我们使用了带有Arduino（克隆）的Raspberry Pi来控制移动平台。瓶子识别软件基于基于Haar功能的级联分类器，用于通过OpenCV进行对象检测。Raspberry Pi上的代码是用Python编写的，它提供了比C / C ++更快的开发时间，但是开销更大。事实证明，这很有用，因为该机器人在很短的时间内就赢得了比赛。 该文档非常广泛，因为它是必需的，并且从初始构想到最终零件以及仿真文件的每个细节都可用。

机器人会避开障碍物，直到摄像机看到并识别出瓶子，一旦在Raspberry Pi上运行Python脚本检测到瓶子，其位置就会转发到Arduino板上，后者在状态机中托管主程序，并传递至下一个状态：抓瓶子。 抓住瓶子后，归位系统非常简单：它使用指南针沿着回收区域的方向（地图的拐角）移动，一旦检测到墙壁（而不是障碍物），它就会跟随它直到到达拐角处。释放瓶子。重复。

最初的计划是使用2个红外传感器和摄像头进行障碍检测，但是摄像头速度太慢，最终模拟结果表明，更多的红外传感器将是一个更简单的解决方案，并且同样有效，因此我们决定使用4个红外传感器并且仅将相机用于瓶子检测。 指南针传感器在摄像机后面的原始位置遇到了很多麻烦，事实证明建筑结构地板上的金属条正在影响指南针值，并将其更高地安装在解决此问题的桅杆上。

外文原文:点击原文

声明：本文由Hackaday授权电路城翻译，系电路城的原创内容，转载请注明出处！