85 lines
2.9 KiB
Python
85 lines
2.9 KiB
Python
# utils_vlm_move.py
|
||
# 同济子豪兄 2024-5-22
|
||
# 输入指令,多模态大模型识别图像,夹爪夹取并移动物体
|
||
|
||
# print('神行太保:能看懂“图像”、听懂“人话”的机械臂')
|
||
|
||
from utils_robot import *
|
||
from utils_asr import *
|
||
from utils_vlm import *
|
||
|
||
import time
|
||
|
||
def vlm_move(PROMPT='帮我把绿色方块放在小猪佩奇上', input_way='keyboard'):
|
||
'''
|
||
多模态大模型识别图像,夹爪夹取并移动物体
|
||
input_way:speech语音输入,keyboard键盘输入
|
||
'''
|
||
|
||
print('多模态大模型识别图像,夹爪夹取并移动物体')
|
||
|
||
# 机械臂归零
|
||
print('机械臂归零')
|
||
move_to_top_view()
|
||
time.sleep(3)
|
||
|
||
## 第一步:完成手眼标定
|
||
print('第一步:完成手眼标定')
|
||
|
||
## 第二步:发出指令
|
||
# PROMPT_BACKUP = '帮我把绿色方块放在小猪佩奇上' # 默认指令
|
||
|
||
# if input_way == 'keyboard':
|
||
# PROMPT = input('第二步:输入指令')
|
||
# if PROMPT == '':
|
||
# PROMPT = PROMPT_BACKUP
|
||
# elif input_way == 'speech':
|
||
# record() # 录音
|
||
# PROMPT = speech_recognition() # 语音识别
|
||
print('第二步,给出的指令是:', PROMPT)
|
||
|
||
## 第三步:拍摄俯视图
|
||
print('第三步:拍摄俯视图')
|
||
top_view_shot(check=False)
|
||
|
||
## 第四步:将图片输入给多模态视觉大模型
|
||
print('第四步:将图片输入给多模态视觉大模型')
|
||
img_path = 'temp/vl_now.jpg'
|
||
|
||
n = 1
|
||
while n < 5:
|
||
try:
|
||
print(' 尝试第 {} 次访问多模态大模型'.format(n))
|
||
result = yi_vision_api(PROMPT, img_path='temp/vl_now.jpg')
|
||
print(' 多模态大模型调用成功!')
|
||
print(result)
|
||
break
|
||
except Exception as e:
|
||
print(' 多模态大模型返回数据结构错误,再尝试一次', e)
|
||
n += 1
|
||
|
||
## 第五步:视觉大模型输出结果后处理和可视化
|
||
print('第五步:视觉大模型输出结果后处理和可视化')
|
||
START_X_CENTER, START_Y_CENTER, HEIGHT_START, END_X_CENTER, END_Y_CENTER, HEIGHT_END = post_processing_viz(result, img_path, check=True)
|
||
|
||
## 第六步:手眼标定转换为机械臂坐标
|
||
print('第六步:手眼标定,将像素坐标转换为机械臂坐标')
|
||
# 起点,机械臂坐标
|
||
START_X_MC, START_Y_MC = eye2hand(START_X_CENTER, START_Y_CENTER)
|
||
# 终点,机械臂坐标
|
||
END_X_MC, END_Y_MC = eye2hand(END_X_CENTER, END_Y_CENTER)
|
||
|
||
## 第七步:夹爪夹取移动物体
|
||
print('第七步:夹爪夹取移动物体')
|
||
gripper_move(XY_START=[START_X_MC, START_Y_MC], HEIGHT_START=HEIGHT_START, XY_END=[END_X_MC, END_Y_MC], HEIGHT_END=HEIGHT_END)
|
||
|
||
## 第八步:收尾
|
||
print('第八步:任务完成')
|
||
# GPIO.cleanup() # 释放GPIO pin channel
|
||
cv2.destroyAllWindows() # 关闭所有opencv窗口
|
||
# exit()
|
||
|
||
|
||
|
||
|