'2021(이공이일)' Drone B리그 README

참가자

부산대학교 의생명융합공학부 2학년 곽예진

부산대학교 의생명융합공학부 2학년 강준희

부산대학교 의생명융합공학부 1학년 안수범

대회 진행 전략

B리그 참가팀들의 알고리즘은 대부분 장애물의 중심을 찾고 중앙 쪽으로 드론을 위치 시킨 다음 장애물을 통과하는 것이었다.

비슷한 방법끼리의 경쟁에서 이길 수 있는 방법은 시간을 최대한 단축하는 것이기 때문에 최적의 방법을 찾는 것이 2021(이공이일) 팀의 전략이다.

알고리즘 설명

main idea -> 중심을 찾고 중심 쪽으로 드론을 위치 시간 다음 장애물을 통과한다.

• hovering 후 드론 내장된 카메라로 하나의 이미지를 찍는다. 이때 중심을 (120, 150*) 으로 둔다.

드론을 장애물 중앙에 놓고 사진을 찍었을 때 중점의 Y좌표가 147~152정도로 나왔기 때문이다.

• 그리고 난 후 find_centroid로 찾은 중점을 중심 방향으로 이동할 수 있게 드론을 움직여준다.

• 드론의 위치와 중심사이 거리의 오차를 check_x, check_y 함수를 통해 찾아서 드론이 중심에 있는지 없는지를 판단한다.

• 중심에 도달한 이후에는 아래 조건을 만족할 때까지 한다. -> pass_obstacle

• find_redpoint와 find_purplepoint로 빨간점, 보라점을 찾고 찾은 이후에는 pass_obstacle로 보라점을 찾았을 시에는 착지, 빨간점을 찾았을 시에는 90도 좌회전을 한다. -> pass_obstacle

소스 코드 설명

requirement

e-drone == 21.1.6
numpy == 1.16.2
Pillow == 5.4.1
opencv == 3.2.0

drone.py

드론에 대한 함수를 정의한 파이썬

1. initialize

드론 객체를 생성하고 드론 조작을 시작하기 위한 함수

drone = Drone()
drone.open()
return drone

2. capture_img

라즈베리파이 카메라 모듈을 카메라로 보이는 장면을 캡쳐해준다. resolution은 (240,240), frame rate는 32이고 찍으면 뒤집혀 찍히기 때문에 rotation을 180으로 설정해준다.

camera = PiCamera()
img = 'img.jpg'
camera.resolution = (240, 240)  # 160, 128
camera.framerate = 32
camera.rotation = 180
camera.capture(img)
camera.close()
return img  # capture img path

3. move_to_center

• h는 계층의 갯수이고, 초기 설정은 -1로 한다.

h가 2보다 작을 경우에,

<이미지 처리 과정>

• 우선 이미지를 blur처리를 해준다. -> cv2.GaussianBlur

• 이미지의 BGR로 HSV값으로 바꿔준다. -> cv2.COLOR_BGR2HSV

• lower_blue, upper_blue라는 array를 만들어 주고 카메라로 캡쳐한 화면에서 이 범위에 있는 부분을 mask처리한다. -> cv2.inRange

<원 중심 과정>

• 계층 파악을 위해 contour를 이용해서 안의 위치한 원의 무게중심을 파악한다.

cnt = contours[0]
M = cv2.moments(cnt)

• zerodivision 에러를 막기 위해 분모에 아주 작은 실수를 더해준다.

cx = int(M['m10'] / (M['m00'] + 0.000000000000001))
cy = int(M['m01'] / (M['m00'] + 0.000000000000001))

• 계층 갯수를 print 해준다

h = len(hierarchy[0])
print(h)

• print 된 h가 2와 같거나 클 경우 break 한다.

<check_y가 False일때>

• 중심이 143보다 작을 때 y축으로 0.1 상승한다.

• 중심이 157보다 클 때 y축으로 0.1 하강한다.

• 중심이 143보다 크고 157보다 작을 때 print('y ok y : ', cy)를 해준다.

<check_x가 False일때>

• 중심이 113보다 작을 때 x축으로 0.1 증가한다.

• 중심이 127보다 클 때 x축으로 0.1 감소한다.

• 중심이 113보다 크고 127보다 작을 때 print('x ok x : ', cx)를 해준다.

