Gracias a una Raspberry Pi  por medio del procesamiento de imágenes en efecto  podemos  hacer más inteligente nuestro vehículo y añadir  nuevas funcionalidades, pero para ello  necesitaremos  los siguientes componentes:

• Raspberry Pi 3 Model B(unos 38€ en Amazon)   o  también Raspberry Pi Zero  que cuesta algo mas barata(unos 25€ con caja en Amazon)

• Raspberry Pi Camera Module (se puede compar por unos 15€ en Amazon) 
•  Flex Cable for Raspberry Pi Camera or Display – 2 meters  (puede comprrlo   aqui en Amazon por unos 7,29€ )
  
• Adafruit CSI or DSI Cable Extender Thingy for Raspberry Pi (opcionalmente)

Conexión del módulo de cámara

El modulo de cámara de Pi  tiene un mayor rendimiento que una cámara USB  por lo que lo ideal es usar una cámara del tipo compatibles con Raspberry Pi  (se puede comprar por unos 15€ en Amazon) 

No es  problema  la distancia pues con un cable plano  de 200 cm suele ser suficiente para llevar la cámara  hasta la  posición de conducción (puede comprarlo   aqui en Amazon por unos 7,29€ )

Se puede pues llevar el cable plano al l frente del coche y luego conectado a una pantalla de táctil de 7″ de modo que  la Pi y la pantalla táctil pueden ser alimentados por el adaptador USB en el coche.

Estos  son los pasos para instalar la cámara especifica para su uso , con la Raspberry Pi 

• • Localice el puerto de la cámara y conecte la cámara:
  • Poner en marcha la Raspberry Pi 
  • Abra la Herramienta de configuración de frambuesa Pi desde el menú principal:
  • Asegúrese de que está activado el software de la cámara:
  • Si no está activado, habilítelo y reinicie su Pi para comenzar. Asimismo si va utilizar una pantalla táctil también necesitara activar I2C  y SPI

Es decir resumidamente;  con la Raspberry Pi apagada, debe conectar el módulo de la cámara al puerto de la cámara de la Raspberry Pi,ahora encienda el Pi  y asegúrese de que se activa el software.

En un post anterior vimos como podemos superponer un imagen escalada a nuestro hw que nos determinara con bastante aproximación si vamos a encontrar obstáculos a la hora de introducir la marcha atrás ..¿pero se puede mejorar ?

Pues en efecto se puede ,pues podemos  usar OpenCV con python   lo cual permitirá analizar lo que está en la imagen y definir los parámetros para lo que se encuentre.

La idea sería tomar las imágenes y establecer un límite en la parte inferior (cerca del parachoques) para la «zona de alarma»: justo entonces al  detectar cualquier objeto grande  en la iamgen capturada ,  si la mayor parte del área de los objetos de la parte inferior entra en la «zona de alarma», entonces debería enviar un mensaje de alerta.

Antes de comenzar con el código, tenemos que instalar OpenCV en el Pi primero. Por suerte se puede hacer de forma muy sencilla . Para ello  abrir la consola del sistema y ejecutar  pip3 install opencv-python


Esto tardara unos minutos  y la salida debería dar algo similar a esto:

[email protected]:~ $ pip3 install opencv-python
Collecting opencv-python
Downloading https://www.piwheels.org/simple/opencv-python/opencv_python-3.4.3.18-cp35-cp35m-linux_armv7l.whl (7.6MB)
100% |████████████████████████████████| 7.6MB 38kB/s
Collecting numpy>=1.12.1 (from opencv-python)
Downloading https://files.pythonhosted.org/packages/83/6b/d03277eacf113697675cd659086a4dcf9472108e2f1a83884c0271bdca46/numpy-1.15.3.zip (4.5MB)
100% |████████████████████████████████| 4.5MB 62kB/s
Building wheels for collected packages: numpy
Running setup.py bdist_wheel for numpy … done
Stored in directory: /home/pi/.cache/pip/wheels/2c/e4/e7/1942c96c02074ab004084d3501ae056b9beffac38749658102
Successfully built numpy
Installing collected packages: numpy, opencv-python
Successfully installed numpy-1.15.3 opencv-python-3.4.3.18
[email protected]:~ $

Una vez OpenCV está instalado, podemos crear un nuevo archivo de Python y empezar en el código.

En las lineas siguientes podemos ver  el código completamente documentado, que se puede visitar el repositorio de github de gigafide.

import time
import cv2
import numpy as np
from picamera.array import PiRGBArray
from picamera import PiCamera
import RPi.GPIO as GPIO
buzzer = 22
GPIO.setmode(GPIO.BCM)
GPIO.setup(buzzer, GPIO.OUT)
camera = PiCamera()
camera.resolution = (320, 240) #Una resolución más pequeña significa un procesamiento más rápido
camera.framerate = 24
rawCapture = PiRGBArray(camera, size=(320, 240))
kernel = np.ones((2,2),np.uint8)
time.sleep(0.1)
for still in camera.capture_continuous(rawCapture, format="bgr", use_video_port=True):
    GPIO.output(buzzer, False)
    
    image = still.array
    #create a detection area
 widthAlert = np.size(image, 1) #obtener el ancho de la imagen
    heightAlert = np.size(image, 0) #obtener la altura de la imagen                    
        yAlert = (heightAlert/2) + 100 #determina la coordenada y del area
    cv2.line(image, (0,yAlert), (widthAlert,yAlert),(0,0,255),2) 
        #dibujar una linea para mostrar el area
    
    lower = [1, 0, 20]
    upper = [60, 40, 200]
    lower = np.array(lower, dtype="uint8")
    upper = np.array(upper, dtype="uint8")
    #utilizar la gama de colores para crear una mascara para la imagen y aplicarla a la imagen
    mask = cv2.inRange(image, lower, upper)
    output = cv2.bitwise_and(image, image, mask=mask)
    
    dilation = cv2.dilate(mask, kernel, iterations = 3)
    closing = cv2.morphologyEx(dilation, cv2.MORPH_GRADIENT, kernel)
    closing = cv2.morphologyEx(dilation, cv2.MORPH_CLOSE, kernel)
    edge = cv2.Canny(closing, 175, 175)
    
    contours, hierarchy = cv2.findContours(closing, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    
    threshold_area = 400
    centres = []rasp
    
    if len(contours) !=0:
        
        for x in contours:
            #encuentra el area de cada contorno
            area = cv2.contourArea(x)
            #encuentra el centro de cada contorno
            moments = cv2.moments(x)
            #elimine los contornos que son menores que nuestro umbral
            if area > threshold_area:
                
                (x,y,w,h) = cv2.boundingRect(x)
                
                centerX = (x+x+w)/2
                centerY = (y+y+h)/2
                
                cv2.circle(image,(centerX, centerY), 7, (255, 255, 255), -1)
                
                if ((y+h) > yAlert):
                    cv2.putText(image, "ALERTA!", (centerX -20, centerY -20), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255,255,255),2)
                    GPIO.output(buzzer, True)
    
    cv2.imshow("Display", image)
    
    rawCapture.truncate(0)
    
    key = cv2.waitKey(1) & 0xFF
    if key == ord("q"):
        GPIO.output(buzzer, False)
        break