当前位置:首页 » 《关于电脑》 » 正文

树莓派4B-Python-使用PCA9685控制舵机云台+跟随人脸转动

4 人参与  2024年04月27日 16:48  分类 : 《关于电脑》  评论

点击全文阅读


系列文章

树莓派4B-Python-控制舵机树莓派-Pico控制舵机树莓派4B-Python-使用PCA9685控制舵机云台+跟随人脸转动(本文章)

目录

系列文章前言一、SG90s舵机是什么?二、PCA9685与舵机信号线的接线图三、控制SG90s云台(也可用来测试舵机转动的范围)四、给树莓派注入灵魂(代码)五、给电脑注入灵魂(代码)总结


前言

先说明一下哈,本人用的是树莓派4B,Python的版本为3.7,OpenCV的版本为3.2.0

计划了好久的舵机云台终于有机会做出来了!原先一开始用的是塑料的云台+SG90舵机,但效果有点怪,云台会乱抽搐,于是换了金属的云台+SG90s舵机,嘿嘿,现在就没啥问题。
后来想了一下,还是觉得是以下的问题导致云台抽搐的:

舵机线靠近其他正在通电的电源线,受到电磁的干扰,导致舵机信号被干扰;PCA9685舵机控制板的问题。
1、与舵机的接线接触不良;
2、控制板与树莓派的接线接触不良。一般为通信线接触不良。
3、控制板的5V供电有问题。输出电压不够5V或输出电流小于1A。云台顺滑度的问题。本人的就是云台的上下转动的舵机那里卡了,导致变换不了舵机的角度,最后舵机发热严重,排查了好久才发现这个问题。

一、SG90s舵机是什么?

简单的说,就是SG90舵机的齿轮换成了金属齿轮而已,扭力增加了而已。可以理解为SG90舵机的升级版吧。
SG90S
还是不知道的可以参考之前写的关于舵机的内容:
树莓派4B-Python-控制舵机
树莓派-Pico控制舵机


二、PCA9685与舵机信号线的接线图

树莓派上的接线图
PCA9685上的接线图
简单说明一下接线:

PCA9685树莓派4B
GNDGND
DE空着
SCLSCL
SDASDA
VCC3.3V
V+5V(5V1A)

一定要接V+到5V,不然板子达不到控制舵机的效果。
若想外接5V1A的电源,那最好是将那个电源的GND与树莓派的GND连上,也就是共地。


提示:使用下面的代码前,记得先测试好舵机的转动角度哦,若转动的角度会卡死的话,舵机轻则发热,重则爆炸,所以切记切记,一定要先确定好舵机转动的范围。

三、控制SG90s云台(也可用来测试舵机转动的范围)

import time  # 引入time库from adafruit_servokit import ServoKit  # 引入刚刚安装的PCA9685库并将名字缩写成ServoKit方便后续调用# from Adafruit_PCA9685 import ServoKitkit = ServoKit(channels=16)  # 明确PCA9685的舵机控制数Servo1 = kit.servo[0]  # 左右转向的舵机Servo2 = kit.servo[1]  # 上下移动的舵机Servo3 = kit.servo[2]  # 前后伸缩的舵机Servo4 = kit.servo[3]  # 夹子舵机Servo5 = kit.servo[14]Servo6 = kit.servo[15]Servo = [Servo1, Servo2, Servo3, Servo4, Servo5, Servo6]def servo_start(servo_number, start_angle, stop_angle, angle_sleep, time_sleep):    """    servo_number:设置想要控制的舵机通道    start_angle:设置起始的角度    stop_angle:设置终止的角度    angle_sleep:设置角度变换的步长  一般设为10    time_sleep:设置角度变换的间隔   数字越小越快,但最好不要设置太快,舵机会反应不过来然后抽搐。        最快0.005s,但是到达指定角度位置后需要等待1s左右让程序反应过来,否则会抽搐。    """    for speed in range(start_angle, stop_angle, angle_sleep):        servo_number.angle = speed        print(speed)        time.sleep(time_sleep)def servo_dongzuo1():    """    先让机械臂向后缩,然后向前伸,再向下移动,最后向上移动,这就回到了原点    """    time_sleep = 0.01    servo_start(Servo3, 110, 41, -1, time_sleep)    servo_start(Servo3, 40, 111, 1, time_sleep)    time.sleep(0.1)    servo_start(Servo2, 130, 31, -1, time_sleep)    servo_start(Servo2, 30, 131, 1, time_sleep)    time.sleep(0.1)def aa():    time_sleep = 0.01    servo_start(Servo3, 40, 181, 1, time_sleep)    servo_start(Servo3, 180, 41, -1, time_sleep)servo_start(Servo1, 90, 0, -1, 0.01)servo_start(Servo1, 0, 180, 1, 0.01)servo_start(Servo1, 180, 0, -1, 0.01)servo_start(Servo1, 0, 90, 1, 0.01)servo_start(Servo2, 80, 170, 1, 0.01)servo_start(Servo2, 170, 80, -1, 0.01)

