基于二维云台的目标追踪系统系统设计与实现

-PAGEIV-摘要随着科技的发展，航天、工业、安防等领域逐渐引入智能化、自动化。针对于运动目标的检测与追踪相关功能，本次设计一个运动目标控制与自动追踪系统，系统包括模拟目标运动的红色光斑位置控制系统和指示自动追踪的绿色光斑位置控制系统。该系统由树莓派4B、步进电机、USB摄像头、红绿激光等组成。模拟目标运动的控制系统通过摄像头进行白屏内的矩形框以及光斑颜色的识别，将识别到的数据发送至单片机内，从而实现在不同光照条件下实时控制红色光斑沿着轨迹进行运动；指示自动追踪的系统通过摄像头识别到红色运动光斑，将其运动数据发送至树莓派，其引脚输出由速度数据和方向数据计算得到的脉冲，从而控制二维云台做红色运动目标的稳定追踪。系统各项指标均符合设计要求，具有一定的应用价值。关键词：树莓派4BUSB摄像头二维云台颜色追踪AbstractWiththedevelopmentofscienceandtechnology,aerospace,industry,securityandotherfieldshavegraduallyintroducedintelligenceandautomation.Functionsrelatedtothedetectionandtrackingofmovingtargets,Thispaperdesignsamovingtargetcontrolandautomatictrackingsystem,whichincludesaredspotpositioncontrolsystemthatsimulatestargetmotionandagreenspotpositioncontrolsystemthatindicatesautomatictracking.ThesystemconsistsofaRaspberryPi4B,asteppermotor,aUSBcamera,aredandgreenlaser,andmore.Thecontrolsystemthatsimulatesthemovementofthetargetrecognizesthecoloroftherectangularframeandthespotinthewhitescreenthroughthecamera,andsendstheidentifieddatatothesingle-chipmicrocomputer,therebyachieveingreal-timecontrolofthemovementoftheredspotalongthetrajectoryunderdifferentlightingconditions;Thesystemthatindicatestheautomatictrackingrecognizestheredmotionspotthroughthecamera,sendsitsmotiondatatotheRaspberryPi,anditspinoutputsthepulsecalculatedbythevelocitydataanddirectiondata,soastocontrolthe2Dgimbaltodothestabletrackingoftheredmotiontarget.Alltheindicatorsofthesystemmeetthedesignrequirementsandhavecertainapplicationvalue.Keywords:RaspberryPI4B,USBcamera,2-Dpan-tilt,ColorTracking目录TOC\o"2-3"\f\h\z\u\t"标题1,1"314691前言 1257261.1系统开发背景及意义 183841.2国内外研究现状 2121051.2.1国内目标追踪系统研究现状 232251.2.2国外目标追踪系统研究现状 2322351.3研究内容 2272851.4论文结构 3192391.5本章小结 4154682系统相关概念及技术介绍 5234542.1计算机视觉 5248862.2图像处理 6128892.2.1锐化和增强 6140452.2.2阈值分割 7103602.2.3特征提取 9249252.3运动控制系统 9112652.3.1组成和分类 10206882.3.2电机控制技术 10261432.3.3运动路径规划 1295162.4典型算法 1232082.4.1边缘检测 12175632.4.2PID 13324802.4.3欧几里得 