基于AI视觉的麦克纳姆轮式小车自动识别抓取系统设计

第1章绪论1.1研究目的及意义为了满足企业在开源节流上的需求，研究并设计了一套工业机器人识别抓取工件的系统。利用Raspberry芯片作为核心单片机，结合欢颜机器人自身的控制系统，再通过AI视觉模块实现对工件颜色的辨识。准确定位，最后通过机械臂实现对工件的抓取和放置。系统在提高生产效率和解放劳动力的方面，具有较高的实用及推广价值。近年来，随着我国科技飞速发展，劳动力成本也在提高，人们对工业机器人领域越来越关注，工业机器人已成为智能制造业中不可或缺的装备，其广泛应用推动了智能化和自动化的发展。工业机器人是一种融合了机械、电子、计算机等多个学科领域的高科技产品，具有高度综合性和创新性、不仅适应性强且可靠性高。本设计应用AI视觉模块、欢颜工业机器人，实现了视觉引导机器人抓取工件的功能。1.2国内外研究现状近年来，随着社会经济的快速发展，国内外很多研究机构在这个领域做了诸多努力。2022年，唐淮、张晶、李为莹等人在《基于AI视觉的工业机器人抓取系统设计》中提到，AI视觉传感器采用的AI芯片，内置多种算法，相较于普通传感器，AI视觉传感器融合了更先进的机器学习技术，使其具备颜色识别等更高级能力。2022年，黄春机在《基于AI视觉技术构建柔性生产数字化车间》中提到，利用AI视觉软件基础平台，对不同作业环节的工艺要求、经验值等进行软件算法的转换，再金国机器学习分析后，最后通过通过控制软件系统与辅助机械手进行生产作业。同时依托智能化的服务平台，分析大数据和建立模型，再以模拟预测的方式，结合监控装置设备反馈回来的站情中心的信息，进行综合管理，质量管控和设备管理等应用场景，并与设备联网、终控平台、物流控制等自动化互联系统（如AGV搬运、自动化设备状态监控、机器人工作站和检测设备）进行衔接。2021年，郭熹、李斌等人在《基于5G的工业AI视觉检测系统应用》中指出，以5G的工业视觉检测系统为平台、提出一种多个监测点并行的工业检测方案。在传统的工业视觉检测设备基础上增加智能感知单元以及机器学习算法，将其部署到工业环境中进行实时检测。该方案可以为企业提供一种低成本高效的智能感知解决方案。因此，该方案具有较高的实用价值和推广价值。2019年岑文星撰文《基于AI视觉的微型无人机救援系统研究》时指出，中国在AI领域，不论是在人脸识别技术、还是图像分类、甚至预测技术与跟踪技术等方面，正是因为中国的高科技企业对AI技术的看重，人民的不断努力，才获得了今天一系引以为傲的科技成果，中国在AI技术领域发布获得的成就，到现在来看依然处于世界领先地位，同时也起到了领头羊的作用。2019年，WenxingCen在《ResearchonMicroUAVRescueSystemBasedonAIVision》中提到，在AI视觉领域，国外的研究历史悠久且成熟，一系列基础理论框架模型被提出，其中包括CNN、RCNN和FasterRCNN等，这些模型为人们对AI技术领域的研究提供了坚实的基础。随着人工智能技术发展越来越迅猛，人们对机器学习算法的要求也就越高，目前主流的深度网络模型是基于浅层特征的卷积神经网络。经过这几年发展，其性能已经接近甚至超过其他现有模型的性能。在图像分类和目标检测任务中，它展现出了非常卓越的表现，同时也彰显了其卓越的能力。2023年，HeikoSeitz在《\t"30/kns8/defaultresult/_blank"QualityInspectionWithAIVision》中提到随着人工智能技术的飞速发展和推广应用,AI视觉与教育融合已成为未来教育改革的热点。在当下的教育圈，ABC（AI,人工智能；BigData,大数据；CloudComputing,云计算）已成为了热点话题,而AI视觉更是各项智慧教育应用建设落地中的重要基础技术。视觉智算中心云化集群部署，并采用分层解耦的方式建设。首先，它实现了视频、录像、图片流、离线视频全量解析能力的灵活调配，使本地服务器具备算法仓库功能,同时实现了多种AI算法的并行运行能力以及算法应用按时按需任意切换调用，并支持算法在线动态加载、升级、卸载；其次，它具备校园AI开放平台训练功能,实现了对校园内各种业务场景人工智能算法精准度训练,提升智能管理能力、节省智能建设成本、满足校园各种业务场景的智慧应用需求；再次，视觉智算中心具备极其灵活的属性,它可根据场景的需求灵活切换算法，此外，该设备还拥有新增的视频智能化功能，使得在面对新需求时，只需添加新的算法即可解决问题。