4. find_centroid

• capture_img로 캡쳐된 장면을 이진화한 후 컨투어를 찾는다. (중심에 가까울수록 계층이 작은 RETR_LIST를 옵션으로 넣어 원이 0번 계층으로 잡히게 만듦)

img = cv2.imread(capture_img())
img = cv2.GaussianBlur(img, (9, 9), 3)

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv, lower_blue, upper_blue)

_, contours, hierarchy = cv2.findContours(mask, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)

• 만약 계층개수가 1개거나 0개이면 드론을 뒤로 움직여서 다시 find_centroid를 사용한다. 장애물이미지가 잘리지 않았을 때, 즉 컨투어가 2개일 때 중심의 좌표를 반환한다.

print("go back")
# cv2.imshow('mask', mask)
# cv2.waitKey(0)
drone.sendControlPosition(-0.3, 0, 0, 1, 0, 0)

• 두번째 장애물부터는 장애물의 일부가 보이면 보인 부분의 무게중심을 구해 이동을 반복한다. (장애물이 상하좌우로 움직이기에 뒤로만 가서는 중점을 찾기에 한계가 존재)

drone.sendControlPosition(-0.3, 0, 0, 1, 0, 0)
move_to_center(drone)

• 장애물이 다 보이는 위치로 이동을 하면 앞에서와 똑같이 중심을 리턴해준다.

cnt = contours[0]
img = cv2.drawContours(img, contours, 0, (255, 255, 0), 3)
M = cv2.moments(cnt)
cx = int(M['m10'] / (M['m00'] + 0.000000000000001))
cy = int(M['m01'] / (M['m00'] + 0.000000000000001))
print(cx, cy)
# cv2.imshow('mask', mask)
# cv2.waitKey(0)
return cx, cy

5.match_center

find_centroid에서 반환받은 중심점으로의 이동명령을 주는 함수이다.

<check_y가 False일때>

• 중심(cy)이 143보다 작을 때 y축으로 0.1 상승한다.

• 중심이 157보다 클 때 y축으로 0.1 하강한다.

• 중심이 143보다 크고 157보다 작을 때 print('y ok y : ', cy)를 해준다.

<check_x가 False일때>

• 중심(cx)이 113보다 작을 때 x축으로 0.1 증가한다.

• 중심이 127보다 클 때 x축으로 0.1 감소한다.

• 중심이 113보다 크고 127보다 작을 때 print('x ok x : ', cx)를 해준다.

cy = find_centroid(drone)[1]
...        
drone.sendControlWhile(0, 0, 0, 0, 1000)
...
cx = find_centroid(drone)[0]
...
drone.sendControlWhile(0, 0, 0, 0, 1000)

• pass_obstacle를 실행시준다.

6.check_x

• check_x는 match_center에서 이동명령을 줄 때 드론이 중심에 있는지 없는지를 판별해주는 함수이다.

• find_centroid 와 동일한 과정을 통해 중심값을 찾고 오차를 계산하여 True, False를 반환한다.

if abs(cx - 120) <= 10:
    print('x true')
    return True
else:
    return False

7.check_y

• check_x와 동일하게 match_center에서 이동명령을 줄 때 드론이 중심에 있는지 없는지를 판별해주는 함수이다.

• find_centroid 와 동일한 과정을 통해 중심값을 찾고 오차를 계산하여 True, False를 반환한다.

if abs(cy - 150) <= 10:
    print('y true')
    return True
else:
    return False

8. find_redpoint

<이미지 처리 과정>

• 우선 이미지를 blur처리를 해준다. ->cv2.GaussianBlur

• lower_red, upper_red라는 array를 만들어 주고 카메라로 캡쳐한 화면에서 이 범위에 있는 부분을 mask처리한다. -> cv2.inRange

• mask 처리된 것에서 np.nonzero의 갯수를 알아내서 return 해준다.

point_red = np.nonzero(mask)
num_point_red = np.size(point_red)
return num_point_red

9. find_purplepoint

<이미지 처리 과정>

• 우선 이미지를 blur처리를 해준다. ->cv2.GaussianBlur

• lower_purple, upper_purple라는 array를 만들어 주고 카메라로 캡쳐한 화면에서 이 범위에 있는 부분을 mask처리한다. -> cv2.inRange

• mask 처리된 것에서 np.nonzero의 갯수를 알아내서 return 해준다.

point_purple = np.nonzero(mask)
num_point_purple = np.size(point_purple)
return num_point_purple

10. pass_obstacle

• find_purplepoint의 값이 1000보다 작을시에는 드론을 착륙시키고 드론 객체를 종료시킨다.

• find_redpoint의 값이 1000보다 작을 시에는 드론을 x축으로 0.5 이동시킨 다음 pass_obstacle를 다시 실행시켜본다.

• find_redpoint의 값이 1000보다 클 시에는 드론을 90도로 좌회전을 시켜준다.

main.py

드론이 이동 할 수 있도록 drone.py에 만든 함수를 나열한 파일

• drone이라는 객체를 생성한 다음 drone을 이륙하도록 하게 함 -> drone.sendTakeoff()

• 차례로 check_distance(drone), move_to_center(drone, x, y)이라는 함수를 실행시켜준다.

• 3차례 반복 뒤 드론이 착륙을 하게 하도록 함. -> drone.sendLanding()