14250352.5本章小结 1462183系统需求分析 15229693.1系统功能需求 1578293.1.1目标检测与识别 15196403.1.2目标控制与定位 15173073.1.3数据记录与分析 15135063.2系统性能需求 1548123.2.1准确性 1529103.2.2实时性 15133193.2.3资源消耗 15254983.3系统易用性需求 15302453.3.1操作简便 15166183.4系统可扩展性需求 16263343.4.1软件扩展 16312093.4.2硬件扩展 16110043.5系统安全性需求 16118663.5.1系统安全 1684333.5.2数据安全 16209403.6本章小结 16269524系统功能设计 1763584.1系统设计目标 1729664.1.1系统设计任务 17176114.1.2系统设计要求 17255394.2系统方案设计 18272044.2.1系统软件选择 1889464.2.2系统硬件选择 19289384.3系统整体框架 20185084.4系统详细设计 21164074.4.1图像识别 21229034.4.2云台控制 22242594.4.3数据处理 2380734.4.4电路模块 24236554.5本章小结 2552915系统功能实现及测试 2666435.1硬件功能实现 26204325.1.1可视化操作 26115915.1.2云台控制系统 26264115.1.3电源电路模块 2852045.1.4系统整体结构 28182485.2软件功能实现 29241475.2.1远程访问功能 29112485.2.2阈值可调功能 30254845.2.3检测定位功能 3144275.2.4数据处理功能 32103765.2.5运动控制功能 33263225.3本章小结 35121966系统测试及分析 36233116.1系统测试方案 36215936.2测试结果及分析 3736586.3本章小结 3826043总结 3911142参考文献 408702致谢 41--PAGE1-1前言随着现代科技的飞速发展，运动目标控制与自动追踪技术在众多领域中发挥着越来越重要的作用。无论是在航天航空、军事防御，还是在工业自动化、安防监控、机器视觉等领域，“运动目标控制与自动追踪系统的核心目标是使设备或机器能够准确地感知、识别并追踪运动目标，实现高效的自主控制和自动化操作”REF_Ref20131\r\h[1]，然而在实际应用中，由于运动目标的复杂性、环境的多变性以及系统本身的局限性，实现精确的运动控制与目标追踪仍然是一个具有挑战性的难题。为了应对这一挑战，本论文致力于设计并实现一个运动目标控制与自动追踪系统，实现在不同光照条件下对运动目标进行高效精准的控制。1.1系统开发背景及意义在科技不断革新的今天，自动化与智能化已逐步渗透到我们生活的方方面面。特别在智能安防、工业控制、航天航空以及无人驾驶等前沿领域，对运动目标的精确控制与实时追踪已成为技术突破与市场应用的核心所在。然而受限于传统运动控制系统的硬件能力、算法效能以及对外界环境的适应性，这些系统往往难以满足复杂多变的应用场景需求。如今，嵌入式技术、人工智能以及计算机视觉的快速发展，为构建新一代运动目标控制与自动追踪系统奠定了坚实的基础。以树莓派为代表的高性能、低功耗计算平台，使得原本需要庞大硬件支持的图像处理与控制算法得以在小型化设备上实现，步进电机、高清摄像头等技术的日益成熟也为系统提供了更可靠、更高效的控制与追踪手段。本系统的开发不仅是对现有技术的融合和创新，更具有重要的现实意义和应用价值，如下所述：技术突破与引领：通过整合嵌入式技术、人工智能以及计算机视觉等技术，本系统的开发将为行业的发展提供新的技术支撑和解决方案。推动智能化以及自动化发展：本系统的成功开发将有助于推动相关领域的智能化以及自动化进程发展，提高生产效率、增强安全性，降低人工干预成本，为社会和企业创造价值。适应性提升与性能优化：比起传统控制系统，本系统通过优化算法和硬件设计，将实现更高精度的控制、更快速的追踪效果以及更强的环境适应性，从而满足复杂的应用场景。市场应用前景广阔：本系统有望在多个领域获得广泛应用，无论是在自动化方面实现精确的目标追踪与控制，还是在智能安防系统中实时监控与异常预警，又或者是在航天航空等领域提供稳定可靠的安全导航定位，本系统都将发挥着不可或缺的重要作用。1.2国内外研究现状目标追踪系统，作为计算机视觉领域的关键技术之一，近年来在国内外受到广泛的关注与研究。