DimCamillo提出，随着理论的深度学习，人工智能所面临的问题也变得越来越复杂，这时如何依靠机器进行描述成为了制约其发展的主要瓶颈，同时这也为AI视觉识别技术的进一步发展提供了新的机遇。AI视觉识别技术是一种基于计算机视觉和图像处理的智能化信息处理方法。作为信息科学领域的一项重要成果，AI视觉技术能够实时监测敏感区域的异常情况，并以形式化的语言准确表达，因此在各种领域下都具有广泛的应用和商业价值。随着我国城市化进程加快，城市交通环境也变得越来越拥堵，人们的出行也成为了一大问题，针对城市交通拥堵这一情况，国家提出了加大智能交通管理系统建设这一方针。AI视觉技术呈现出无限的潜能和广阔的市场前景，这一趋势在其发展历程中得到了充分的证实。随着我国社会经济水平不断提高，人民生活质量日益提高，越来越多的人开始关注生活品质，智能出行已经潜移默化成为了未来城市的发展趋势，智慧交通也成为一种必然的发展趋势。随着城市路网结构日益密集，人们越来越希望能够随时随地获取路况信息以提高出行效率。作为一个需要实时监测、场景复杂的领域，交通行业已成为AI视觉识别技术应用中不可或缺的重要领域。目前，海康威视、新图、大华等各大厂商在道路交通的视觉监测技术方面已经积累了相当丰富的实践经验，不单单是在车牌和车型的识别方面，在道路监测方面他们也表现出了卓越的能力。因为交通行业的各个场景未能被AI视觉技术全面覆盖，所以在道路管理者提出个性化需求时，很难在市场上找到现有的AI技术，这也使得他们面临着巨大的挑战。所以为了针对二次开发项目的资金和时间限制种种问题，他们提出了基于市场痛点，建立AI中台计划。1.3主要研究内容1.阅读相关文献确定了设计功能和软件硬件的选择方案2.硬件部分采用Raspberry芯片3.设计采用python软件平台和C编程语言完成软件设计4.将系统进行调试运行并成功实现5.实现的成果为实物该系统应完成的主要功能有： 1.控制麦克纳姆轮式小车进行左转、右转、前进、停止；2.能够实现颜色跟踪，识别到指定颜色，机械臂随之运动；3.机械臂能够抓取搬运物体。第2章系统总体结构2.1设计方案基于人工智能视觉技术，设计出基于AI视觉的麦克纳姆轮式小车设计，系统包括AI视觉模块、舵机模块及核心单片机。系统采用树莓派作为核心，将小型直流电机作为驱动元件，通过舵机控制来实现麦克纳姆轮式小车的转向，小车利用AI视觉模块，来识别物体颜色，运用图像识别技术提取路径信息，确保麦克纳姆轮式小车始终处于最佳运行状态。2.2功能需求分析2.2.1技术路线（1）硬件部分需要Raspberry开发板；（2）软件平台程序用python；（3）画原理图用AD；（4）编程语言用C语言；2.2.2预期结果作品展示，完成一个基于AI视觉的麦克纳姆轮式小车系统设计，并且该设计能实现的功能如下：1.控制麦克纳姆轮式小车进行左转、右转、前进、停止；2.能够实现颜色跟踪，识别到指定颜色，机械臂随之运动；3.机械臂能够抓取搬运模块。2.3总体方案设计第一：在理论知识准备阶段，深入研究课题设计，全面理解所涉及的内容，从而能够熟练掌握与题目相关的知识；第二：搜集相关的软硬件资料，理清系统各个模块的作用；第三：规划课题，确定系统的组成，勾勒系统的整体框架，提出原理框图；第四：运用软件实现硬件电路部分的设计，绘制出电路图；第五：在进行系统控制的过程中，依次完成软件设计，并绘制出主流程图；第六：进行模拟仿真，确保系统能够按照要求实现功能，整理并规范论文。2.4开发板型号选择图2-1Raspberry芯片原理图树莓派芯片是一款以ARM架构为基础的微型电脑主板，其内存硬盘为SD/Mi，周围还环绕着1/2/4个USB接口和一个10/100以太（A型没有网口），可以连接键盘、鼠标还可以和网线实现无缝连接。此外，该主板亦配备了可实现视频模拟信号电视输出的接口，以及HDMI高清视频输出的接口设备。所有部件均整合在一起，整个主板也就比信用卡稍大。同时具备所有PC的基本功能，只需连接电视机和键盘，即可实现电子表格填写、文字处理、玩游戏和播放高清视频等多种功能。在工作和生活中，它经常会用到一些小技巧。当然，微小的差异也难以避免地存在。在这里，我想说说它最吸引人的地方。对于RaspberryPi而言，存储数据的主要方式是将SD卡作为“硬盘”，而且你还可以通过外接USB硬盘来存储数据。相较于常见的嵌入式微控制器，如51单片机和STM32单片机等，树莓派除了可以完成相同的引脚控制，还能够运行相应的操作系统，从而完成更为复杂的任务管理与调度，支持更高级别的应用开发，为开发者提供了更广泛的应用领域第3章系统的硬件部分设计3.1系统总体设计本课题是基于AI视觉的麦克纳姆轮式小车设计。