利用计算机视觉的自主追球探测车

那么，计算机视觉。计算机视觉有大量复杂的程序和算法来检测猫和狗，但对于这个项目，因为我们需要识别像球一样简单的物体，OpenCV 是一个很棒且易于使用的工具。然而，虽然使用 OpenCV 很容易，但将它安装在你的 Raspberry Pi 上却不那么容易。它可能相当复杂，所以我不会用我自己的话来让你困惑，而是给你链接两个指南来告诉你如何做到这一点。有艰难而痛苦的方法，也有简单的方法。相信我，如果你选择简单的方法，它会为你节省很多时间（我就是这样做的）

安装并测试 OpenCV 以确保其正常工作后，现在是时候转到电机和摄像头软件了。

汽车库

1）通过在 Raspberry Pi 终端中输入以下命令启用IC2 ：

转到接口选项（或旧型号的高级选项）

选择IC2并启用它

重启你的 Pi

2）检查你的 Python 版本是否为 3 或更高版本。如果不是，请将 Python 版本升级到 3 或更高版本。

3）要安装该库，请在终端中输入以下命令：

Pi 相机库

1）与 Motor 库类似，您需要启用 Pi Camera：

转至接口选项

选择相机并启用它

重启你的 Pi

2）要将相机连接到 Pi，首先确保 Pi 已关闭

3）找到 Pi 上的摄像头模块端口，然后轻轻向上拉端口塑料夹的边缘

4）插入摄像头模块带状电缆；确保带状电缆底部的连接器朝向照片中所示端口中的触点

4）将塑料夹推回原位

5V电源

1）将电池连接到电源板

2）将电源板放置在 Pi 下方以节省空间

3）在电源板和 Pi 之间使用提供的或额外的支架或垫片

4）使用 micro-USB 线将 Pi 连接到电源板

电机帽

1）将接头引脚和接线端子焊接到给定的电机 HAT 中，确保接头引脚指向下方，接线端子引脚位于电机 HAT 的顶部

2) 将接头插针插入 Raspberry Pi 的端子插针，确保 Pi 摄像头电缆穿过电机 HAT 中用于 Pi 摄像头电缆的狭缝

3）在 Motor HAT 和 Raspberry Pi 之间安装垫片或支架，将它们放置在所有 4 个角上，并用胶水/螺母和螺栓固定（这是必要的，以防止 Motor HAT 与 Pi 金属 HDMI 外壳接触，可能导致短路）

4）从上到下 - 电机 HAT、Raspberry Pi、电源板

探测车的“摧毁”球体功能将由 Arduino 控制。任何 Arduino 都可以，但 Arduino Nano 更适合，因为它体积小巧。它连接到超声波探测器，用于探测与球体的距离，并将信息传输到 Arduino，Arduino 控制伺服器和 Neopixel 环。启动下面的模拟程序，看看会发生什么：

1. 将下面 Tinkercad 电路中的 Arduino 代码（按“代码”选项卡）上传到 Arduino
2. 将 Arduino 放在迷你面包板上，或者将电线焊接到 Arduino 引脚上
3. 将所有电子设备通过面包板正确连接到 Arduino
4. 通过将 Arduino 连接到使用 USB 连接为 Pi 供电的同一块电源板来为 Arduino 供电（电源板上有两个 5V 输出 USB 端口）

为了给电机供电，我们使用了不同的电源。本例中，使用的是锂聚合物电池，可以是2芯或3芯电池。由于电池本身的电压对于所用的电机来说过高，因此需要一个电压调节器来降低电机能够运行的电压（5-6V）。电源连接器采用公母接口，因此可以通过将公连接器从母连接器上拔下来随时切断电机供电。