四、给树莓派注入灵魂(代码)

注入的灵魂如下(示例):

# -*- coding: utf-8 -*-import cv2import time  # 引入time库from adafruit_servokit import ServoKit  # 引入刚刚安装的PCA9685库并将名字缩写成ServoKit方便后续调用class Follow_the_face:    def __init__(self):        kit = ServoKit(channels=16)  # 明确PCA9685的舵机控制数        self.Servo1 = kit.servo[0]  # 左右转向的舵机        self.Servo2 = kit.servo[1]  # 上下移动的舵机        self.Servo3 = kit.servo[2]  # 前后伸缩的舵机        self.Servo4 = kit.servo[3]  # 夹子舵机        self.Servo5 = kit.servo[14]        self.Servo6 = kit.servo[15]        self.Servo = [self.Servo1, self.Servo2, self.Servo3, self.Servo4, self.Servo5, self.Servo6]        self.l_r_number_of_degrees = 110  # 左右电机初始化的角度        self.u_d_number_of_degrees = 150  # 上下电机初始化的角度        self.range_value = 30  # 在人脸检测中,设置人脸框的中心坐标与屏幕中心坐标的可接受偏移的范围    def servo_start(self, servo_number, start_angle, stop_angle, angle_sleep, time_sleep):        """        servo_number:设置想要控制的舵机通道        start_angle:设置起始的角度        stop_angle:设置终止的角度        angle_sleep:设置角度变换的步长  一般设为10        time_sleep:设置角度变换的间隔   数字越小越快,但最好不要设置太快,舵机会反应不过来然后抽搐。            最快0.005s,但是到达指定角度位置后需要等待1s左右让程序反应过来,否则会抽搐。        """        for speed in range(start_angle, stop_angle, angle_sleep):            servo_number.angle = speed            print(speed)            time.sleep(time_sleep)    def Inittalize(self):        """        初始化云台的各个位置,也算是一个启动前的角度自检和归位        """        self.servo_start(self.Servo1, 111, 110, -1, 0.01)  # 可转动的角度为:0~180        self.servo_start(self.Servo2, 180, 40, -1, 0.01)  # 可转动的角度为:40~180.40度时为垂直向上看        self.servo_start(self.Servo2, 40, 150, 1, 0.01)    def Auto_Angle(self, direction, offset_number):  # , auto_angle        """        自动偏移指定度数        direction:选择方向        offset_number:偏移数        auto_angle:自动角度        """        if direction == "左":            self.l_r_number_of_degrees -= offset_number            if 1 <= self.l_r_number_of_degrees <= 180:                self.servo_start(self.Servo1, self.l_r_number_of_degrees, self.l_r_number_of_degrees - 1, -1, 0.01)            else:                self.l_r_number_of_degrees = self.l_r_number_of_degrees        if direction == "右":            self.l_r_number_of_degrees += offset_number            if 1 <= self.l_r_number_of_degrees <= 180:                self.servo_start(self.Servo1, self.l_r_number_of_degrees, self.l_r_number_of_degrees - 1, -1, 0.01)            else:                self.l_r_number_of_degrees = self.l_r_number_of_degrees        if direction == "上":            self.u_d_number_of_degrees -= offset_number            print('上被触发', self.u_d_number_of_degrees)            if 41 <= self.u_d_number_of_degrees <= 179:                self.servo_start(self.Servo2, self.u_d_number_of_degrees, self.u_d_number_of_degrees - 1, -1, 0.01)            elif self.u_d_number_of_degrees > 