该系统采用了人工智能技术和机器视觉算法来实现对移动机器人路径规划的功能。该系统由AI视觉模块、舵机模块、机械臂抓取模块和核心单片机构成。AI视觉模块具备颜色识别能力，通过颜色识别来精确定位工件，并通过机械臂来实现麦克纳姆轮式小车抓取动作；该系统应完成的主要功能有：1.控制麦克纳姆轮式小车进行左转、右转、前进、停止；2.能够实现颜色跟踪，识别到指定颜色，机械臂随之运动；3.机械臂能够抓取搬运模块。总体原理图如下所示：图3-1总体原理图3.2系统的主要功能模块设计3.2.174HC126模块设计图3-2-174HC126模块设计74HCT126是一个四态缓冲器/线驱动器，具有由输出使能输入（NOE）控制的三态输出。NOE上的LOW使输出呈现高抗阻OFF状态。输入包括箝位二极管。这使得能够使用限流电阻器将输入接口连接到超过VCC的电压。3.2.2YX-4055驱动模块设计图3-2-2YX-4055驱动模块原理图YX-4055AM是一种DC双向马达驱动电路，适用于各种类型的电机驱动，包括但不限于玩具、自动阀门和电磁门锁等。它由一个简单可靠的开关电容型直流稳压电源和一个功率晶体管构成。该装置配备了两个逻辑输入接口，以控制电机的前进、后退和制动操作。另外在控制电路中还有一个用于显示和报警的开关量输出端。其特质所在:微小的待机电流，其数值未超过2uA的限制范畴；工作电压的范围在3.0V～15之间；该系统不仅具备紧急停止功能，同时还配备了过热保护功能、过流嵌流保护和短路保护功能，来保证小车正常运行。3.2.3舵机模块设计在自动驾驶仪中，舵机作为一种执行部件，负责操纵飞机的舵面（操纵面）旋转。一般用于小型飞行器或无人直升机上，也可以安装于大型无人机及无人驾驶飞机上。被广泛运用于高端遥控玩具，例如航空器、潜艇模型，以及遥控设备。导弹等飞行器上，是飞行控制的核心部件之一。在选择舵机时，需要考虑扭矩大小，因为舵机的尺寸是由外部装配的规范所决定。由于舵机本身结构简单，价格较低，因而被广泛应用于各种飞行器上，特别是一些小型飞行器，更是离不开它。在选择经济和需求相匹配的舵机时，需要谨慎思考，这是一门不可忽视的学问。目前国内生产的遥控玩具中常用到电动舵机，其结构简单，价格便宜。一种是电动舵机，它能将发动机产生的动力转化为力，再通过齿轮传动装置传递给螺旋桨。当自动驾驶仪接收到指定信号并开始工作后，尽管这时是在人工在手动驾驶飞机，但是由于离合器处于脱离状态，所以传动部件根本不会发生任何作用，这种舵具有一定的局限性；另一种舵机是液压系统舵机，由液压压头和旁通活门两关键部分构成，扮演着至关重要的作用。当有人在驾驶飞机时，舵机会通过液压泵将油液压入液压缸内，从而使舵轴与机翼产生相对转动并驱动螺旋桨旋转。舵机作为一种驱动器，能够实现对位置（角度）的伺服控制，主要应用于那些需要角度不变，还能够持续控制的操作系统；它还可用于各种机械和自动化装置，特别是能完成远距离控制任务。目前，高端遥控玩具，如航空模型和潜艇模型，正处于市场上备受追捧的地位；以及在遥控机器人等方面也得到了广泛地应用。在遥控机器人领域，这一技术已经得到了广泛的应用，随着电子技术的发展，舵机也逐渐由模拟转向数字，从机械控制向数字控制过渡。总而言之，舵机，不仅仅是一种常见的机械装置，同时还是一种基于伺服技术的马达。舵机的构成要素包括外壳、电路板、驱动马达、以及位置检测元件，这些元件共同构成了舵机的核心部件。本研究之目的为设计一简单可靠且可重复使用之舵机系统，以降低使用成本及提高可靠性。本论文主要研究之课题为设计一款具有高稳定性及高效率特性之伺服马达。由于磁力线是沿着圆周方向分布的，所以当电机运转时就会受到电磁力和摩擦力等各种力的影响。通常情况下，是依靠将细铜线缠绕在伺服马达的三极转子上，从而在电流流经线圈时就会形成磁场，这时转子就会和周围的磁铁产生排斥作用，最后形成旋转的作用力。传统的舵机大多为机械结构，其旋转速度较低，耗能较大。为了追求更快的转速和更低的耗电，空心杯马达就这样应需而生了。该系统的操作原理在于，信号调制芯片接收到信号控制信号，经过接收机通道传输，以获取直流偏置电压。通过电位器和开关管改变交流偏压值，从而实现对直流电动机转速的调节。为了确保电机在规定时间内实现匀速运转，可以采用一种特殊设计的减速机构来产生这种作用，这时可以通过增加电机速度传感器来测量电机的速度变化量。当电机的转速保持不变时，通过级联减速齿轮的驱动，带动电位器旋转，从而使电压差为零的电机停止旋转。这个过程也就是我们通常所说的电机启动和制动的动作过程。当然，我们无需深入了解其具体操作原理，只需掌握其控制机制即可。