1. 介绍
本项目通过PCA9685舵机控制模块控制二自由度舵机云台固定在零点位置，然后通OpenCV检测到黄色小熊，找到中心位置并打印出中心位置的坐标，通过双色LED灯进行指示是否检测到目标，本项目为后面二维云台追踪物体和追踪人脸提供基础，云台追踪物体就必须知道物体的中心坐标和图像坐标的相对值，然后才能控制舵机云台进行水平方问（x方向）和垂直方向（y方向）进行修正。
2.OpenCV 定位物体的实时位置
使用平移/倾斜舵机云台将对象放置在屏幕中间。对于运动的物体，我们必须实时知道对象的位置。所以必须知道对象中心的坐标。
首先，之前已经学习过识别颜色，这里我们对其进行修改以打印所建立对象的x，y坐标。
代码的“核心”是找到对象在其上画一个圆并在其中心画一个红点。
在项目中搭建一个双色LED灯模块，该双色 LED 灯连接的是GPIO管脚（GPIO19）端口上，从而可以让双色LED 灯作为提示。
3.建立电路
| 树莓派 | T 型转接板 | 双色 LED 模块 |
| * | * | G(S) |
| GPIO19 | GPIO19 | R（中间） |
| GND | GND | GND |
| 树莓派 | T型转接板 | PCA9685 舵机驱动模块 |
| SCL | SCL | SCL |
| SDA | SDA | SDA |
| 3.3V | 3.3V | VCC |
| 5V | 5V | V+ |
| GND | GND | GND |
| 舵机 | PCA9685 舵机驱动模块 |
| 水平方向舵机(pan) | PWM0 |
| 倾斜舵机(tilt) | PWM1 |
4. 源程序代码
# 载入必要的库文件
from __future__ import print_function
from gpiozero import LED
from adafruit_servokit import ServoKit
from imutils.video import VideoStream
import imutils
import time
import cv2
import os
kit = ServoKit(channels=16)
# 舵机调零
pan = 90
tilt = 60 # 往上仰，方便操作
# 初始化位置
kit.servo[0].angle=pan
kit.servo[1].angle=tilt
# LED 初始化
redLed = LED(19)
kit = ServoKit(channels=16)
# 舵机调零
pan = 90
tilt = 60 # 往上仰，方便操作
# 初始化位置
kit.servo[0].angle=pan
kit.servo[1].angle=tilt
# LED 初始化
redLed = LED(19)
import libcamera
from picamera2 import Picamera2
picamera = Picamera2()
config = picamera.create_preview_configuration(main={"format": 'RGB888', "size": (640, 480)},
raw={"format": "SRGGB12", "size": (1920, 1080)})
config["transform"] = libcamera.Transform(hflip=0, vflip=1)
picamera.configure(config)
picamera.start()
time.sleep(2.0)
# 定义对象的上下边界
# 在HSV颜色空间中进行跟踪
colorLower = (3,100,100)
colorUpper = (23,255,255)
# 创建显示控件
def bgr8_to_jpeg(value, quality=75):
return bytes(cv2.imencode('.jpg', value)[1])
import traitlets
import ipywidgets.widgets as widgets
from IPython.display import display
Frame = widgets.Image(format='jpeg', width=500, height=350)
display(Frame)
# 线程函数操作库
import threading # 线程
import ctypes
import inspect
# 线程结束代码
def _async_raise(tid, exctype):
tid = ctypes.c_long(tid)
if not inspect.isclass(exctype):
exctype = type(exctype)
res = ctypes.pythonapi.PyThreadState_SetAsyncExc(tid, ctypes.py_object(exctype))
if res == 0:
raise ValueError("invalid thread id")
elif res != 1:
ctypes.pythonapi.PyThreadState_SetAsyncExc(tid, None)
raise SystemError("PyThreadState_SetAsyncExc failed")
def stop_thread(thread):
_async_raise(thread.ident, SystemExit)
# 关闭LED灯
redLed.off()
ledOn = False
def Video_display():
global ledOn
# 循环的帧从视频流
while True:
# 从视频流中抓取下一帧，调整大小
# 帧，并将其转换为HSV颜色空间
frame = picamera.capture_array()
frame = imutils.resize(frame, width=500)
frame = imutils.rotate(frame, angle=0)
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
# 为对象颜色构造一个遮罩，然后执行
# 一系列的膨胀和侵蚀，以消除任何小的
# blobs left in the mask
mask = cv2.inRange(hsv, colorLower, colorUpper)
mask = cv2.erode(mask, None, iterations=2)
mask = cv2.dilate(mask, None, iterations=2)
# 找到遮罩中的轮廓并初始化
# (x, y) center of the object
cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2]
#cnts = cnts[0] if imutils.is_cv2() else cnts[1]
center = None
# 只有在找到至少一条轮廓线时才进行
if len(cnts) > 0:
# 在蒙版中找到最大的轮廓，然后使用
# 它可以计算出最小的围圆
# 重心
c = max(cnts, key=cv2.contourArea)
((x, y), radius) = cv2.minEnclosingCircle(c)
M = cv2.moments(c)
center = (int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"]))
# 只有当半径满足最小尺寸时才进行
if radius > 10:
# 在框架上画圆和质心，
# 然后更新跟踪点的列表
cv2.circle(frame, (int(x), int(y)), int(radius),(0, 255, 255), 2)
cv2.circle(frame, center, 5, (0, 0, 255), -1)
# 定位舵机在圆心
mapObjectPosition(int(x), int(y))
# 如果led还没有打开，打开led
if not ledOn:
redLed.on()
ledOn = True
# 如果没有检测到球，关闭LED灯
elif ledOn:
redLed.off()
ledOn = False
# 向我们的屏幕显示框架
Frame.value = bgr8_to_jpeg(frame)
time.sleep(0.01) # 不要CPU 占用太高
# 做点清理工作
print("\n [INFO] Exiting Program and cleanup stuff \n")
# 开始线程
t = threading.Thread(target=Video_display)
t.setDaemon(True)
t.start()
# 结束线程
stop_thread(t)
运行程序，将在终端上看到（x，y）位置坐标，移动对象并观察坐标。将看到x从0到500（从左到右），y从0到350（从上到下）。在 JupyterLab 上实时打印出坐标信息，当识别到物体（黄色小熊）的时候，可以观察双色LBD灯的变化。
