![Śledzenie obiektów - kontrola montażu kamery: 4 kroki Śledzenie obiektów - kontrola montażu kamery: 4 kroki](https://i.howwhatproduce.com/images/002/image-4069-117-j.webp)
Spisu treści:
2025 Autor: John Day | [email protected]. Ostatnio zmodyfikowany: 2025-01-23 15:03
![Image Image](https://i.howwhatproduce.com/images/002/image-4069-118-j.webp)
![](https://i.ytimg.com/vi/Wus9oAPo0Ok/hqdefault.jpg)
Cześć wszystkim, W tym Instructable pokażę ci postępy poczynione w moim projekcie śledzenia obiektów. Tutaj możesz znaleźć poprzedni Instructable: https://www.instructables.com/id/Object-Tracking/ i tutaj znajdziesz playlisty na youtube ze wszystkimi filmy i objaśnienia kodu:
Tak więc w końcu jesteśmy w stanie przejść ze świata czysto oprogramowania i kodowania do prawdziwego świata, umieszczając kamerę na uchwycie i przesuwając uchwyt, aby podążać za obiektem, zobaczmy jak!
Krok 1: Montaż kamery:
![Mocowanie kamery Mocowanie kamery](https://i.howwhatproduce.com/images/002/image-4069-119-j.webp)
To jest uchwyt do aparatu, którego będziemy używać. Nie jest w pełni kompatybilny z kamerą internetową, a sposób, w jaki zamocowałem kamerę na uchwycie, jest co najmniej skromny:D
Ale na razie wystarczy, aw przyszłości prawdopodobnie wydrukuję w 3d jakiś adapter lub zbuduję go całkowicie od podstaw.
Ten rodzaj mocowania jest często określany jako „mocowanie obrotowo-uchylne”, ponieważ mają 2 silniki do sterowania panoramowaniem (obrót w płaszczyźnie poziomej) i pochyleniem (obrót wokół osi y lub „góra-dół”), jak pokazano na zdjęcie.
Krok 2: Silniki Arduino i RC-Servo:
![Arduino i serwosilniki RC Arduino i serwosilniki RC](https://i.howwhatproduce.com/images/002/image-4069-120-j.webp)
Do sterowania uchwytem wykorzystamy 2 serwomotory RC i Arduino Uno.
Na zdjęciu widać potrzebne połączenia:
Serwo przechyłu: ziemia - płyta stykowa ziemi
VCC -- płytka stykowa VCC
sygnał -- pin D6
Serwo patelni: ziemia - płyta stykowa ziemia
VCC -- płytka stykowa VCC
sygnał -- pin D5
Krok 3: Kod Matlaba:
![Kod Matlaba Kod Matlaba](https://i.howwhatproduce.com/images/002/image-4069-121-j.webp)
Arduino będzie w całości kontrolowane przez Matlab, przy użyciu zestawu narzędzi arduino firmy Matlab.
W tej sekcji znajdziesz kod:
blueCircleFollow2.m to funkcja "główna", K_proportional1.m to skrypt pomocniczy wywoływany z drugiego skryptu, który w zasadzie zawiera regulator proporcjonalny.
Zastosowane podejście sterowania pokazano na rysunku: pozycja odniesienia, w której chcemy, aby okrąg obiektu znajdował się na środku ekranu, regulator proporcjonalny będzie działał na sygnał sterujący serw, aby uzyskać błąd, zdefiniowany jako środek obrazu - okrąg centrum, do 0.
Krok 4: Przedstawienia:
![](https://i.ytimg.com/vi/Wus9oAPo0Ok/hqdefault.jpg)
Tutaj znajdziesz dwa filmy pokazujące działanie algorytmu i sterownika.
W pierwszym, dłuższym filmie, kod, struktura i strategia kontroli są dokładniej wyjaśnione, drugie wideo jest fragmentem pierwszego, zawierającego tylko wideo systemu śledzącego obiekt.
Jak widać algorytm jest więcej niż zdolny do podążania za obiektem, gdy jest on poruszany, ale uważam, że jest miejsce na ulepszenia, wprowadzając bardziej złożony regulator niż tylko proporcjonalny (coff PID coff coff) i kilka innych pomysłów.
Jeśli masz jakieś pytania, nie wahaj się zadać ich w komentarzach, a jeśli chcesz zobaczyć kolejne kroki, zasubskrybuj mój kanał na YouTube, będę tam wszystko umieszczał!
Zalecana:
Czujnik wizyjny Micro:bit MU - śledzenie obiektów: 7 kroków
![Czujnik wizyjny Micro:bit MU - śledzenie obiektów: 7 kroków Czujnik wizyjny Micro:bit MU - śledzenie obiektów: 7 kroków](https://i.howwhatproduce.com/images/002/image-4080-11-j.webp)
Micro:bit MU Vision Sensor - Śledzenie obiektów: Więc w tej instrukcji zaczniemy programować inteligentny samochód, który zbudowaliśmy w tej instrukcji i na którym zainstalowaliśmy czujnik wizyjny MU w tej instrukcji. Zaprogramujemy mikro: trochę z prostym śledzeniem obiektów, więc
Śledzenie obiektów Opencv: 3 kroki
![Śledzenie obiektów Opencv: 3 kroki Śledzenie obiektów Opencv: 3 kroki](https://i.howwhatproduce.com/images/006/image-16215-j.webp)
Opencv Object Tracking: Wykrywanie ruchomych obiektów to technika stosowana w wizji komputerowej i przetwarzaniu obrazu. Wiele kolejnych klatek z filmu jest porównywanych różnymi metodami w celu określenia, czy wykryty został jakikolwiek poruszający się obiekt
Czujnik wizyjny Micro:bit MU - śledzenie obiektów: 6 kroków
![Czujnik wizyjny Micro:bit MU - śledzenie obiektów: 6 kroków Czujnik wizyjny Micro:bit MU - śledzenie obiektów: 6 kroków](https://i.howwhatproduce.com/images/006/image-17672-j.webp)
Micro:bit MU Vision Sensor - Tracking Objects: To jest mój czwarty przewodnik po czujniku wizyjnym MU dla micro:bit. Tutaj omówię, jak śledzić obiekty za pomocą micro:bit i zapisywać współrzędne na ekranie OLED. Mam w innych moich przewodnikach, jak podłączyć micro:bit do
Śledzenie obiektów w oparciu o wykrywanie kolorów: 10 kroków
![Śledzenie obiektów w oparciu o wykrywanie kolorów: 10 kroków Śledzenie obiektów w oparciu o wykrywanie kolorów: 10 kroków](https://i.howwhatproduce.com/images/009/image-24434-j.webp)
Śledzenie obiektów w oparciu o wykrywanie kolorów: historia Zrobiłem ten projekt, aby nauczyć się przetwarzania obrazu za pomocą Raspberry PI i otwartego CV. Aby uatrakcyjnić ten projekt użyłem dwóch silników SG90 Servo i zamontowałem na nim kamerę. Jeden silnik służy do poruszania się w poziomie, a drugi do poruszania się w pionie
WalabotEye - śledzenie obiektów z dotykowym sprzężeniem zwrotnym: 11 kroków
![WalabotEye - śledzenie obiektów z dotykowym sprzężeniem zwrotnym: 11 kroków WalabotEye - śledzenie obiektów z dotykowym sprzężeniem zwrotnym: 11 kroków](https://i.howwhatproduce.com/images/011/image-32781-j.webp)
WalabotEye - śledzenie obiektów z dotykowym sprzężeniem zwrotnym: dla osób niedowidzących użyj tego, aby lepiej zrozumieć otaczający Cię świat