如果要知道这个电路的实际作用和功能就必须对其进行分析与研究。就如同晶体管的特性一样，我们可以将其用作开关管或放大管，而管内电子的流动方式则无需过多考虑。由于时间间隔短，所以通常采用脉宽调制方式来实现其频率跟踪功能。以180度角度伺服为例，对应的控制关系呈现出一种高度精密的控制模式:0.5ms0度；1.0ms45度；1.5ms90度；2.0ms135度；2.5ms180度。第4章系统的软件设计4.1软件主流程图接通电源后，AI视觉模块能够进行学习，来完成对物体的准确识别，在通过机械臂进行抓取；通过主控模块处理控制麦克纳姆轮式小车移动。开始开始系统初始化初始化成功驱动小车移动控制小车转弯学习识别物体颜色YX-4055模块AI模块舵机模块结束NY图4-1主流程图

4.2AI模块软件的设计如图4-2为该模块的设计流程图。接通电源后，学习识别物体颜色，通过主控模块驱动机械臂对物体进行抓取。图4-2AI模块设计流程图开始系统初始化开始系统初始化初始化成功小车抓取正确物体学习识别物体颜色结束NY在基于AI视觉的麦克纳姆轮式小车自动识别抓取系统中，AI模块的软件设计如下：数据采集：使用摄像头或其他视觉传感器采集图像数据。可以选择适当的分辨率和帧率，以平衡计算性能和实时性要求。为了提高后续的目标检测或图像识别算法的准确性和效率，我们需要对所采集到的图像数据进行一系列的预处理工作，以确保数据的准确性和可靠性。在实际应用中，为了保证所得到的结果是正确无误的，必须对这些图像数据做必要的处理。图像预处理的流程包括去除噪声、调整尺寸、进行灰度化以及进行边缘检测等多个步骤。在进行目标检测或图像识别时，我们可以采用基于深度学习的神经网络模型，以达到最佳的识别效果和精度。通过这些算法来获取待分析数据集，然后利用已构建的网络模型，将所需处理的特征输入到该数据集中。利用经过训练的模型，对经过预处理的图像进行目标检测或图像识别，以获取目标物体的位置、类别以及相关信息。针对实时跟踪目标物体的需求，可采用多种目标跟踪算法，如基于卡尔曼滤波、单一目标跟踪器或多目标跟踪器等。本文主要介绍了在汽车自动驾驶系统中使用目标跟踪算法实现自主导航的过程以及该系统所涉及到的相关技术。小车可以通过目标跟踪算法获取目标的运动轨迹和速度信息，从而实现精准控制。根据目标检测或目标跟踪的结果，运用目标边界框坐标或像素坐标，精确计算目标物体在图像中的位置。控制指令生成：根据目标物体的位置和小车的当前状态，生成相应的控制指令，以使小车朝向目标物体移动。控制指令可以包括小车的速度、转向角度或轮子速度等。控制信号输出：将生成的控制指令转换为适当的控制信号格式（如PWM信号或数字信号），输出给麦克纳姆轮式小车的驱动器或电机控制模块，以实现小车的移动和导航。循环执行：将上述步骤放入一个循环中，实时采集图像数据、进行目标检测或图像识别、计算控制指令，并输出控制信号，以实现小车对目标物体的自动追踪和抓取。4.3舵机模块的软件设计本设计通过舵机实现小车的转弯和机械臂的活动。图4-3舵机模块流程图在基于AI视觉的麦克纳姆轮式小车自动识别抓取系统中，舵机模块的软件设计如下：初始化舵机模块：在系统启动时，初始化舵机模块并设置相关参数，如舵机的引脚连接、初始位置、舵机控制方式等。获取目标物体位置：使用AI视觉算法（如目标检测或图像识别）从摄像头或图像流中获取目标物体的位置信息。计算舵机控制指令：根据目标物体的位置信息和小车的当前状态，计算舵机的控制指令。这可以包括舵机的旋转角度、速度和加速度等参数。舵机控制逻辑：根据计算得到的舵机控制指令，实现舵机的控制逻辑。这可以通过调用相应的舵机控制库或编写自定义的舵机控制代码来实现。舵机反馈处理：如果舵机支持反馈功能，可以读取舵机的当前状态（如实际位置或速度），并进行反馈处理，以确保舵机运动的准确性和稳定性。循环执行：将上述步骤放入一个循环中，实时获取目标物体位置、计算舵机控制指令并执行舵机控制，以实现小车对目标物体的自动追踪和抓取。第5章系统测试5.1系统实物图图5-1系统完整实物图5.2测试原理图5-2-1如图5-2-1为手机端APP，检测到小车后点击连接。点击颜色追踪后（如图5-2-2），选取想跟踪的颜色，小车机械臂自动识别物品颜色，随之移动，比如识别到红色，机械臂会跟着红色小方块进行相应的跟踪移动。（如图5-2-3）。图5-2-2图5-2-3图5-2-4如图5-2-4，左边为操控小车移动；右边为操控小车机械臂移动，点击闭合，小车机械臂闭合抓住物体，点击向后，机械臂抬起，点击向前，机械臂落下点击向右或者向左，机械臂向右或者向左摆动（如图5-2-5）。