随着硬件性能的提升，算法理论的革新、嵌入式系统以及微控制器技术的发展，目标追踪的准确性和实时性得到了显著提高。然而，在面临实际应用中的挑战和问题，如目标形变、追踪精度不高、稳定性差、光照变化因素等，还需要进一步探索与解决。1.2.1国内目标追踪系统研究现状近年来，国内目标追踪系统研究与应用迅速发展。高校、研究机构以及科技企业紧密合作，推动算法优化与系统稳定性提升。在算法上，深度学习等方法提高了追踪准确性，解决了遮挡、光照变化等难题。在实际应用中，目标追踪系统已广泛用于智能安防，实现行人、车辆实时追踪，提升城市安全。同时，该系统在智能交通中也大展身手，助力车辆自主导航与避障。此外，无人机飞行控制、工业自动化等领域也展现出其应用潜力。国内研究者还积极探索结合深度学习、强化学习等技术，提升系统自适应能力和鲁棒性，为目标追踪技术的进一步发展奠定坚实基础。展望未来，随着科技的持续革新，国内目标追踪系统技术的不断进步，也必将推动相关产业创新发展。1.2.2国外目标追踪系统研究现状目前，国外在目标追踪系统的研究方面取得了显著进展。许多知名的高科技公司和学术机构都在这一领域进行了深入的研究和实践。在算法层面国外研究者利用先进的机器学习技术，尤其是深度学习，大幅提升了目标追踪的准确性和效率，这些算法能够高效的处理各种复杂场景，如光照变化、动态背景变化等挑战。同时，国外在系统设计和实现方面也取得重大的突破。他们注重将算法与高性能的硬件相结合，构建出实时性强，稳定性高的目标追踪系统。这些系统在实际应用中表现相当出色，已广泛应用于智能安防、工业化生产、无人机控制等领域。此外，国外研究者还积极探索与其他先进技术的融合，如计算机视觉、传感器网络和人工智能等，以进一步提升目标追踪系统的性能和智能化水平。这些创新性的研究为目标追踪技术的发展开辟了新的道路，并推动相关产业的迅速发展。1.3研究内容本文旨在设计并实现一个高效的运动目标控制与自动追踪系统。此系统集成了两大部分：一是模拟目标运动的红色光斑位置控制系统，二是用于指示自动追踪的绿色光斑位置控制系统。具体研究内容涵盖以下方面：1、系统总体架构（硬件以及软件）设计针对系统的实时性、准确性和鲁棒性要求，设计了一种高效的系统架构，实现硬件与软件之间的完美融合。通过优化数据传输路径和算法处理流程，显著提高系统的响应速度和追踪精度。2、模拟目标运动控制系统的设计与实现利用先进的数字图像处理技术，实现了在白屏背景下对红色光斑的精确识别和定位。设计了运动控制算法程序，将位置数据实时转换为步进电机的精确控制信号，使红色光斑能够沿着预定轨迹进行高效运动。针对光照条件的变化，研究并应用了初始化调节程序，确保了系统在各种光照环境下的稳定性和可靠性。3、指示自动追踪系统的设计与实现开发了一种高效的目标检测和追踪算法，能够实时准确地捕捉红色运动目标的位置和速度信息。通过智能控制逻辑的计算，生成精确的控制脉冲信号，驱动二维云台实现绿色光斑对红色光斑目标的稳定追踪。不断优化算法，提高系统的追踪精度和响应速度，使其能够适应各种复杂场景的变化。4、系统测试与性能评估制定了一套详细的测试方案，对系统进行了全面的功能测试和性能测试。设计了科学客观的评估指标，对系统的追踪精度、稳定性、响应速度等性能进行了全面评价，确保系统满足设计要求。在系统的设计和实现过程中，本文注重性能达标和系统的实用性。通过精心设计系统架构和优化程序算法，以及严格的测试验证，使得系统各项指标均符合设计要求。1.4论文结构本文的论文总体架构如下：第1章绪论：本章首先介绍自动追踪系统的研究背景和意义，特别是在公共安全、工业生产等方面发挥着重要作用。接着，概述目前国内外在自动追踪领域的研究现状和发展趋势，总结相关经验和教训。最后，明确阐述了本文研究的核心目的和内容结构。第2章自动追踪系统相关技术：详细探讨自动追踪系统所涉及的关键技术，包括图像处理、目标检测与跟踪算法等。对这些技术的原理、优势和应用场景进行深入分析，并对它们的可行性进行评估。同时，还讨论了一些新兴的技术趋势，如深度学习在自动追踪中的应用，为后续系统设计提供技术支撑。第3章自动追踪系统需求分析：本章对高校、工业、社会等的自动追踪需求进行详细的分析和归纳。通过网络调查、访谈等方式，收集师生、社会上对于现有追踪系统的使用体验和期望，整理出系统的功能需求、性能需求以及用户界面需求等。这些需求将作为后续系统设计的依据，确保开发出的自动追踪系统能够满足设计需求。第4章自动追踪系统功能设计：本章根据前面章节的需求分析和技术探讨，对自动追踪系统进行详细的设计。首先，对系统整体架构进行设计，划分为图像采集、目标检测、目标跟踪和用户界面等模块。