平移/傾斜伺服裝置，幫助攝像機使用視覺自動跟蹤顏色對象。
現(xiàn)在我們將使用我們的設(shè)備幫助相機自動跟蹤顏色對象，如下所示：
OpenCV可免費用于學術(shù)和商業(yè)用途。它具有C ++，C，Python和Java接口，并支持Windows，Linux，Mac OS，iOS和Android。在我的一系列OpenCV教程中，我們將專注于Raspberry Pi（因此，Raspbian as OS）和Python。OpenCV專為提高計算效率而設(shè)計，專注于實時應(yīng)用。因此，它非常適合物理計算項目！
2.安裝OpenCV 3軟件包
我正在使用Raspberry Pi V3更新到最新版本的Raspbian（Stretch），因此安裝OpenCV的最佳方法是遵循Adrian Rosebrock開發(fā)的優(yōu)秀教程：Raspbian Stretch：在Raspberry Pi上安裝OpenCV 3 + Python 。
我嘗試了幾個不同的指南在我的Pi上安裝OpenCV。阿德里安的教程是最好的。我建議你按照他的指導方針一步一步地做同樣的事情。
完成Adrian的教程后，您應(yīng)該準備好在您的Pi上運行我們的實驗的OpenCV虛擬環(huán)境。
讓我們轉(zhuǎn)到我們的虛擬環(huán)境并確認OpenCV 3已正確安裝。
Adrian建議每次打開新終端時運行命令“source”以確保系統(tǒng)變量已正確設(shè)置。
接下來，讓我們進入我們的虛擬環(huán)境：
workon cv
如果您在提示符前面看到文本（cv），那么您就在cv virtualenvironment中：
Adrian提請注意，cv Python虛擬環(huán)境完全獨立，并與Raspbian Stretch下載中包含的默認Python版本隔離。因此，全局site-packages目錄中的任何Python包都不可用于cv虛擬環(huán)境。同樣，安裝在cv的site-packages中的任何Python包都不可用于全局安裝的Python。
現(xiàn)在，輸入你的Python解釋器：
python
并確認您運行的是3.5（或更高版本）版本
在解釋器內(nèi)部（將出現(xiàn)“>>>”），導入OpenCV庫：
如果沒有出現(xiàn)錯誤消息，則在您的PYTHON VIRTUAL ENVIRONMENT上正確安裝OpenCV。
您還可以檢查安裝的OpenCV版本：
cv2.__version__
應(yīng)該出現(xiàn)3.3.0（或者可以在將來發(fā)布的高級版本）。上述終端PrintScreen顯示前面的步驟。
一旦你在RPi中安裝了OpenCV，讓我們測試你的相機是否正常工作。
我假設(shè)您的Raspberry Pi上已經(jīng)安裝了PiCam。
在IDE上輸入以下Python代碼：
上面的代碼將捕獲將由您的PiCam生成的視頻流，以BGR顏色和灰色模式顯示它們。
請注意，由于組裝方式，我將相機垂直旋轉(zhuǎn)。如果不是您的情況，請評論或刪除“翻轉(zhuǎn)”命令行。
您也可以從我的GitHub：https://github.com/Mjrovai/OpenCV-Object-Face-Tracking/blob/master/simpleCamTest.py下載代碼
要執(zhí)行，請輸入命令：
python simpleCamTest.py
要完成程序，您必須按鍵盤上的[q] [Ctrl] + [C]鍵
圖為結(jié)果。
4.使用OpenCV在Python中進行顏色檢測
我們將嘗試完成的一件事是檢測和跟蹤某個顏色對象。為此，我們必須更多地了解OpenCV如何解釋顏色。
Henri Dang用OpenCV編寫了一篇關(guān)于Python中的顏色檢測的精彩教程。
通常，我們的相機將使用RGB顏色模式，可以通過將其視為可以由紅色，綠色和藍色的三種彩色燈制成的所有可能顏色來理解。我們將在這里使用BGR（藍色，綠色，紅色）。
如上所述，對于BGR，像素由3個參數(shù)表示，藍色，綠色和紅色。每個參數(shù)的值通常為0-255（或以十六進制表示的O到FF）。例如，計算機屏幕上的純藍色像素的B值為255，G值為0，R值為0。
OpenCV與HSV（色調(diào)，飽和度，值）顏色模型一起使用，它是RGB顏色模型的替代表示，由計算機圖形學研究人員在20世紀70年代設(shè)計，以更加貼近人類視覺感知顏色制作屬性的方式：
因此，如果要使用OpenCV跟蹤某種顏色，則必須使用HSV模型對其進行定義。
假設(shè)我必須跟蹤黃色物體，如上圖所示的塑料盒。易用部分是找到它的BGR元素。您可以使用任何設(shè)計程序來查找它（我使用PowerPoint）。
在我的情況下，我發(fā)現(xiàn)：
藍色：71
綠色：234
紅色：213
接下來，我們必須將BGR（71,234,213）模型轉(zhuǎn)換為HSV模型，該模型將使用上限和下限范圍進行定義。為此，讓我們運行以下代碼：
您也可以從我的GitHub下載代碼：https://github.com/Mjrovai/OpenCV-Object-Face-Tracking/blob/master/bgr_hsv_converter.py