图5-2-5 第6章总结与展望6.1总结基于AI视觉的麦克纳姆轮式小车自动识别抓取系统是一种智能化控制系统，该系统主要用于识别和精确定位不同色彩的物体，并通过机械臂实现对工件的抓取和放置，能够大大提高成产效率。在麦克纳姆轮式小车自动抓取识别系统中，包括了不同的传感器和控制器，如测速传感器、AI视觉传感器、舵机、机械臂等，它们分别负责小车的各项功能及操作。通过这些设备的配合和智能化的控制算法，可以实现小车的移动、自动识别并抓取物体等功能，对于结合自动识别抓取技术的麦克纳姆轮式小车的研究有了进一步进展。总的来说，基于AI视觉的麦克纳姆轮式小车自动抓取识别系统的有点包括提高各个行业的工作效率、减少人为操作的错误、节省人力物力成本等。随着科技的不断发展和进步，麦克纳姆轮式小车自动抓取系统将会越来越智能化，成为未来各行业劳动力的重要组成部分。6.2展望自动识别抓取系统是麦克纳姆轮式小车的一种智能化控制系统，随着科技的不断发展和进步，它的展望可以从以下几个方面来看：1.智能化水平的提高：随着AI视觉技术、物联网、大数据等技术的不断发展和普及，麦克纳姆轮使小车自动识别抓取系统将会变得更加智能化。未来，这些技术将会被应用到智能小车的自动识别抓取系统中，通过人工智能算法、自适应控制等手段来实现更加高效、智能的物体自动识别抓取系统。2.安全性的提升：随着各种传感器和控制设备的不断升级和更新，麦克纳姆轮式小车自动识别抓取系统的安全性将会得到进一步提升。未来，这些设备将会变得更加敏感和准确，能够及时、有效地检测和应对突发情况，保障同一环境中工作人员的安全。3.节能环保的实现：基于AI视觉的麦克纳姆轮式小车还将会更加注重节能环保，采用新型材料和能源技术来降低能耗，减少环境污染。例如，采用太阳能或其他可再生能源来为自动门控制系统提供能源，实现能源的可持续利用。总的来说，未来麦克纳姆小车自动识别抓取将会更加智能、安全和节能环保，成为各行各业的重要组成部分，为城市建设和发展作出更大的贡献。参考文献[1]孙弋，孙媛媛，孙柒零，卢皓.基于ZigBee的便携式无线桥梁健康状况监测技术的研究[J].计算机测量与控制,2022.18(1):11.[1]沈健.工业机器人视觉引导抓取工件的研究[J].智能制造，2021（04）：72-75.[2]王诗宇.智能化工业机器人视觉系统关键技术研究[D].中国科学院大学，2021.[3]郑才国,江剑.基于STM32单片机智能小车设计[J].工业控制计算机,2021,34(09):143-144+146.[4]陈鹏.智能小车定位和路径规划系统的研究与开发[D].黑龙江大学,2021.[5]杨道清.双目智能小车障碍物检测与避障研究[D].昆明理工大学,2021.[6]吴迪.基于多传感器融合的智能小车SLAM导航研究[D].天津职业技术师范大学,2020.[7]李雪.改进蚁群算法在智能小车路径规划中的应用研究[D].安徽工程大学,2020.[8]杨梅,张施展.基于单片机控制的信标智能小车设计[J].科学技术创新,2021(30):157-159.[9]张文青,龙奕帆.基于OpenMV视觉模块的智能小车巡线系统设计[J].集成电路应用,2021,38(10):232-233.[10]窦新宇,王玉娜.智能信息类创新型应用人才的培养——以跨学科智能小车研究为例[J].工业技术与职业教育,2021,19(03):47-50.[11]黄春机.基于AI视觉技术构建柔性生产数字化车间[J].智能制造,2022(03):30-33.[12]唐淮,张晶,李为颖,冯冬梅,吴科进.基于AI视觉的工业机器人抓取系统设计[J].内燃机与配件,2022(06):185-187.DOI:10.19475/ki.issn1674-957x.2022.06.056.[13]郭熹,李斌,马文辉,贺鸣,陈亚峰.基于5G的工业AI视觉检测系统应用[J].邮电设计技术,2021(04):73-78.[14]辜玉良,余正保,赵献前.AI视觉技术助力搅拌站智能应用[J].数字技术与应用,2021,39(02):103-105+108.DOI:10.19695/12-1369.2021.02.33.[15]岑文星.基于AI视觉的微型无人机救援系统研究[D].西安电子科技大学,2019.DOI:10.27389/ki.gxadu.2019.002901.[16]王敏,黄心汉.基于视觉与超声技术机器人自动识别抓取系统[J].华中科技大学学报,2001(01):73-75.DOI:10.13245/j.hust.2001.01.025.