然后，针对每个模块进行详细的功能设计，确保系统能够实现各项功能需求。最后，对系统的性能和安全性进行评估和优化。第5章自动追踪系统的实现及测试：本章介绍自动追踪系统的具体实现过程，包括各个功能模块的编程实现、界面设计和系统集成等。第6章系统的测试以及分析：对系统进行功能测试、用户体验测试和性能测试等，确保系统能够稳定运行并满足各项需求。最后，对测试结果进行分析和总结，提出改进意见和建议。总结：本章对全文的内容进行总结，概述自动追踪系统的研究成果和贡献。同时，指出系统在设计和实现过程中存在的不足之处以及未来的发展趋势和改善方向。1.5本章小结本章系统地梳理了国内外关于自动追踪系统的相关研究情况，通过对现有文献的对比和深入分析，揭示了当前自动追踪技术在社会应用中的现状及存在的问题。从而结合实际需求和发展趋势，确定了本文的研究主题和方向，即设计并实现一个能够适应不同光照条件的自动追踪系统。通过对研究背景的深入探讨，本章明确了自动追踪系统的重要性和现实意义，为后续章节的研究奠定了坚实的理论基础和明确的方向。同时，本章还构建了论文的大体结构框架，为后续章节的展开提供了清晰的思路和指导。2系统相关概念及技术介绍本章将深入探讨目标追踪系统的核心概念，并介绍其中常用的技术，包括目标检测追踪、运动控制、距离算法、计算机视觉、图像处理等。2.1计算机视觉计算机视觉是一门涵盖机器学习、图像处理、模式识别等知识的跨领域学科（如图2.1所示），旨在使计算机系统具备模拟人类视觉系统的能力，实现对图像或视频数据的深度分析、理解以及处理。图2.1计算机视觉框架其发展历程可以追溯到上世纪50年代的图像处理技术，早期的计算机视觉主要集中在基础图像处理技术的研究，如边缘检测、图像增强等。随着模式识别和机器学习技术的兴起，计算机视觉开始迈向了更高级别的目标，如对象检测、图像分类、图像分割等。在算法理论的推进过程中，一些经典算法对计算机视觉的发展产生了深远影响。比如Canny边缘检测算法，通过多阶段的处理来检测图像中的边缘，成为了图像处理中的基础技术之一。Harris角点检测算法则用于检测图像中的角点，SIFT特征描述子则用于描述图像中的关键点特征。近年来，卷积神经网络（CNN）的兴起带来了计算机视觉领域的革命性变革，它通过多层次的卷积和池化操作，实现了对图像数据的高级特征提取和分类。随着技术的不断进步，计算机视觉的发展呈现出日益加速的趋势。从最初简单的图像处理到如今的深度学习模型，计算机视觉的应用领域也不断拓展，涵盖了医疗、交通、工业、安防等多个领域。计算机视觉的发展不仅推动了人工智能技术的进步，也为科技创新和社会进步提供了新的挑战和机遇。2.2图像处理“计算机图像处理技术是指利用计算机对数字图像进行处理和分析的技术”REF_Ref22029\r\h[2]，其目标是改善图像的质量、提取图像中的有用信息，实现特定的图像功能以及解决图像相关的实际问题。图像处理技术在计算机视觉、医学影像、安全监控等领域占据重要地位。2.2.1锐化和增强1、图像锐化图像的平滑处理旨在减少噪声对图像的影响，而图像的锐化处理则旨在凸显那些原本模糊但具有关键意义的信息，使之变得更为鲜明与清晰，从而为后续的图像处理步骤提供更为精确的数据基础。“平滑处理的本质就是通过削弱图像中的高频成分来实现模糊效果，因此与之相反的锐化处理也需要进行相反的操作；通过对图片进行微分操作可以实现图像的锐化处理”REF_Ref2374\r\h[3]。梯度锐化是图像处理中常用的一种锐化技术，它利用图像中的像素灰度值的梯度信息来增强图像，对于图像f(x,y)，在(x,y)处的梯度定义为： (2-1)Laplacian算法，作为一种线性二次微分算子，是图像处理领域中的经典算法之一。它与梯度算子一样，具有旋转不变性，这使得它在不同方向的边缘检测中表现出色。其核心在于利用拉普拉斯算子的概念，通过对图像执行二阶导数运算，从而有效地检测出图像中的边缘和细节信息。然而，值得注意的是，Laplacian算法在处理边界时可能不够清晰，这在一定程度上影响了其在实际应用中的效果。Laplacian算子： (2-2)在图像处理过程中，为了进一步增强图像的锐化效果，有时无需依赖于微分计算的基本原理。相反，一种更为灵活且有效的方法是通过调整现有算子的模板系数，进而得到Laplacian变形算子。2、图像增强“图像增强是一种通过对图像进行降噪、锐化、去除伪影等操作来提高图像质量的技术”REF_Ref5629\r\h[4]。根据增强的作用域不同，图像增强方法可分为空间域增强和频率域增强。