YOLO Vision Code
YOLO 前置准备：USB 摄像头连续拍照采集
使用 OpenCV 自动查找可用摄像头，并按固定间隔保存图片，用于快速验证相机和采集训练样本。
这些脚本用于 DRF450 或机载计算机上的 OpenCV + YOLOv8 视觉识别测试。建议先在桌面或树莓派本地验证摄像头索引、模型路径和性能，再把检测结果接入 MAVLink、自主飞行或任务触发逻辑。
脚本目标
遍历 0 到 4 号摄像头索引，打开可用摄像头后每 0.5 秒保存一张 JPG 图片到当前目录。
运行依赖： Python、OpenCV、Ultralytics YOLO。检测脚本默认模型路径为
/home/drobotics/yolov8n.pt，部署时请确认模型文件存在。学习重点
- 适合先验证摄像头是否可用
- 可快速采集 YOLO 训练或测试图片
- 脚本结构简单，便于修改保存目录和采集间隔
关键参数
| 参数 | 当前设置 |
|---|---|
CAMERA_INDEXES | [0, 1, 2, 3, 4] |
INTERVAL | 0.5 # seconds between photos |
SAVE_DIR | os.getcwd() # save photos in the current folder |
运行前检查
- 安装依赖：
pip install opencv-python ultralytics - 确认摄像头编号，必要时修改
CAMERA_INDEX或CAMERA_INDEXES。 - 确认 YOLO 模型路径，例如
/home/drobotics/yolov8n.pt。 - 在无人机上运行前，先单独验证摄像头、推理速度、保存路径和散热。
完整代码：capture_photos.py
import cv2
import time
import os
# =========================
# SETTINGS
# =========================
CAMERA_INDEXES = [0, 1, 2, 3, 4]
INTERVAL = 0.5 # seconds between photos
SAVE_DIR = os.getcwd() # save photos in the current folder
# =========================
# CAMERA INIT
# =========================
def open_camera(camera_indexes):
for index in camera_indexes:
print(f"Trying camera index {index}...")
cap = cv2.VideoCapture(index)
if cap.isOpened():
ret, frame = cap.read()
if ret and frame is not None:
print(f"Camera opened successfully at index {index}")
return cap, index
cap.release()
return None, None
cap, camera_index = open_camera(CAMERA_INDEXES)
if cap is None:
print("Cannot open any camera")
exit()
print("Camera started")
print(f"Using camera index: {camera_index}")
print(f"Saving images to: {SAVE_DIR}")
print("Press Ctrl+C to stop")
# =========================
# CAPTURE LOOP
# =========================
count = 0
try:
while True:
ret, frame = cap.read()
if not ret or frame is None:
print("Failed to read frame")
break
filename = os.path.join(
SAVE_DIR,
f"image_{count:06d}.jpg"
)
saved = cv2.imwrite(filename, frame)
if saved:
print(f"Saved: {filename}")
else:
print(f"Failed to save: {filename}")
count += 1
time.sleep(INTERVAL)
except KeyboardInterrupt:
print("\nStopped by user")
finally:
cap.release()
print("Camera released")
下一步
先完成摄像头采集，再运行实时检测或无界面检测。后续可以把人体检测结果接入 MAVLink 任务逻辑，实现识别触发、悬停、返航、录像或地面站告警。