第2节 大白智能分拣
使用OpenCV来识别圆形物体，若识别到则发送串口指令给Arduino。Arduino控制机械臂和电磁铁进行抓取
训练大白认识圆形
利用霍夫变换来进行圆环检测。一个圆环需要3个参数来确定，所以进行圆环检测的累加器必须是三维的，这样效率就会很低，因此OpenCV使用了霍夫梯度法这个巧妙的方法，来使用边界的梯度信息，从而提升计算的效率。
OpenCV中进行霍夫圆环检测的函数：
cv2.HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None)
本例中使用的具体参数：
cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT , 1, 100, param1=100, param2=100, minRadius=50,maxRadius=200)
参数解释： image：8位，单通道图像。如果使用彩色图像，需要先转换为灰度图像。
method：定义检测图像中圆的方法。目前唯一实现的方法是cv2.HOUGH_GRADIENT。
dp：累加器分辨率与图像分辨率的反比。dp获取越大，累加器数组越小。例如，如果dp= 1时，累加器和输入图像具有相同的分辨率。如果dp=2，累加器便有输入图像一半那么大的宽度和高度。
minDist：为霍夫变换检测到的圆的圆心之间的最小距离，即让我们的算法能明显区分的两个不同圆之间的最小距离。这个参数如果太小的话，多个相邻的圆可能被错误地检测成了一个重合的圆。反之，这个参数设置太大的话，某些圆就不能被检测出来了。
param1：有默认值100。它是method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法，它表示传递给canny边缘检测算子的高阈值，而低阈值为高阈值的一半。
param2：也有默认值100。它是method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法，它表示在检测阶段圆心的累加器阈值。它越小的话，就可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更加接近完美的圆形了。
minRadius：默认值0，表示圆半径的最小值。单位是像素。
maxRadius：也有默认值0，表示圆半径的最大值。单位是像素。
示例：
原始图像：
处理后图像：
会自动抓取硬币的机械臂
视觉图像经由OpenCV处理后，如果识别到圆形，就通过串口将信息发送给Arduino，Arduino接收到信号后，控制云台舵机转动，并通过电磁铁将圆形物品分拣处理
原理图
摄像头\n机械臂\n电磁传感器->大白\n树莓派: CSI/USB/GPIO
大白\n树莓派-->传送带: 摄像头实时监测
Note right of 大白\n树莓派: OpenCV处理摄像头数据\n发送指令给机械臂和电磁传感器
硬件准备
大白
Arduino
CSI摄像头
摄像头桌面支架
待检测的圆形金属物体（任选）
硬件连接
将烧录好程序的Arduino通过USB连接到树莓派
电磁传感器连接到pin5，两个舵机连接到3和4
用乐高制作传送带和摄像头支架参考活动，将待检测的物体放置在传送带上，使传送带缓慢转动
USB摄像头垂直固定在传送带顶部，使之能够看到传送带上的物体
启动智能分拣系统
1.使用远程桌面或HDMI视频输出连接到树莓派
2.打开终端，输入cd ~/Desktop/learn-ai/codes/chapter4/part2_AutoSort/AutoSort
3.输入python classifier.py