1. 给电池充电
2. 使用电池上的 JST 接口，将正极和负极电线连接到图中所示的正确接口。用胶带将电线固定到 JST 接口上。
3. 使用螺丝刀将电线的另一侧固定到公直流电源连接器的端子上
4. 将一对正极线和负极线分别固定到母直流电源连接器上
5. 将电线的另一端连接到电压调节器上的端子，确保输入电压线连接到调节器上的输入端子并且极性正确（您可以在调节器背面检查极性和输入/输出端子）
6. 将另一对正极和负极电线连接到电压调节器的输出端子
7. 将电线的另一端连接到电机 HAT 上的输入电压接线端子，确保电线的极性始终正确
8. 要为电机 HAT 供电，请将公头和母头直流电源连接器连接在一起
9. 要查看调节器的输出电压，请按下调节器上的按钮，直到出现输出电压读数，由板上的输出电压 LED 指示
10. 要从调节器获得 5-6V 的输出电压，请使用螺丝刀逆时针旋转电位器，直到电压降至 5-6V

1. 将给定的电线焊接到电机连接处
2. 使用侧面支撑和提供的螺丝，将电机固定到位
3. 使用给定的螺母将螺丝固定到位
4. 将轮子滑到电机轴上
5. 对其他 3 个电机重复此操作

1. 使用扎带将超声波测距仪固定到下层地板的前面
2. 在超声波探测器的两侧固定两个伺服器，但不要太近，以免伺服器与测距仪发生冲突
3. 在测距仪和伺服器后面，用扎带固定 Arduino Nano，并将前两个电机之间的地板上的孔固定住
4. 在 Arduino 后面，以同样的方式将电压调节器固定在两个后电机之间
5. 在电压调节器后面，将 Lipo 电池固定在水平方向

1. 使用给定的垫片和螺丝，将顶层和底层连接在一起
2. 使用扎带将 Pi/Arduino 电池固定在顶层后部的 Lipo 电池上方
3. 将电源板、Pi 和 Motor HAT 堆叠放置在顶层的中间
4. 使用 micro-USB 线缆将电源板的 USB 端口连接到 Pi 的 micro-USB 端口，为 Pi 供电
5. 使用顶板上的侧孔将电机线穿过，将电机线拧入电机 HAT 上的电机端子销中
6. 将前左电机连接至 M1，前右电机连接至 M3，后左电机连接至 M2，后右电机连接至 M4

1. Pi 摄像头线应穿过电机 HAT 中的缝隙，到达顶层前部的摄像头
2. 使用 Blu-tack 或类似物将相机固定到位
3. 将 Neopixel 环固定在相机前面的同一块 Blu-tack 胶上，确保环不会遮挡相机的视线
4. Neopixel 环形线应该连接到 Arduino 所在的底层
5. 使用 USB 2.0 电缆，将同一电源板的 USB 端口连接到 Arduino 的端口，并将电缆穿过地板的中央孔，为 Arduino 供电。
6. 将这根线穿过 Pi 相机后面的大圆孔，连接到下面的 Arduino
7. 如果电线很长并且有多余的长度，请使用扎带捆绑多余的电线，以免妨碍车轮。