[17]X.Baro,S.Escalera,J.Vitria,O.Pujol,P.RadevaTrafficsignrecognitionusingevolutionaryadaboostdetectionandforest-ecocclassificationIEEETrans.Intell.Transport.Syst.,10(1)(2021),pp.113-126[18]S.M.Bascon,J.A.Rodriguez,S.L.Arroyo,A.F.Caballero,F.Lopez-FerrerasAnoptimizationonpictogramidentificationfortheroad-signrecognitiontaskusingSVMsComput.VisionImageUnderst.,114(3)(2022),pp.373-383[19]C.C.Chang,Y.P.HsiehAfastVQcodebooksearchwithinitializationandsearchorderInf.Sci.,183(1)(2022),pp.132-139[20]D.Ciresan,U.Meier,J.Mascim,J.Schmidhuber,Acommitteeofneuralnetworksfortrafficsignclassification,in:Proc.ofInt.Joint.Conf.onNeuralNetworks(IJCNN),July2021,pp.1918–1921.[21]S.Escalera,O.Pujol,P.Radeva.Trafficsignrecognitionsystemwithβ-correctionMach.VisionAppl.,21(2)(2021),pp.99-111附录电路图源代码importsysimportcv2importtimeimportrospyimportthreadingimportnumpyasnpfromPyQt5.QtGuiimportQImage,QPixmapfromPyQt5.QtWidgetsimportQWidget,QMainWindow,QApplication,QDialog,QMessageBoxfromlab_config_proxyimportLabConfigProxyfromuiimport*importadd_color_dialogfromsensor_msgs.msgimportImageimportcamera_threadclassMainWindow(QWidget,Ui_Form):def__init__(self):super(MainWindow,self).__init__()self.setupUi(self)rospy.init_node('lab_node')self.last_range_max=[999,999,999]self.last_range_min=[999,999,999]ip=""self.lab_config_proxy=LabConfigProxy(host=ip,port=9090)self.lab_config_proxy.enter_func()boBox_color.currentTextChanged.connect(self.set_slider_by_combobox)self.horizontalSlider_LMax.valueChanged.connect(lambdavalue:self.label_LMax.setNum(value))self.horizontalSlider_LMin.valueChanged.connect(lambdavalue:self.label_LMin.setNum(value))self.horizontalSlider_AMax.valueChanged.connect(lambdavalue:self.label_AMax.setNum(value))self.horizontalSlider_AMin.valueChanged.connect(lambdavalue:self.label_AMin.setNum(value))self.horizontalSlider_BMax.valueChanged.connect(lambdavalue:self.label_BMax.setNum(value))self.horizontalSlider_BMin.valueChanged.connect(lambdavalue:self.label_BMin.setNum(value))self.pushButton_labWrite.clicked.connect(self.save_ranges_to_disk)self.pushButton_AddColor.clicked.connect(self.add_color)self.update_color_names()self.range_update_timer=threading.Timer(0.05,self.update_current_range)self.range_update_timer.setDaemon(True)self.range_update_timer.start()self.ros_camera=camera_thread.ROS_Camera('/lab_config_manager/image_result')self.ros_camera.raw_data.connect(self.show_image)self.ros_camera.enter()self.ros_camera.start()defshow_image(self,image):image=cv2.resize(image,(400,600),interpolation=cv2.INTER_NEAREST)image_o=image.copy()[:300,:]image_p=image.copy()[300:,:]image_=np.hstack((image_o,image_p))qimage=QImage(image_.data,800,300,QImage.Format_RGB888)self.label_orign.setPixmap(QPixmap.fromImage(qimage))#窗口退出defcloseEvent(self,e):result=QMessageBox.question(self,"关闭窗口提醒","exit?",QMessageBox.Yes|QMessageBox.No,QMessageBox.No)ifresult==QMessageBox.Yes:self.lab_config_proxy.exit_func()self.ros_camera.exit()QWidget.closeEvent(self,e)else:e.ignore()defapply_current_range(self):rsl=self.lab_config_proxy.apply_current_range(boBox_color.currentText())ifrsl['success']:QMessageBrmation(self,"Applycolorrange","Successed!")else:QMessageBrmation(self,"Applycolorrange","Failed")defsave_ranges_to_disk(self):self.lab_config_proxy.apply_current_range(boBox_color.currentText())rsl=self.lab_config_proxy.save_ranges_to_disk()ifrsl['success']:QMessageBrmation(self,"Savetodisk","Successed!")else:QMessageBrmation(self,"Savetodisk","Failed")defadd_color(self):dialog=QDialog()dialog_ui=add_color_dialog.Ui_Dialog()dialog_ui.setupUi(dialog)defget_color_name():color_name=dialog_ui.lineEdit.text()self.lab_config_proxy.apply_current_range(color_name)boBox_color.addItem(color_name)boBox_color.setCurrentText(color_name)dialog.close()dialog_ui.pushButton_ok.clicked.connect(get_color_name)dialog_ui.pushButton_cancel.clicked.conne