179:                u_d_number_of_degrees = 179                self.servo_start(self.Servo2, u_d_number_of_degrees, u_d_number_of_degrees - 1, -1, 0.01)            elif self.u_d_number_of_degrees < 40:                self.u_d_number_of_degrees = 40                self.servo_start(self.Servo2, self.u_d_number_of_degrees, self.u_d_number_of_degrees - 1, -1, 0.01)            else:                print('上出现意外', self.u_d_number_of_degrees)        if direction == "下":            self.u_d_number_of_degrees += offset_number            print('下被触发', self.u_d_number_of_degrees)            if 41 <= self.u_d_number_of_degrees <= 179:                self.servo_start(self.Servo2, self.u_d_number_of_degrees, self.u_d_number_of_degrees - 1, -1, 0.01)            elif self.u_d_number_of_degrees > 179:                self.u_d_number_of_degrees = 179                self.servo_start(self.Servo2, self.u_d_number_of_degrees, self.u_d_number_of_degrees - 1, -1, 0.01)            elif self.u_d_number_of_degrees < 40:                self.u_d_number_of_degrees = 40                self.servo_start(self.Servo2, self.u_d_number_of_degrees, self.u_d_number_of_degrees - 1, -1, 0.01)            else:                print('下出现意外', self.u_d_number_of_degrees)    def determine_face_position(self, difference_value_x, difference_value_y):        """        检测人脸位置        :param difference_value_x:x偏移的距离值        :param difference_value_y:y偏移的距离值        :return:        """        if -self.range_value <= difference_value_x <= self.range_value and -self.range_value <= difference_value_y <= self.range_value:            print("x坐标、y坐标都不用移动")        elif difference_value_x > self.range_value:            print("摄像头向右转动一点")            self.Auto_Angle('右', 1)            if difference_value_y > self.range_value:                print("摄像头向下转动一点1")                self.Auto_Angle('下', 2)            if difference_value_y < -self.range_value:                print("摄像头向上转动一点1")                self.Auto_Angle('上', 2)        elif difference_value_x < -self.range_value:            print("摄像头向左转动一点")            self.Auto_Angle('左', 1)            if difference_value_y > self.range_value:                print("摄像头向下转动一点2")                self.Auto_Angle('下', 2)            if difference_value_y < -self.range_value:                print("摄像头向上转动一点2")                self.Auto_Angle('上', 2)        elif difference_value_y > self.range_value:            print("摄像头向下转动一点")            self.Auto_Angle('下', 2)        elif difference_value_y < -self.range_value:            print("摄像头向上转动一点")            self.Auto_Angle('上', 2)    def turn_on_face_detection(self):        """        使用人脸检测        :return:        """        # 加载预训练的人脸检测器。