Raspberry Pi: apertura cancello su riconoscimento targa

Post Views: 2,133

In un articolo precedente abbiamo visto come creare un sistema che permette di riconoscere le targhe ed estrapolare i caratteri sotto forma di stringa inviando su bot telegram su Raspberry Pi immagine e la targa sotto forma di caratteri.

Inoltre abbiamo anche visto come utilizzare un servo motore SG90 su Raspberry Pi.

Possiamo combinare le due tipologie di progetti per creare un sistema che simula l’apertura di un cancello nel momento in cui riconosce la targa ed è uguale a quella presa come riferimento per effettuare il confronto.

Materiale da utilizzare

Raspberry Pi
Raspberry Pi Camera
SG90

Per chi utilizzasse per la prima volta la Raspberry Pi Camera leggendo questo articolo sarete in grado di configurarla da zero: Come installare e configurare la Raspberry Pi Camera

TI invito a leggere anche l’articolo precedente sul bot e sul riconoscimento di targhe:

Ecco un pinout del sg90

Ecco un diagramma di collegamento

Dobbiamo installare poi varie librerie tra cui:

open cv
Tesseract
imutils

Ci sono tre passaggi logici fondamentali

Rilevamento targa
Segmentazione dei caratteri una volta rilevata la targa
Riconoscimento dei caratteri con OCR

Installazioni librerie

Aggiorniamo il Raspberry digitando il seguente comando nel terminale:

sudo apt-get update

1	sudo apt-get update

Usa i seguenti comandi per installare le dipendenze necessarie per l’installazione di OpenCV sul tuo Raspberry Pi.

sudo apt install libhdf5-dev -y 
sudo apt install libhdf5-serial-dev –y 
sudo apt install libatlas-base-dev –y 
sudo apt install libjasper-dev -y 
sudo apt install libqtgui4 –y 
sudo apt install libqt4-test –y

sudo apt install libhdf5-dev -y

sudo apt install libhdf5-serial-dev –y

sudo apt install libatlas-base-dev –y

sudo apt install libjasper-dev -y

sudo apt install libqtgui4 –y

sudo apt install libqt4-test –y

Successivamente, usa il comando seguente per installare OpenCV sul tuo Raspberry Pi.

pip3 install opencv-contrib-python==4.1.0.25

1	pip3 install opencv-contrib-python==4.1.0.25

Per installare Tesseract OCR (Optical Character Recognition) utilizzando l’opzione apt:

sudo apt install tesseract-ocr

1	sudo apt install tesseract-ocr

installa pytesseract con il comando:

pip3 install pytesseract

1	pip3 install pytesseract

imutils viene utilizzato per semplificare le funzioni di elaborazione delle immagini essenziali come traduzione, rotazione, ridimensionamento e visualizzazione di immagini Matplotlib con OpenCV. Utilizzare il comando seguente per installare imutils:

pip3 install imutils

1	pip3 install imutils

Codice

import time
import os
 
import cv2
import imutils
import numpy as np
import pytesseract
from PIL import Image
 
from picamera import PiCamera
 
# use this custom pin-factory to fix servo jitter. 
# IMPORTANT: make sure pigpio deamon is running: 'sudo pigpiod'
from gpiozero.pins.pigpio import PiGPIOFactory
 
from gpiozero import Servo
from time import sleep
 
# create a custom pin-factory to fix servo jitter
# more info here: https://gpiozero.readthedocs.io/en/stable/api_output.html#servo
# and here: https://gpiozero.readthedocs.io/en/stable/api_pins.html
pigpio_factory = PiGPIOFactory()
 
servo = Servo(17, pin_factory=pigpio_factory)
 
targariferimento =  "FV-I81EX"
 
camera = PiCamera ()
camera.resolution = (1024,720)
 
 
i=0
while True:
    camera.capture("/home/pi/Desktop/timelapse/image{0:04d}.jpg".format(i))
 
    img = cv2.imread(str("/home/pi/Desktop/timelapse/image{0:04d}.jpg".format(i)),cv2.IMREAD_COLOR)
    
 
 
 
    img = cv2.resize(img, (1024,720) )
 
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #convert to grey scale
    gray = cv2.bilateralFilter(gray, 11, 17, 17) #Blur to reduce noise
    edged = cv2.Canny(gray, 30, 200) #Perform Edge detection
 
    # find contours in the edged image, keep only the largest
    # ones, and initialize our screen contour
    cnts = cv2.findContours(edged.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    cnts = imutils.grab_contours(cnts)
    cnts = sorted(cnts, key = cv2.contourArea, reverse = True)[:10]
    screenCnt = 0
 
    # loop over our contours
    for c in cnts:
     # approximate the contour
     peri = cv2.arcLength(c, True)
     approx = cv2.approxPolyDP(c, 0.018 * peri, True)
     