空间域之点运算，即对图像的每个像素值进行函数映射，将输入的像素值映射为输出像素值，其数学表达式可以表示为： (2-3)其中，g(x,y)表示处理后图像在坐标(x,y)处的像素值，T[]是映射函数，f(x,y)表示原始坐标(x,y)处的像素值。常见的点运算操作有亮度调整、对比度调整、色调调整等等。在空间域中，直方图修整法分为直方图均衡化和直方图规定化两类。灰度直方图反映了数字图像中每个灰度级别与其出现频率之间的关系，是对图纸中像素值的分布进行统计的图像表达。通常情况下，直方图的横轴表示像素值的范围（0到255，对应8位灰度图像的像素值范围），纵轴对应像素值的像素数量或者像素频率。图像处理领域中，频率域增强技术占据着举足轻重的地位。该技术主要依赖于对图像频率成分的深入剖析。首先，我们利用傅里叶变换等数学工具，将图像从直观的空间域巧妙地转换至抽象的频率域。在频率域中，图像被重新诠释为一系列频率分量的集合，这些分量携带着图像的各种特征信息。随后，我们得以针对这些频率分量进行精细的增强操作，以突出图像中的关键信息或抑制不必要的噪声。完成频率域内的处理后，我们再次借助逆傅里叶变换，将增强后的图像从频率域转回至空间域，使之重新展现为可视化的图像。频率域增强的一般过程如下：1、图像傅里叶变换（FFT）：将原始图像f(x,y)从空间域转换到频率域F(u,v)。公式如下： (2-4)2、频率域滤波：选择合适的滤波器H(u,v)对图像进行滤波处理后得到图像G(u,v)，公示如下： (2-5)3、图像傅里叶逆变换（IFFT）：将经过滤波后的频率域图像G(u,v)转换成空间域g(x,y)，其中g(x,y)是经过频率域增强后的图像。公示如下： (2-6)2.2.2阈值分割图像阈值化分割，作为一种传统的图像分割技术，广泛应用于图像分析与特征提取等任务中。该方法的核心在于设定一个合适的阈值，通过将图像中的像素灰度值与这一阈值进行比较，实现对像素的分类。以设定阈值为127为例，所有像素值低于此阈值的将被视为背景，其值通常被设置为0；而像素值高于此阈值的则被视为前景，其值通常被设置为255。这种处理方式，即固定阈值处理，是最为简单直观的阈值分割方法。接下来将概述另外两个常用的算法理论。1、OTSU（大律法）OTSU从大律法的原理来讲，由大律法求得的阈值进行图像二值化分割后，前景与背景图像的类间方差最大，故又称作最大类间方差法。“传统的二维Otsu算法以及一些改进的二维Otsu算法的阈值判别函数只考虑目标与背景之间的方差大小，即类间方差越大，分割效果越好”REF_Ref5724\r\h[5]。其具体步骤如下：1、计算直方图：首先统计图像中每个灰度级的像素数量，并计算出图像的直方图。直方图表示了图像中不同的灰度级的像素分布情况，是进行阈值选择的基础。2、计算累积分布函数（CDF）：根据直方图计算像素灰度级的累积分布函数，即灰度级的累积分布概率。CDF表示了从最小灰度级到当前灰度级的像素累积数量占整幅图像的比例。3、计算类间方差：对每个可能得阈值T，将图像分为两个部分，低于或者高于阈值T的分别归为两类。然后计算这两个部分的类间方差，用于衡量分割后的图像与原始图像之间的差异。类间方差的公示如下： (2-7)和分别为阈值T以下和以上的像素的概率，和分别为这两个部分的平均灰度值。4、选择最佳阈值：在所有可能得阈值中，选择使类间方差最大的阈值作为最佳阈值。这一步骤可通过遍历所有可能的阈值或使用动态规划算法等方法来实现。5、应用阈值：将选定的最佳阈值应用于原始图像，将像素灰度值大于阈值的的设为一个值，小于或者等于阈值的设定为另一个值，得到最终的二值化图像。OTSU算法是一种全局阈值法，用于图像分割。然而，对于某些光照不均匀的图像，该方法可能产生分割效果不佳的情况。这是因为OTSU算法忽略了图像的空间信息，而是仅仅基于图像的灰度分布进行分割，因此对噪声相当敏感。它适用于各种类型噪声较小的图像，而不太适用于处理复杂背景或者光照变化较大的图像。2、自适应阈值处理自适应阈值处理方法是一种图像处理技术，其能够根据图像的局部特征性自动选择阈值进行二值化，使得能够有效的处理光照不均匀或者背景复杂的图像。以下是具体步骤：1、选择局部区域大小：首先确定用于计算局部阈值的区域大小，这个区域的大小可以根据任务需求和图像的特性来确定，通常是一个规则形状。2、遍历图像：对图像中的每个像素，以该像素为中心取一个大小为预设确定的局部区域，需注意在边缘像素处可能无法完全取到指定大小的局部区域。3、计算局部阈值：根据选定的统计特征，通过计算每个像素点周围临近区域的加权平均值来获取阈值，并利用该阈值对像素点进行处理。