直接选择树莓派中人脸模型(haarcascade_frontalface_default.xml)的路径即可        face_cascade = cv2.CascadeClassifier('/home/pi/Desktop/12_29/haarcascade_frontalface_default.xml')        # face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')        # 创建用于显示相机画面的窗口        cv2.namedWindow("Camera Feed")        # 打开摄像头        cap = cv2.VideoCapture(0)        r, f = cap.read()        # 获取画面的宽度和高度        h, w, ch = f.shape        print("输出画面的高度和宽度", h, w)        center_x1 = int(w / 2)        center_y1 = int(h / 2)        print("输出中心坐标为:", center_x1, center_y1)        # 记录人脸中心坐标        f_x = f_y = f_w = f_h = None        while True:            # 读取相机画面            ret, frame = cap.read()            # 画面水平翻转            flipped_frame = cv2.flip(frame, 1)  # 0时为垂直翻转            # 获取画面的宽度和高度            height, width, channels = flipped_frame.shape            # 计算中心点的坐标            center_x = int(width / 2)            center_y = int(height / 2)            # 正方形的边长            length = 120            # 左上角的xy坐标            left_up_x = int(center_x - (length / 2))  # 因为原点在正方形的中心,处于一半的位置,所以左上角的x坐标需要边长除以2            left_up_y = int(center_y - (length / 2))            # 画红色的正方形            cv2.rectangle(flipped_frame, (left_up_x, left_up_y), (left_up_x + length, left_up_y + length), (0, 0, 255),                          3)            # 将帧转换为灰度图像            gray = cv2.cvtColor(flipped_frame, cv2.COLOR_BGR2GRAY)            # 进行人脸检测            # 检测设置,将图片放大1.1倍(一般设1.1倍,看效果而定)            # 重复检测的次数为6次(检测次数越多,速度越慢,检测也越严格,准确率可能有所提升)            # 最小的检测框为100*100的正方形,以上的会显示,以下的被屏蔽            faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=6, minSize=(100, 100))            # 在帧中标记人脸            for (x, y, w, h) in faces:                f_x, f_y, f_w, f_h = x, y, w, h                cv2.rectangle(flipped_frame, (x, y), (x + w, y + h), (0, 255, 0), 3)            # 计算人脸正方形的中心点坐标            if len(faces) > 0:  # 判断人脸的数量是否>0                f_z_x = int(f_x + (f_w / 2))                f_z_y = int(f_y + (f_h / 2))                # print("脸部中心x:", f_z_x, "脸部中心y:",  f_z_y)            else:                f_z_x, f_z_y = center_x, center_y  # 没有人脸时就默认人脸位置居中,防止后续使用舵机云台时乱动                # print("脸部中心x:", f_z_x, "脸部中心y:",  f_z_y)            # 计算人脸中心与画面中心相差的坐标            difference_value_x = f_z_x - center_x            difference_value_y = f_z_y - center_y            # print("x坐标偏移量为:", difference_value_x, "y坐标偏移量为:", difference_value_y)            # 检测人脸位置            self.determine_face_position(difference_value_x, difference_value_y)            # 显示相机画面            cv2.imshow("Face following...", flipped_frame)            # 检测按键,如果按下q键则退出循环            if cv2.waitKey(1) & 0xFF == ord('q'):                break        # 释放摄像头资源        cap.release()        # 关闭窗口        cv2.destroyAllWindows()face = Follow_the_face()face.Inittalize()  # 初始化舵机位置face.turn_on_face_detection()  # 开启人脸检测

