Robomaster校赛智能小车OpenCV视觉与神经网络环境搭建

本项目的所有代码均上传至GitHub，项目地址：https://github.com/VaalaCat/AI_raspberry_car

一、简介

由于作死选择了摄像头来做这个项目，那显而易见的需要用到opencv来处理这个图像。（其实之前是用picamera库，不过现在opencv也不用编译了，还是选opencv吧）

首先要介绍一下我的设备：

• 树莓派4（俺的pi3看样子是中道崩殂了）
• picamera模块

小小的吐槽一下pi4的发热量，简直比810火龙还强，没个强点的散热根本跑不满。

二、环境搭建

1、opencv环境

既然说是要用到opencv，那就不得不提到opencv的安装。早在一年前我就妄图在我的pi3上安装python3的opencv，结果看到网上一大堆的python2直接pip安装的方法，又想到python3编译的龟速，还容易出错，心都凉了半截。不过今年再次翻资料的时候，找到了pip3安装opencv的方法，并且在我的pi3，pi4，pi zero w上，buster系统，无一失败。

安装opencv步骤大致如下：

1. 启动树莓派首先要换源，否则下载可能会失败数次且相当龟速，详见tuna源：树莓派换源
2. 安装依赖项（由于我也不知道要用到些啥依赖，就瞎装了几个）sudo apt-get install libhdf5-dev libhdf5-serial-dev libqtgui4 libqtwebkit4 libqt4-test python3-pyqt5 libatlas-base-dev libjasper-dev
3. 安装opencv（这里建议大家安装opencv3而不是默认的opencv4，每次我安装opencv4完成后都会遇到不可预料的错误）sudo pip3 install --no-cache-dir opencv-contrib-python==3.4.3.18 （由于网络原因，下载可能较慢，这里我将whl包上传到了我的服务器以供快速下载安装：opencv3

安装完成后，输入python3 然后import cv2 如果没有出错则说明安装成功。

安装中的问题详见：Opencv的安装

2、tf神经网络环境

在安装完成后，当然要准备识别路线了，然而，路线识别简直是太困难了，所以对于岔路口分类，我选择了用tensorflow搭建一个简单的分类器来解决这个问题，毕竟，能让电脑累的就不能让自己累着了是吧。

这里因为tf2新增了keras，开发和调试效率较高，所以选择逻辑简洁的tf2作为开发环境。

安装tensorflow 2步骤大致如下（我当然是选择上GitHub白嫖，交叉编译简直难顶。仅pi3，4，直接上命令吧）：

sudo pip3 install --upgrade setuptools
sudo apt-get install -y libhdf5-dev libc-ares-dev libeigen3-dev
sudo pip3 install keras_applications==1.0.8 --no-deps
sudo pip3 install keras_preprocessing==1.1.0 --no-deps
sudo pip3 install h5py==2.9.0
sudo apt-get install -y openmpi-bin libopenmpi-dev
sudo apt-get install -y libatlas-base-dev
pip3 install -U --user six wheel mock
wget images/upload/2020-01/Tensorflow-bin-master/tensorflow-2.1.0-cp37-cp37m-linux_armv7l.whl
sudo pip3 uninstall tensorflow
sudo -H pip3 install tensorflow-2.1.0-cp37-cp37m-linux_armv7l.whl

tf安装的其他问题详见：Tensorflow-Bin预编译包，TF官网帮助

安装完成后进入python3使用import检查是否可以成功引用。

以上步骤顺利执行完，就可以开始我们的开发了，详见下一篇文章咕咕咕咕咕咕咕。