4、应用局部阈值：针对图像的局部区域，我们采用了计算所得的局部阈值进行处理。具体地，我们首先将局部区域中灰度值高于该阈值的像素赋予一个特定值，而将灰度值低于或等于该阈值的像素赋予另一个值。通过这种方式，能够更精确地捕捉图像的局部特征。5、重复处理：对图像中的每个像素反复进行如上步骤，直到所有的像素都被处理完毕，最终得到一副经过自适应阈值处理的二值化图像。自适应阈值处理方法能够克服全局阈值处理时的弊端，能够更好的适应图像的局部特性。这使得其在处理需要考虑局部特性的图像时表现更为出色，例如医学图像处理、文档扫描等。2.2.3特征提取特征是某一类对象区别于其他类对象的相应特点或特性，也许是这些特点或特性的集合。“从目标图像提取边缘、区域或纹理等图像特征的过程称为特征提取”REF_Ref5793\r\h[6]。在图像处理中，特征提取是将图像转换成一组能够描述内容和结构的数字特征的过程。这些特征可以反映出图像的形状、纹理、结构等信息，为进行图像分析和处理提供基础。其具体步骤如下：预处理阶段：首先对图像进行去噪处理，以消除由传感器噪声或者图像采集过程中引入的其他噪声；增强对比度、色彩等，以突出图像中的目标信息；应用滤波器来消除图像中的高频噪声，使得图像更加平滑。特征提取阶段：使用边缘检测算法检测图像边缘信息；使用角点检测图像中的角点，角点通常代表图像中的重要结构；使用纹理特征提取算法提取图像中的纹理信息；统计图像中每个颜色通道的像素分布情况，生成颜色直方图作为图像的特征之一。特征描述阶段：将提取到的特征进行编码，便于计算机进行分析处理，这一操作可能涉及到归一化等，以确保特征的稳定性。特征选择与降维：从提取到的特征中选择最具有代表性的，以减少计算量和防止过拟合；使用降维将高维度特征空间降低，减少冗余信息和复杂度。应用：将提取到的特征用于各种图像分析和处理任务中，通过特征提取，可以将图像转换为计算机可以理解的信息，从而实现对图像内容的处理。特征处理常用的检测算法涵盖了Roberts、Sobel以及Canny等，它们各自具有独特的特点与适用场景。Harris角点检测与Shi-Tomasi等算法用于有效地识别图像中的角点特征。此外，HOG特征提取算法、SIFT尺度不变特征提取算法以及LBP算法等也在不同的图像处理与计算机视觉任务中发挥了重要作用。2.3运动控制系统运动控制的起源可追溯至工业革命之前，然而其真正的发展与变革则肇始于工业革命时期。运动控制，即是对机械运动部件的精确操控，旨在调节其速度、方向及周期，从而确保这些部件能够精确地按照预设的运动轨迹、速度和力量运行。运动控制在航天、汽车、机器人技术等领域都有广泛的实际应用。2.3.1组成和分类运动控制系统是实现对机械系统或设备运动进行精确控制的关键组成部分，“运动控制系统通常包括传感器、执行器、控制器等多个组成部分。其中，传感器用于感知环境和状态，执行器用于控制运动，控制器用于实现运动控制算法和决策”REF_Ref5865\r\h[7]。运动控制系统分为两大类，没有反馈装置来验证输出的实际值是否到达所希望结果，输出只受系统输入控制的系统称为开环控制系统。通常步进电机都是开环工作的，其控制精度较低，抑制干扰能力较差，速度也受到步进电机性能限制。开环系统的系统框图如下图2.2所示：图2.2开环控制系统框图系统通过反馈装置验证输出是否达到所期望的结果，这种系统称为闭环控制系统。通常，编码器被用作反馈元件，以将相关的位置或速度信息传送至运动控制器。例如伺服电机。闭环系统的系统框图如下图2.3所示：图2.3闭环控制系统框图2.3.2电机控制技术电机作为一种机械设备，其核心功能在于将电能转化为机械能。依据其工作电源的不同，电机可以细分为交流电机和直流电机两大类别。进一步地，交流电机依据其工作原理的差异，又可分为异步电动机和同步电动机。异步电动机是利用感应作用，当定子绕组中通有交流电时，会在转子中感应出电动势，产生旋转的电场，驱动转子；而同步电动机的运作原理主要基于磁场的同步旋转，其转子通常配备有永磁体或通过外部励磁方式产生磁场。当转子的磁场与定子中产生的旋转磁场保持同步时，转子便能实现同步转动。然而直流电机可以被分为直流无刷电机和直流有刷电机。直流无刷电机通常搭载永磁体，内部没有机械换向器，且结构上有所改变，其通过外部电子控制器控制绕组的通断，一般也会搭载霍尔传感器来获取电机的速度和方向位置信息。“在步进电机的实际工作原理当中，位置的精确控制和脉冲信号的控制是决定其工作性能的重要因素”REF_Ref1949\r\h[8]。