     # if our approximated contour has four points, then
     # we can assume that we have found our screen
     if len(approx) == 4:
        screenCnt = approx
        break
    if screenCnt is 0:
        detected = 0
        print ("No contour detected")
    else:
     detected = 1
 
    if detected == 1:
        cv2.drawContours(img, [screenCnt], -1, (0, 255, 0), 3)
 
    # Masking the part other than the number plate
        mask = np.zeros(gray.shape,np.uint8)
        new_image = cv2.drawContours(mask,[screenCnt],0,255,-1,)
        new_image = cv2.bitwise_and(img,img,mask=mask)
     
        # Now crop
        (x, y) = np.where(mask == 255)
        (topx, topy) = (np.min(x), np.min(y))
        (bottomx, bottomy) = (np.max(x), np.max(y))
        Cropped = gray[topx:bottomx+1, topy:bottomy+1]
     
        #Read the number plate
        text = pytesseract.image_to_string(Cropped, lang='eng', config='--psm 13').strip()
        print("Detected Number is:",text)
        print("targa riferimento :",targariferimento)
        if text == targariferimento:
            servo.min()
            print("servo min")
            sleep(3)
        servo.max()
  
 
    #cv2.imshow('image',img)
    #cv2.imshow('Cropped',Cropped)
 
    cv2.waitKey(5000)
    time.sleep(5)

100

import time

import os

import cv2

import imutils

import numpy as np

import pytesseract

from PIL import Image

from picamera import PiCamera

# use this custom pin-factory to fix servo jitter.

# IMPORTANT: make sure pigpio deamon is running: 'sudo pigpiod'

from gpiozero.pins.pigpio import PiGPIOFactory

from gpiozero import Servo

from time import sleep

# create a custom pin-factory to fix servo jitter

# more info here: https://gpiozero.readthedocs.io/en/stable/api_output.html#servo

# and here: https://gpiozero.readthedocs.io/en/stable/api_pins.html

pigpio_factory = PiGPIOFactory()

servo = Servo(17, pin_factory=pigpio_factory)

targariferimento = "FV-I81EX"

camera = PiCamera ()

camera.resolution = (1024,720)

i=0

while True:

camera.capture("/home/pi/Desktop/timelapse/image{0:04d}.jpg".format(i))

img = cv2.imread(str("/home/pi/Desktop/timelapse/image{0:04d}.jpg".format(i)),cv2.IMREAD_COLOR)

img = cv2.resize(img, (1024,720) )

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #convert to grey scale

gray = cv2.bilateralFilter(gray, 11, 17, 17) #Blur to reduce noise

edged = cv2.Canny(gray, 30, 200) #Perform Edge detection

# find contours in the edged image, keep only the largest

# ones, and initialize our screen contour

cnts = cv2.findContours(edged.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

cnts = imutils.grab_contours(cnts)

cnts = sorted(cnts, key = cv2.contourArea, reverse = True)[:10]

screenCnt = 0

# loop over our contours

for c in cnts:

# approximate the contour

peri = cv2.arcLength(c, True)

approx = cv2.approxPolyDP(c, 0.018 * peri, True)

# if our approximated contour has four points, then

# we can assume that we have found our screen

if len(approx) == 4:

screenCnt = approx

break

if screenCnt is 0:

detected = 0

print ("No contour detected")

else:

detected = 1

if detected == 1:

cv2.drawContours(img, [screenCnt], -1, (0, 255, 0), 3)

# Masking the part other than the number plate

mask = np.zeros(gray.shape,np.uint8)

new_image = cv2.drawContours(mask,[screenCnt],0,255,-1,)

new_image = cv2.bitwise_and(img,img,mask=mask)

# Now crop

(x, y) = np.where(mask == 255)

(topx, topy) = (np.min(x), np.min(y))

(bottomx, bottomy) = (np.max(x), np.max(y))

Cropped = gray[topx:bottomx+1, topy:bottomy+1]

#Read the number plate

text = pytesseract.image_to_string(Cropped, lang='eng', config='--psm 13').strip()

print("Detected Number is:",text)

print("targa riferimento :",targariferimento)

if text == targariferimento:

servo.min()

print("servo min")

sleep(3)

servo.max()

#cv2.imshow('image',img)

#cv2.imshow('Cropped',Cropped)

cv2.waitKey(5000)

time.sleep(5)

Avvia il codice, se la targa letta è uguale a quella di riferimento il servomotore si muove

Ecco un video

I risultati di questo metodo non saranno accurati . La precisione dipende dalla chiarezza dell’immagine, dall’orientamento, dall’esposizione alla luce e così via.

Iscriviti ai nostri gruppi Telegram

Link utili

Seguici per non perdere le prossime novità!

Simone Candido

Simone Candido è un ragazzo appassionato del mondo tech nella sua totalità. Simone ama immedesimarsi in nuove esperienze, la sua filosofia si basa sulla irrefrenabile voglia di ampliare a 360° le sue conoscenze abbracciando tutti i campi del sapere, in quanto ritiene che il sapere umano sia il connubio perfetto tra cultura umanistica e scientifica.