五、给电脑注入灵魂(代码)

import cv2def detect_faces():    # 加载预训练的人脸检测器    face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')    # 打开默认摄像头    cap = cv2.VideoCapture(0)    r, f = cap.read()    # 获取画面的宽度和高度    h, w, ch = f.shape    print("输出画面的高度和宽度", h, w, ch)    center_x1 = int(w / 2)    center_y1 = int(h / 2)    print("输出中心坐标为:", center_x1, center_y1)    # 记录人脸中心坐标    f_x = None    f_y = None    f_w = None    f_h = None    while True:        # 读取帧        ret, frame = cap.read()        # 水平翻转帧        flipped_frame = cv2.flip(frame, 1)  # 0时为垂直翻转        # 获取画面的宽度和高度        height, width, channels = flipped_frame.shape        # 计算中心点的坐标        center_x = int(width / 2)        center_y = int(height / 2)        # 在中心点画一个红色圆形        # radius = 20        # color = (0, 0, 255)  # 红色        # thickness = 0  # 填充圆形        # cv2.circle(flipped_frame, (center_x, center_y), radius, color, thickness)        # 画个红色正方形        length = 120        # 左上        left_up_x = int(center_x - (length / 2))     # 因为原点在正方形的中心,处于一半的位置,所以左上角的x坐标需要边长除以2        left_up_y = int(center_y - (length / 2))        # # 左下        # left_down_x = int(center_x - (length / 2))        # left_down_y = int(center_y + (length / 2))        # # 右上        # right_up_x = int(center_x + (length / 2))        # right_up_y = int(center_y - (length / 2))        # # 右下        # right_down_x = int(center_x + (length / 2))        # right_down_y = int(center_y + (length / 2))        cv2.rectangle(flipped_frame, (left_up_x, left_up_y), (left_up_x + length, left_up_y + length), (0, 0, 255), 3)        # 将帧转换为灰度图像        gray = cv2.cvtColor(flipped_frame, cv2.COLOR_BGR2GRAY)        # 进行人脸检测        faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))        # 在帧中标记人脸        for (x, y, w, h) in faces:            f_x, f_y, f_w, f_h = x, y, w, h            cv2.rectangle(flipped_frame, (x, y), (x + w, y + h), (0, 255, 0), 3)        # 计算人脸正方形的中心点坐标        if len(faces) > 0:  # 判断人脸的数量是否>0            f_z_x = int(f_x + (f_w / 2))            f_z_y = int(f_y + (f_h / 2))            # print("脸部中心x:", f_z_x, "脸部中心y:",  f_z_y)        else:            f_z_x, f_z_y = center_x, center_y   # 没有人脸时就默认人脸位置居中,防止后续使用舵机云台时乱动            # print("脸部中心x:", f_z_x, "脸部中心y:",  f_z_y)        # 计算人脸中心与画面中心相差的坐标        difference_value_x = f_z_x - center_x        difference_value_y = f_z_y - center_y        # print("x坐标偏移量为:", difference_value_x, "y坐标偏移量为:", difference_value_y)        range_value = 10    # 设置可接受偏移的范围        if -range_value <= difference_value_x <= range_value and -range_value <= difference_value_y <= range_value:            print("x坐标、y坐标都不用移动")        elif difference_value_x > range_value:            print("摄像头向右转动一点")            if difference_value_y > range_value:                print("摄像头向下转动一点")            if difference_value_y < -range_value:                print("摄像头向上转动一点")        elif difference_value_x < -range_value:            print("摄像头向左转动一点")            if difference_value_y > range_value:                print("摄像头向下转动一点")            if difference_value_y < -range_value:                print("摄像头向上转动一点")        elif difference_value_y > range_value:            print("摄像头向下转动一点")        elif difference_value_y < -range_value:            print("摄像头向上转动一点")        # 显示带有人脸标记的帧        cv2.imshow("Faces Detected", flipped_frame)        # 按下 'q' 键退出循环        if cv2.waitKey(1) & 0xFF == ord('q'):            break    # 释放摄像头并关闭窗口    cap.release()    cv2.destroyAllWindows()# 调用实时人脸检测函数detect_faces()

总结

目前的云台呢确实是可以跟随人脸转动的,但以下问题点:

实时显示相机中的画面并进行人脸检测时,有些流畅度不足,因为本人是显示彩色画面的,若改成灰度图的话应该会更快一点;检测人脸的准确度不足,这里使用的是OpenCV自带的人脸检测模型,存在较多的误判,这样会干扰云台的自动人脸定位,所以可以的话,自己训练一个更优的人脸检测模型来使用。或者是调整重复检测次数之类的增加一些精准度吧,但重复检测次数增加得越多,画面越卡顿;目前的程序只能针对画面中有一个人脸的时候进行跟随,若出现多个人脸,云台就会乱套了,各位大佬可以根据自身需求优化或利用这个问题;使用模拟信号的SG90s舵机会存在一些精度的问题,表现的样子就是定位有些不准,然后出现抖动。可以的话,将模拟舵机换成数字舵机,当然价格会贵上一倍。数字舵机的精准度会高上许多,之后本人就打算买回来试试;

该文章若对你有帮助,不妨点个赞噢~


2024.01.15写
有写得不好、写得不对的地方还请各位指出,谢谢!


点击全文阅读


本文链接:http://zhangshiyu.com/post/101261.html

<< 上一篇 下一篇 >>

  • 评论(0)
  • 赞助本站

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

关于我们 | 我要投稿 | 免责申明

Copyright © 2020-2022 ZhangShiYu.com Rights Reserved.豫ICP备2022013469号-1