Nesta segunda apresentação foram mostradas as exemplos de algoritmos disponíveis no OpenCV e como funciona o sensor ultrasônico HC-SR04.

1. Sensor
Ultrassônico
HC-SR04

2. Funcionamento
Frequências sonoras

3. Funcionamento
Para iniciarmos uma medição, o pino Trig deve receber um pulso de
5V por pelo menos 10 µs. Isso fará com que o sensor emita 8 pulsos
ultrassônicos em 40kHz e inicie a espera pelas ondas refletidas.

4. Funcionamento
Assim que uma onda refletida for detectada, o pino Echo que estava
em 0V será alterado para 5V por um período igual ao tempo de
propagação da onda.

5. Funcionamento
Pulso de início
de 10µs
Pulso de início
de HC-SR04
Sequência de pulsos
ultrassônicos emitidos
pelo HC-SR04
Série de 8 pulsos
de 40Khz
Pulso de saída
do HC-SR04
Pulso de Echo - 100µs a 18ms. Espera máxima
de 36ms se não for detectado nenhum objeto.
Diagrama

6. Funcionamento
Equação
distância = duração do pulso x velocidade do som / 2
Obs.: A velocidade do som é variável, em condições normais de pressão e no
nível do mar a uma temperatura de 20ºC, as ondas sonoras se propagam a
340,29 m/s.

7. Programação
Esquema

8. Programação
Código

9. OpenCV Instalação
• Algumas dependências:
Libjpeg, libtiff, libjasper e libpng: formatos
variados de imagem
Libgtk: exibir imagens em tela
Libavcodec, Libavformat, Libv4l e Libswscale:
streaming de video e acessar frames
separadamente
Numpy (para python): manipulação de array e
matrizes multidimensionais
Referencias: www.pyimagesearch.com

10. Aprendizado de
Maquina
• OpenCV possui um conjunto de classes e métodos
para fazer classificação de dados.
• Algumas classes: CvBoost (Boosting), CvDTree
(árvores de decisão), CvRTrees(Random Trees),
CvKNearest(K-Nearest Neighbors),
CvANN_MLP(Redes Neurais).
• Os processos requerem uma bases dados para
treinamento (método train) para posteriormente
fazer a classificação (método predict) de uma
entrada

11. Exemplo
• Dados de entrada

12. Resultado – K-
Nearest Neighbors
• Erro 3.40 %

13. Resultado - SVM
• Erro 1.80 %

14. Problemas
• OpenCV no Raspberry é lento!!
• Possível Solução: enviar os dados da câmera
para um servidor onde será feito o
processamento dos frames e enviar os
comandos para o carro
• Em um veículo comum esse problema não
ocorreria pois poderia ser utilizado um
hardware melhor e todo o processamento
seria feito no veiculo. A alternativa cliente
servidor seria útil para diminuir consumo de
energia do veiculo.

15. Problemas
• OpenCV no Raspberry é lento!!
• Possível Solução: enviar os dados da câmera para
um servidor onde será feito o processamento dos
frames e enviar os comandos para o carro
• Em um veículo comum esse problema não
ocorreria pois poderia ser utilizado um hardware
melhor e todo o processamento seria feito no
veiculo. A alternativa cliente servidor seria útil
para diminuir consumo de energia do veiculo.

16. Alternativas
• Droid Cam – possibilita usar a câmera do celular
como webcam utilizando interface USB ou
remotamente por Wifi ou Bluetooth
• É necessário ter o aplicativo no smartphone e o
software no computador