CV Robot MCP

CV_Robot_MCP

\*\*\**这个仓库不再维护，因为我将把重点放在AGi ROS机器人和AI服务器项目上。*

利用VLM CV_MCP_服务器 拥抱面部空间，通过机器人的摄像头“看到”物体。

概述

CV_Robot_MCP是一个基于Python的项目，旨在通过集成视觉语言模型（VLM）使机器人能够直观地解释其环境。系统与 CV_MCP_服务器拥抱人脸空间 以分析机器人相机捕获的图像并提供有意义的对象描述。

🎬 演示视频

🎬 观看演示视频 这里

Demo Video

特性

• 视觉语言模型集成： 通过HuggingFace Space将机器人的摄像头馈送与VLM无缝连接。
• Python实现： 完全用Python编写，具有灵活性和易于定制。
• 物体识别： 识别和描述机器人视野中的对象。

入门指南

先决条件

• Python 3.10+
• 访问 CV_MCP_服务器拥抱人脸空间
• 带摄像头支持的机器人硬件（可选用于使用样本图像进行测试）

安装

克隆此存储库：

git clone https://github.com/OppaAI/CV_Robot_MCP.git
cd CV_Robot_MCP

安装Python要求：

pip install -r requirements.txt

生成HuggingFace令牌并将其输入.env文件

用法

1. 启动你的机器人，确保摄像头正常工作。
2. 运行主脚本以捕获图像并将其发送到CV_MCP_Server：

   python cv_robot.py

1. 查看VLM返回的对象描述。

配置

• 服务器URL: 如果端点发生变化，请更新代码/配置文件中的HuggingFace Space URL。
• 相机设置： 根据需要修改Python脚本中的分辨率、帧率或源代码。

贡献

欢迎投稿！请打开问题或提交功能请求、错误或改进的拉取请求。

许可证

该项目根据MIT许可证获得许可。看 许可证 了解详情。

致谢

• CV_MCP_服务器拥抱人脸空间
• HuggingFace用于托管VLM部署
• 高频空间中使用的VLM：Qwen2.5-VL-7B指令