要執(zhí)行，請輸入以下命令，其中包含之前找到的BGR值作為參數(shù)：
python bgr_hsv_converter.py 71 234 213
程序?qū)⒋蛴ο箢伾纳舷逻吔纭?/p>
在這種情況下：
upper bound: [44, 255, 255]
終端打印屏幕顯示結(jié)果。
最后，但并非最不重要的，讓我們看看OpenCV在確定其顏色后如何“掩蓋”我們的對象：
您也可以從我的GitHub：https://github.com/Mjrovai/OpenCV-Object-Face-Tracking/blob/master/colorDetection.py下載代碼
要執(zhí)行，請在目錄中輸入以下命令，其中包含目標對象的照片（在我的情況下：yellow_object.JPG）：
python colorDetection.py
上面的圖片將顯示原始圖像（“圖像”）以及在應(yīng)用蒙版之后對象將如何顯示（“蒙版”）。
5.物體移動跟蹤
現(xiàn)在我們知道如何使用蒙版“選擇”我們的對象，讓我們使用相機實時跟蹤它的移動。為此，我將我的代碼基于Adrian Rosebrock的Ball Tracking with OpenCV教程。
我強烈建議您詳細閱讀Adrian的教程。
首先，確認您是否安裝了imutils庫。這是Adrian的OpenCV便利功能集合，可以更輕松地完成一些基本任務(wù)（如調(diào)整大小或翻轉(zhuǎn)屏幕）。如果沒有，請輸入以下命令在虛擬Python環(huán)境中安裝庫：
接下來，從我的GitHub下載代碼https://github.com/Mjrovai/OpenCV-Object-Face-Tracking/blob/master/ball_tracking.py，并使用以下命令執(zhí)行它：
python ball_traking.py
因此，您將看到類似于以下gif的內(nèi)容：
基本上，除了“視頻垂直翻轉(zhuǎn)”之外，它與Adrian的代碼相同，我用這條線：
另請注意，使用的掩碼邊界是我們在上一步中獲得的掩碼邊界。
6.測試GPIO
現(xiàn)在我們已經(jīng)使用了OpenCV的基礎(chǔ)知識，讓我們?yōu)槲覀兊腞Pi安裝一個LED并開始與我們的GPIO進行交互。
按照上面的電氣圖：LED的陰極將通過一個220歐姆的電阻連接到GPIO 21，其陽極連接到GND。
讓我們在虛擬Python環(huán)境中測試我們的LED。
請記住，在Python虛擬環(huán)境中可能沒有安裝RPi.GPIO！要解決此問題，一旦您在那里（記得確認（cv）在您的終端中），您需要使用pip將其安裝到您的虛擬環(huán)境中：
pip install RPi.GPIO
讓我們使用python腳本執(zhí)行一個簡單的測試：
此代碼將接收GPIO編號作為參數(shù)，以及LED應(yīng)閃爍的頻率（以秒為單位）。LED將閃爍5次，程序?qū)⒔K止。請注意，在終止之前，我們將釋放GPIO。
因此，要執(zhí)行腳本，必須輸入?yún)?shù)，LED GPIO和頻率。
例如：
python LED_simple_test.py 21 1
上述命令將每隔“1”秒閃爍5次連接到“GPIO 21”的紅色LED。
可以從我的GitHub下載文件https://github.com/Mjrovai/OpenCV-Object-Face-Tracking/blob/master/GPIO_LED_test.py
上面的終端打印屏幕顯示結(jié)果（當然您應(yīng)該確認LED閃爍。
現(xiàn)在，讓我們使用OpenCV和一些基本的GPIO。
7.識別顏色和GPIO交互
讓我們開始將我們的OpenCV代碼與GPIO交互集成。我們將從最后的OpenCV代碼開始，我們將在其上集成GPIO-RPI庫，因此我們將在相機找到彩色物體的任何時候打開紅色LED。此步驟中使用的代碼基于Adrian的優(yōu)秀教程OpenCV，RPi.GPIO和Raspberry Pi上的GPIO Zero：
首先要做的是“創(chuàng)建”我們的LED，將其連接到特定的GPIO：
其次，我們必須初始化我們的LED（關(guān)閉）：
GPIO.output(redLed, GPIO.LOW)ledOn = False
現(xiàn)在，在循環(huán)內(nèi)部，當找到對象時創(chuàng)建“圓圈”，我們將打開LED：
讓我們從我的GitHub下載完整的代碼：
https://github.com/Mjrovai/OpenCV-Object-Face-Tracking/blob/master/object_detection_LED.py
使用以下命令運行代碼：
python object_detection_LED.py
結(jié)果如下。請注意，每次檢測到物體時，LED（左下角）都會亮起：
嘗試使用不同的對象（顏色和格式）。您將看到，一旦掩模邊界內(nèi)的顏色匹配，LED就會亮起。
以下視頻顯示了一些經(jīng)驗。請注意，只會檢測到位于顏色范圍內(nèi)的黃色物體，從而打開LED。忽略具有不同顏色的對象。