直流无刷电机基本结构如下图2.4所示：图2.4直流无刷电机原理框图直流有刷电机内部包含机械换向器和电刷，通过电刷与集电环之间的摩擦传递电流，产生磁场与定子之间相互作用力，驱动转子转动。1、PWM调速控制脉冲宽度调制（PWM）调速控制技术是一种通过调节电机供电电压的脉冲宽度来控制电机的转速的有效方法。在PWM控制中，电源以一定的频率开关，产生脉冲信号，通过调节脉冲信号的占空比即可实现电机的控制。PWM信号的周期表示为，通常与系统的控制频率相关，周期与频率之间的关系可以用以下公式表示： (2-8)PWM信号的占空比表示为D，即高电平时间占整个周期的比例，其计算公式如下： (2-9)2、H桥驱动器控制方向H桥驱动器是一种用于控制电机或其他负载正反转的电路结构，其核心部件是四个开关管，通常为MOSFET管或者IGBT管，用于控制电流的流向。通过控制不同的开关组合，实现对电机的正反转控制。根据对桥臂上MOS的PWM控制方式不同，分为三种控制模式：受限单极模式、单极模式、双极模式。受限单极模式通常用于控制直流有刷电机。在这种工作模式下，电机的工作点被限制在线性工作区域，即在电机的特点工作点处，电机的工作性能表现为线性，“优点是电路结构和控制逻辑简单，缺点是电机不能产生反向力矩，不能有效抑制速度静差，调速性能较差”REF_Ref22561\r\h[9]。单极模式也称为单相模式或单极驱动模式，电机的每个相都是独立的进行驱动，通过单个功率输出器件（场效应管）来控制电流方向。其控制过程为：MOS管由一对互补PWM进行控制，根据楞次定律，在停止给电机供电后，线圈中会产生自感电动势，从而导致电流继续沿着原来的方向流动。单极模式是一种简单、低成本的直流步进电机驱动模式。双极模式下，每个电机相都有两个绕组，分别称为A相和B相，当电机需要运行时，通过切换输出器件的状态，可以使电流流经A相或B相中的其中一个绕组。根据绕组连接方式和电流的方向，确定电机的旋转方向和步进角度，通过依次激活A相和B相中的绕组，可以实现电机的连续转动。这种控制方式的优点在于动态性能出色，调速精度高，调速范围广，且静态误差较小。然而，其缺点包括电流控制复杂、电路开关损耗大、以及可能引起严重的发热问题。2.3.3运动路径规划控制系统运动路径规划是指在自动化设备等系统中，利用算法和策略规划出设备在执行任务过程中的运动路径，实现对设备的高效、精准的运动控制。以下是控制系统运动路径规划的一般步骤：任务分析：首先对任务进行分析，包括运动起始点和终点，考虑运动限制和约束条件，了解任务的要求和性质。环境信息：通过传感器等，或者建立模型，把握设备所处环境，包括地形、障碍物、工作空间限制等信息。路径规划：路径规划是任务执行中不可或缺的一环，它根据任务的具体需求以及环境信息的反馈，通过采用路径规划算法或策略，对设备的运动轨迹进行精心规划和适时调整。在众多的路径规划算法中，A*算法和Dijkstra算法因其高效性和准确性而备受青睐，其用于寻找两点之间的最短路径。其次，PRT（Rapidly-exploringRandomTree）、PRM（ProbabilisticRoadmap）等，适用于全局搜索环境中的有效路径。运动优化：通过优化算法、动态规划等对规划的路径进行优化，根据规划的路径生成具体的运动轨迹（需考虑设备的动力学特性、运动学约束），在执行任务时，控制系统也需要实时跟踪生成的轨迹，根据实际情况和环境变化，对路径和轨迹进行实时调整和优化，使得设备能在执行任务时以最低的消耗和最高效的时间来完成任务。碰撞检测和避障：在路径规划和跟踪过程中，需要考虑到环境中的避障物和碰撞风险，确保设备安全运行。2.4典型算法2.4.1边缘检测Canny算法是一种经典的图像边缘检测算法，该算法具有良好的边缘检测效果和较低的误检率，被认为是一种较为优秀的算法之一。传统的Canny边缘检测算法基本步骤如下：高斯滤波：一般图片中都会存在或多或少的噪声，并且噪声点及其附近的像素点梯度值较大，为了减少图像中的噪声对边缘检测的影响，通常对图像进行高斯滤波，使其平滑并模糊边缘。高斯滤波的核函数可以根据需要选择不同大小的卷积核。高斯函数公式如下，其中为标准差： REF_Ref15063\r\h[10] (2-10)计算梯度：梯度计算通常依赖于特定的梯度算子，如Prewitt算子或Sobel算子，这些算子能够精确地测量图像中每个像素点的梯度幅值及其方向。其中，梯度幅值反映了图像中像素值变化的速率，而梯度方向则指示了这种变化最为显著的方向。非极大值抑制：在非极大值抑制过程中，首先对梯度图像进行划分。由于极大值附近存在屋脊带，算法通过将这些非极大值的像素值置为零，仅保留梯度方向上的局部极大值点。