整理好电子设备并组装好火星车后，剩下要做的就是对火星车进行编程：

1) 使用 Thonny 或其他 Python IDE，将以下代码复制到文件中，并以“BallChasingRover”类名称保存。

from picamera.array import PiRGBArrayfrom picamera import PiCameraimport timeimport cv2import numpy as npfrom adafruit_motorkit import MotorKitkit = MotorKit()motors = [kit.motor3, kit.motor4, kit.motor1, kit.motor2]motorSpeed = [0,0,0,0]speedDef = 0.5leftSpeed = speedDefrightSpeed = speedDefdefTime = 0.01driveTime = defTimemaxDiff = 0.2kp = 1.0ki = 1.0kd = 1.0ballX = 0.0ballY = 0.0x = {'axis':'X', 'lastTime':int(round(time.time()*1000)), 'lastError': 0.0, 'error': 0.0, 'duration': 0.0, 'sumError': 0.0, 'dError': 0.0, 'PID': 0.0}y = {'axis':'Y', 'lastTime':int(round(time.time()*1000)), 'lastError': 0.0, 'error': 0.0, 'duration': 0.0, 'sumError': 0.0, 'dError': 0.0, 'PID': 0.0}def driveMotors(leftChnl = speedDef, rightChnl = speedDef, duration = defTime): motorSpeed[0] = leftChnl motorSpeed[1] = leftChnl motorSpeed[2] = rightChnl motorSpeed[3] = rightChnl motors[0].throttle = motorSpeed[0] motors[1].throttle = motorSpeed[1] motors[2].throttle = motorSpeed[2] motors[3].throttle = motorSpeed[3] def PID(axis): lastTime = axis['lastTime'] lastError = axis['lastError'] now = int(round(time.time()*1000)) duration = now - lastTime axis['sumError'] += axis['error'] duration axis['dError'] = (axis['error'] - lastError)/duration if axis['sumError'] > 1: axis['sumError'] = 1 if axis['sumError'] < -1: axis['sumError'] = -1 axis['PID'] = kp axis['error'] + ki axis['sumError'] + kd axis['dError'] axis['lastError'] = axis['error'] axis['lastTime'] = now return axisdef killMotors(): motors[0].throttle = 0.0 motors[1].throttle = 0.0 motors[2].throttle = 0.0 motors[3].throttle = 0.0params = cv2.SimpleBlobDetector_Params()params.filterByColor = Falseparams.filterByArea = Trueparams.minArea = 2500params.maxArea = 30000params.filterByInertia = Falseparams.filterByConvexity = Falseparams.filterByCircularity = Trueparams.minCircularity = 0.4params.maxCircularity = 1 det = cv2.SimpleBlobDetector_create(params) #set red filter rangelower_red = np.array([160, 60, 20]) #80 for blueupper_red = np.array([180, 255, 255]) #130 for bluecamera = PiCamera()camera.resolution = (640, 480)camera.framerate = 32rawCapture = PiRGBArray(camera, size=(640, 480))time.sleep(0.1)for frame in camera.capture_continuous(rawCapture, format="bgr", use_video_port=True): image = frame.array height, width, chan = np.shape(image) xMid = width/2 1.0 yMid = height/2 1.0 imgHSV = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) redMask = cv2.inRange(imgHSV, lower_red, upper_red) blur = cv2.blur(redMask, (10,10)) res = cv2.bitwise_and(image, image, mask=blur) keypoints = det.detect(blur) try: ballX = int(keypoints[0].pt[0]) ballY = int(keypoints[0].pt[1]) except: pass #not necessary if you dont need to see camera input via VNC cv2.drawKeypoints(image, keypoints, image, (0,255,0), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS) xVariance = (ballX - xMid) / xMid yVariance = (ballY - yMid) / yMid x['error'] = xVariance/xMid y['error'] = yVariance/yMid x = PID(x) y = PID(y) leftSpeed = (speedDef y['PID']) + (maxDiff x['PID']) rightSpeed = (speedDef y['PID']) - (maxDiff x['PID']) if leftSpeed > (speedDef + maxDiff): leftSpeed = (speedDef + maxDiff) if leftSpeed < -(speedDef + maxDiff): leftSpeed = -(speedDef + maxDiff) if rightSpeed > (speedDef + maxDiff): rightSpeed = (speedDef + maxDiff) if rightSpeed < -(speedDef + maxDiff): rightSpeed = -(speedDef + maxDiff) driveMotors(leftSpeed, rightSpeed, driveTime) #also not necessary cv2.imshow("Frame", image) #cv2.imshow("Mask", blur) <- shows the mask frame key = cv2.waitKey(1) & 0xFF rawCapture.truncate(0) if key == ord("q"): breakkillMotors()cv2.destroyAllWindows()

2）OpenCV 不能直接从 IDE 运行，因此要运行代码，请打开终端

3）如果你将 OpenCV 安装在虚拟环境中（我已经安装了），请在终端中输入以下内容（如果没有，请忽略）：

workon cv

4）导航到保存文件的位置（我的文件保存在“Documents”文件夹中）：

cd Documents/

5）进入保存文件的文件夹后，键入以下命令来运行该程序：

python 'YourFileName'.py

按下回车键后，你的机器人就会开始移动。如果在它的视野范围内有一个红球，它就会转向并跟随红球。一旦它靠近，伺服器就会启动。你需要根据你所在区域的光照情况以及红球的大小来修改 Python 代码中的一些设置，以确保代码能够正确识别红球。要检查你的代码是否正确识别了红球，请添加以“cv2.imshow”开头的代码行，以获取摄像头所看到的内容以及它认为是红球的内容的实时反馈。