       frame = self.curr_frame.get_color_frame()
       if not frame:
           return None
       frame = np.asanyarray(frame.get_data())
       if self.flip_h:
           frame = cv2.flip(frame, 1)
       if self.flip_v:
           frame = cv2.flip(frame, 0)
       return frame

   def depth_frame(self) -> Optional[np.ndarray]:
       frame = self.curr_frame.get_depth_frame()
       if not frame:
           return None
       frame = np.asanyarray(frame.get_data())
       if self.flip_h:
           frame = cv2.flip(frame, 1)
       if self.flip_v:
           frame = cv2.flip(frame, 0)
       return frame

顏色識(shí)別和形狀識(shí)別都是基于openCV提供的算法來識(shí)別物體抓取物體。只需要簡單的做一個(gè)hsv的檢測(cè)的算法就能夠檢測(cè)出來顏色。

# 初始化要識(shí)別的顏色
   def __init__(self) -> None:
       self.area_low_threshold = 15000
       self.detected_name = None
       self.hsv_range = {
           "green": ((40, 50, 50), (90, 256, 256)),
           # "blueA": ((91, 100, 100), (105, 256, 256)),
           # "yellow": ((20, 240, 170), (30, 256, 256)),
           "yellow": ((15, 46, 43), (30, 256, 256)),
           "redA": ((0, 100, 100), (6, 256, 256)),
           "redB": ((170, 100, 100), (179, 256, 256)),
           # "orange": ((8, 100, 100), (15, 256, 256)),
           "blue": ((100, 43, 46), (124, 256, 256)),
       }
       
# 對(duì)圖像的處理
result = []
       for color, (hsv_low, hsv_high) in self.hsv_range.items():
           hsv_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
           in_range = cv2.inRange(hsv_frame, hsv_low, hsv_high)

           # 對(duì)顏色區(qū)域進(jìn)行膨脹和腐蝕
           kernel = np.ones((5, 5), np.uint8)
           in_range = cv2.morphologyEx(in_range, cv2.MORPH_CLOSE, kernel)
           in_range = cv2.morphologyEx(in_range, cv2.MORPH_OPEN, kernel)

           contours, hierarchy = cv2.findContours(
               in_range, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE
           )

           contours = list(
               filter(lambda x: cv2.contourArea(x) > self.area_low_threshold, contours)
           )

           rects = list(map(cv2.minAreaRect, contours))
           boxes = list(map(cv2.boxPoints, rects))
           boxes = list(map(np.int32, boxes))

           if len(boxes) != 0:
               if color.startswith("red"):
                   color = "red"
               for box in boxes:
                   result.append(ColorDetector.DetectResult(color, box))
                   # self.detected_name = result
                   self.detected_name = result[0].color
       return result

YOLOv8 和拆碼垛
我們?cè)谶@個(gè)套裝里面還使用到了目前比較火的一款識(shí)別模型YOLOv8，此模型還涉及到深度學(xué)習(xí)和模型訓(xùn)練等功能。

YOLOv8是一種目標(biāo)檢測(cè)算法，它是基于深度學(xué)習(xí)的YOLO（You Only Look Once）系列算法的最新版本。YOLO算法是一種實(shí)時(shí)目標(biāo)檢測(cè)算法，其特點(diǎn)是能夠在一次前向傳播中同時(shí)完成目標(biāo)檢測(cè)和定位，速度非?？臁ome - Ultralytics YOLOv8 Docs

主要特點(diǎn)：

高性能：YOLOv8在目標(biāo)檢測(cè)任務(wù)中具有較高的準(zhǔn)確性和速度。它能夠在實(shí)時(shí)或接近實(shí)時(shí)的速度下進(jìn)行目標(biāo)檢測(cè)，適用于各種應(yīng)用場(chǎng)景。
簡單而有效的設(shè)計(jì)：YOLOv8采用了簡單而有效的設(shè)計(jì)，通過使用更深的網(wǎng)絡(luò)結(jié)構(gòu)和更多的特征層來提高檢測(cè)性能。它還使用了一種自適應(yīng)的訓(xùn)練策略，可以在不同的目標(biāo)檢測(cè)任務(wù)上進(jìn)行快速訓(xùn)練和調(diào)整。
多種規(guī)模的檢測(cè)：YOLOv8提供了不同的模型大小，包括小型、中型和大型模型，以滿足不同場(chǎng)景下的需求。這些模型可以在不同的硬件設(shè)備上進(jìn)行部署和使用。
開源和易用性：YOLOv8是開源的，代碼和預(yù)訓(xùn)練模型都可以在GitHub上獲得。它還提供了簡單易用的API，使得用戶可以方便地進(jìn)行模型訓(xùn)練、推理和部署。
要使用YOLOv8是需要進(jìn)行自定義訓(xùn)練模型的，在進(jìn)行目標(biāo)檢測(cè)任務(wù)是，根據(jù)具體應(yīng)用場(chǎng)景和需求，通過在自定義數(shù)據(jù)集上進(jìn)行訓(xùn)練得到模型。

為什么要訓(xùn)練模型呢？訓(xùn)練模型的目的是讓計(jì)算機(jī)能夠自動(dòng)識(shí)別和定位圖像或視頻中的目標(biāo)物體。通過訓(xùn)練模型，我們可以讓計(jì)算機(jī)學(xué)會(huì)如何識(shí)別不同種類的物體，并且能夠準(zhǔn)確地定位它們的位置。這對(duì)于許多應(yīng)用場(chǎng)景非常重要，比如自動(dòng)駕駛、安防監(jiān)控、智能交通等。