我們只在這里使用LED，如上一步所述。當我拍攝視頻時，我的Pan Tilt已經(jīng)組裝完畢，所以請忽略它。我們將在下一步處理PAN / TILT機制。
8.泛傾斜機制
現(xiàn)在我們已經(jīng)使用了OpenCV和GPIO的基礎(chǔ)知識，讓我們安裝我們的Pan / tilt機制。
伺服電機應(yīng)連接到外部5V電源，其數(shù)據(jù)引腳（在我的情況下，它們的黃色接線）連接到Raspberry Pi GPIO，如下所示：
GPIO 17 ==>傾斜伺服
GPIO 27 ==> Pan Servo
不要忘記將GND連接在一起==> Raspberry Pi - Servos - 外部電源）
您可以選擇在Raspberry Pi GPIO和服務(wù)器數(shù)據(jù)輸入引腳之間串聯(lián)一個1K歐姆的電阻。這可以在發(fā)生伺服問題時保護您的RPi。
讓我們也利用這個機會，在我們的虛擬Python環(huán)境中測試我們的伺服器。
讓我們使用Python腳本用我們的驅(qū)動程序執(zhí)行一些測試：
上面代碼的核心是函數(shù)setServoAngle（伺服，角度）。該功能接收伺服GPIO編號作為參數(shù)，以及伺服必須定位的角度值。一旦此函數(shù)的輸入為“角度”，我們必須將其轉(zhuǎn)換為等效的占空比。
要執(zhí)行腳本，必須輸入?yún)?shù)，伺服GPIO和角度。
例如：
python angleServoCtrl.py 17 45
上述命令將連接在GPIO 17上的伺服（“傾斜”）與“仰角”成45度。
文件
https://github.com/Mjrovai/OpenCV-Object-Face-Tracking/blob/master/angleServoCtrl.py
可以從我的GitHub下載
9.查找對象實時位置
這里的想法是使用平移/傾斜機制將對象定位在屏幕中間。壞消息是，為了開始我們必須實時知道對象的位置。但好消息是，一旦我們已經(jīng)擁有了對象中心的坐標，這很容易。
首先，讓我們使用之前使用的“object_detect_LED”代碼并修改它以打印已創(chuàng)建對象的x，y坐標。
從我的GitHub下載代碼：objectDetectCoord.py
代碼的“核心”是我們找到對象并在其上繪制一個圓圈的部分，其中心有一個紅點。
讓我們將中心坐標“導出”到mapObjectPosition（int（x），int（y））函數(shù)以打印其坐標。功能下方：
def mapObjectPosition (x, y): print ('[INFO] Object Center coordinates at \ X0 = {0} and Y0 = {1}'.format(x, y))運行程序，我們將在終端上看到（x，y）位置坐標，如上所示。移動對象并觀察坐標。我們將意識到x從0到500（從左到右），y從o到350（從上到下）。見上圖。
現(xiàn)在我們必須使用這些坐標作為我們的Pan / Tilt跟蹤系統(tǒng)的起點
10.物體位置跟蹤系統(tǒng)
我們希望我們的對象始終以屏幕為中心。所以，讓我們定義一個例子，如果符合以下情況我們會認為我們的對象是“居中的”：
220 <x <280
160 <y <210
在這些邊界之外，我們必須移動我們的Pan / Tilt機制以補償偏差?；诖耍覀兛梢詷?gòu)建函數(shù)mapServoPosition（x，y），如下所示。請注意，此函數(shù)中用作參數(shù)的“x”和“y”與我們之前用于打印中心位置的參數(shù)相同：
基于（x，y）坐標，使用函數(shù)positionServo（伺服，角度）生成伺服位置命令。例如，假設(shè)y位置是“50”，這意味著我們的對象幾乎位于屏幕的頂部，可以轉(zhuǎn)換為“相機視線”為“低”（假設(shè)傾角為120度） 所以我們必須“減少”傾斜角度（讓我們說100度），所以相機視線將“向上”并且物體將在屏幕上“向下”（y將增加，比方說，190）。
上圖顯示了幾何方面的示例。
想想泛相機將如何操作。請注意，屏幕沒有鏡像，這意味著如果您將對象移動到“左側(cè)”，一旦您與相機相反，它將在屏幕上移動“右側(cè)”。
函數(shù)positionServo（伺服，角度）可寫為：
def positionServo (servo, angle): os.system('python angleServoCtrl.py ' + str(servo) + ' ' + str(angle)) print('[INFO] Positioning servo at GPIO {0} to {1} \ degrees\n'.format(servo, angle))我們將調(diào)用之前顯示的腳本進行伺服定位。
請注意，angleServoCtrl.py必須與objectDetectTrac.py位于同一目錄中
完整的代碼可以從我的GitHub：objectDetectTrack.py下載
下面的gif顯示了我們項目工作的一個例子：
11.結(jié)論
一如既往，我希望這個項目可以幫助其他人進入激動人心的電子世界！
聯(lián)系客服
