基于Linux系統和ROS中的1:1仿真模型，myPalletizer人工智能套件由視覺、定位抓取和自動分揀模塊組成。具有配備的視覺功能，通過OpenCV識別和定位不同顏色或圖像的立方體，機械臂的核心處理器可以計算其當前目標空間坐標位置，最后將立方體夾入相應的桶中。

下面是使用myPalletizer 260 Pi 人工智能套件，實現顏色和圖像識別的詳細過程。

一、顏色識別

1.在桌面使用Ctrl+Alt+T組合快捷鍵開啟一個命令窗口，輸入以下命令啟動master節點：

roscore

2.在命令終端中鍵入Ctrl+Shift+T開啟同目錄下的另一個命令窗口，再輸入命令啟動vision.launch文件

roslaunch myPalletizer_260 vision.launch

運行結果如圖所示：

3.Ctrl+Alt+T打開另一個命令窗口，輸入命令進入到待操作文件目錄

cd catkin_ws/src/mycobot_ros/mycobot_ai/myPalletizer_260/

4.運行程序detect_obj_color.py ，即可實現顏色識別并抓取了。

python scripts/detect_obj_color.py

之后我們可以看到如下：

二、圖像識別

1.運行detect_obj_img_folder_opt.py 程序前，請確保已執行顏色識別中的步驟1，2，3

2.運行添加圖片的程序add_img.py，根據你的需要把要識別的圖片添加到指定文件夾（'red', 'blue', 'green', 'gray')

python scripts/add_img.py

根據終端輸入的提示進行操作，在彈出的第二個圖像框中進行圖像的截取（通過鼠標左鍵進行圖像區域的選取）。

3.圖像截取區域完成后，按下回車鍵，根據終端提示，輸入保存圖像的文件夾名稱（'red', 'blue', 'green', 'gray')，按下回車鍵即可保存至對應文件夾。

4.啟動圖像識別程序detect_obj_img_folder.py ，驗證步驟2，3中添加的圖片機械臂是否能正確吸取并放到相對應顏色的桶中。

python scripts/detect_obj_img_folder_opt.py

然后，我們可以得到如圖所示的結果：

這款產品為研發人員以及STEM教育工作者量身定做，他們會對人工智能套裝與機器人相結合的應用程序感興趣。如果你擁有這款人工智能套件，除了顏色和圖像識別，你還想實現什么應用場景？請在評論中與我們分享！

審核編輯：湯梓紅