對(duì)此我們的源碼文件中已經(jīng)包含了我們自己訓(xùn)練的模型，如果你對(duì)YOLOv8的技術(shù)很熟練了，你可以自己對(duì)識(shí)別物體進(jìn)行訓(xùn)練。

下面的代碼是程序中使用的代碼

class YOLODetector:
   DetectResult = List[ultralytics.engine.results.Results]

   def __init__(self) -> None:
       """
       init YOLO model。
       """
       self.model_path = os.path.dirname(os.path.dirname(os.path.abspath(__file__))) + '/resources/yolo/best.pt'
       self.model = YOLO(self.model_path)
       self.predict_args = {"conf": 0.2}

       self.detected_name = None

   def get_radian(self, res: DetectResult):
       return 0

   def detect(self, frame: np.ndarray):
       """
       Perform object detection on input images.
       Args:
           frame (np.ndarray): Input image frame.
       Returns:
           List[DetectResult]: A list containing the detection results.
       """
       res = self.model.predict(frame, **self.predict_args)
       res = list(filter(lambda x: len(x.boxes) != 0, res))
       if len(res) == 0:
           return None
       else:
           names = self.get_names(res)
           self.detected_name = names
           return res

   def draw_result(self, frame: np.ndarray, res: List[DetectResult]):
       """
       Draws the bounding box of the detection results on the image.
       Args:
            frame (np.ndarray): Input image frame.
            res (List[DetectResult]): List of detection results.
       """
       res = list(filter(lambda x: len(x.boxes) != 0, res))
       for r in res:
           boxes = r.boxes.xyxy.numpy()
           for box in boxes:
               x1, y1, x2, y2 = box.astype(int)
               cv2.rectangle(frame, (x1, y1), (x2, y2), color=(0, 255, 0), thickness=1)
               cv2.putText(frame, "Name: " + str(self.detected_name), (20, 80),
                           cv2.FONT_HERSHEY_COMPLEX_SMALL, 1,
                           (0, 0, 255))
           # x1, y1, x2, y2 = np.squeeze(r.boxes.xyxy.numpy()).astype(int)
           # cv2.rectangle(frame, (x1, y1), (x2, y2), color=(0, 255, 0), thickness=1)

   def target_position(self, res: DetectResult) -> Tuple[int, int]:
       """
       Extract the location information of the target from the detection results.
        Args:
            res (DetectResult): detection result.
        Returns:
            Tuple[int, int]: The position coordinates (x, y) of the target.
       """
       boxes = res.boxes.xywh.numpy()
       boxs_list = []
       for box in boxes:
           x, y, w, h = box.astype(int)
           boxs_list.append((x, y))
       boxs_list = tuple(boxs_list)
       return boxs_list

   def get_rect(self, res: DetectResult):
       """
       Obtain the bounding box coordinate information of the target from the detection result.
       Args:
            res (DetectResult): detection result.
        Returns:
            List[Tuple[int, int]]: The bounding box coordinate information of the target, including four vertex coordinates.
       """
       boxes = res.boxes.xywh.numpy()
       box_list = []
       for box in boxes:
           x, y, w, h = box.astype(int)
           size = 3
           rect = [
               [x - size, y - size],
               [x + size, y - size],
               [x + size, y + size],
               [x - size, y + size],
           ]
           box_list.append(rect)
       return box_list

   def get_names(self, res: DetectResult):
       """
       Get the category name in the detection results
       Args:
            res (DetectResult): detection result.
        Returns:
            List[names]: A list category names.
       """
       names_dict = {
           0: 'jeep', 1: 'apple', 2: 'banana1', 3: 'bed', 4: 'grape',
           5: 'laptop', 6: 'microwave', 7: 'orange', 8: 'pear',
           9: 'refrigerator1', 10: 'refrigerator2', 11: 'sofa', 12: 'sofa2',
           13: 'tv', 14: 'washing machine1'
       }

       ids = [int(cls) for cls in res[0].boxes.cls.numpy()]  # Assuming you have only one result in the list
       names = [names_dict.get(id, 'Unknown') for id in ids]

       return names

搭配上3D攝像頭的特性，獲取被識(shí)別的物體的高度實(shí)現(xiàn)拆碼垛的demo，能夠?qū)⑺麄兿癫鸱e木一樣拆除。

總結(jié)
我們的機(jī)械臂和深度攝像頭套裝不僅是一款產(chǎn)品，更是一個(gè)開啟學(xué)習(xí)之門的機(jī)會(huì)。這個(gè)套裝以用戶友好的方式，提供了一個(gè)理想的平臺(tái)，讓初學(xué)者可以在實(shí)踐中探索和學(xué)習(xí)機(jī)械臂操作和機(jī)器視覺的知識(shí)，更重要的是，它提供了一個(gè)獨(dú)特的機(jī)會(huì)，讓用戶能夠深入理解和掌握3D相機(jī)算法。

隨著科技的進(jìn)步，3D攝像頭的應(yīng)用正在迅速擴(kuò)展到多個(gè)領(lǐng)域，包括但不限于制造、安全、娛樂和醫(yī)療。我們堅(jiān)信，通過使用我們的套裝，用戶將能夠把握這一技術(shù)趨勢(shì)，為自己的未來學(xué)習(xí)和職業(yè)生涯奠定堅(jiān)實(shí)的基礎(chǔ)。


審核編輯 黃宇