这一步骤的目的是抑制非边缘像素（即非极大值点），以凸显图像中的边缘信息。经过非极大值抑制后，我们能够找到并保留那些局部梯度最大的像素点，这些点对于后续的图像边缘检测至关重要。双阈值检测：我们首先将梯度图像上的像素点划分为强边缘、弱边缘和非边缘三类。依据预先设定的两个阈值，即高阈值和低阈值，我们进行如下操作：将梯度幅值超过高阈值的像素点明确标记为强边缘，这些像素点通常代表图像中显著的边缘特征；对于梯度幅值介于高阈值和低阈值之间的像素点，我们将其标记为弱边缘，它们可能是边缘的候补区域；而那些梯度幅值低于低阈值的像素点则被视为非边缘，它们在后续的图像处理中将被忽略。边缘连接：最终对弱边缘像素进行边缘连接，与强边缘像素相连的部分弱边缘像素标记为强边缘，得到完整的边缘线。传统的Canny边缘检测算法计算简便，实用性很强，但其仍存在一些问题：高斯滤波对椒盐噪声的降噪效果不明显；采用的固定双阈值检测会导致在不同光照环境下得到的图片效果不佳；人为选择阈值过高会导致图像边缘不连续，过低会导致图像的边缘对比度下降。为了改善传统Canny算法的弊端与不足，可以对通过结合其他算法优化Canny边缘检测算法，提高Canny边缘检测的滤波效果、自适应能力以及准确性，例如自适应中值滤波、OTSU算法、三阈值分割等。2.4.2PIDPID算法基于系统当前状态与期望状态之间的差异，通过调整控制器的输出来使系统尽可能的接近期望状态。PID控制器包括三个部分：1、比例（proportional）：用于根据当前误差（目标位置与当前位置之间的差值）来生成一个控制输出。主要影响系统的响应速度，可类比弹簧的弹力。比例项越大，系统对误差的响应越快，但可能导致系统超调和振荡。2、积分（integral）：积分项考虑误差的累积，可以用于消除系统存在的稳态误差，特别是存在摩擦、外力或者外部干扰的情况下。3、微分（derivative）：相当于阻力，微分项考虑误差的变化率，它的作用是预测系统的走向趋势并抑制系统的振荡和过冲现象。PID控制器的输出与这三个部分存在线性组合关系，表示此次误差，表示误差的累积，表示此次误差减去上次误差，通常表示为： (2-11)由于误差积分持续累加，表明当前的输出与过去的所有状态均存在联系。2.4.3欧几里得欧几里得距离，作为一种广泛应用的算法，主要用于计算欧几里得空间中任意两点之间的直线距离。无论是二维、三维还是更高维度的空间，欧几里得距离都能有效地衡量点之间的空间距离。欧几里得距离算法基于勾股定理，假设在二维平面内有两点，分别为a(,)，b(,)，它的计算公式为： (2-12)在n维空间中，假设有两点分别为A(,,...,),B(,,...,)，可以用公式表示为： (2-13)欧几里得距离算法可以用于运动控制系统、机器人等进行路径规划，帮助其确定最短路径和最优路径。该算法在处理高维度数据、多维特征以及图像处理、数据挖掘中，都发挥着极大的作用。2.5本章小结本章主要对计算机视觉、图像处理、典型算法及运动控制系统进行了系统概念及技术介绍。首先，概述了计算机视觉的基本原理，包括图像采集、特征提取和目标识别等关键技术。此外，本章还介绍了多种典型算法，如Canny算法在目标边缘检测与识别中的应用，并分析了它们的优势和局限性。最后，阐述了运动控制系统如何实现对运动物体的精准控制。通过本章的介绍，可以对相关系统的基本概念和技术有一个较为全面的了解，为后续章节的深入研究和应用打下基础。3系统需求分析3.1系统功能需求3.1.1目标检测与识别·系统应具备高度鲁棒性，能够在各种光照条件下准确的检测和识别场景中的运动目标，确保在不同环境下的稳定性和可靠性。·系统应具备动态目标的检测能力，有效降低误差，提高对目标的准确识别和稳定追踪。3.1.2目标控制与定位·系统应支持用户自定义控制逻辑，能够根据用户设定进行自由控制、自动执行相应的控制策略，提高系统的智能化和自动化。·系统采用先进的追踪算法，确保即使在目标快速移动的情况下也能够保持稳定的追踪，提供准确的目标位置。3.1.3数据记录与分析·系统应全面记录目标运动以及追踪过程中的关键数据，将目标检测状态、目标运动轨迹、追踪轨迹等数据进行可视化，以便进行后续的数据分析。3.2系统性能需求3.2.1准确性·系统应采用高精度的追踪算法，提高追踪的精度和可靠性，能够在复杂环境下保持高度准确的目标定位与追踪。·系统应采用高帧率的数据采集装置，提高目标识别检测的准确性。3.2.2实时性·系统应具备低延迟的数据处理能力，保证能够实时获取目标检测、追踪结果并进行处理，及时响应用户的操作和命令。3.2.3资源消耗·系统应在合理的资源消耗下运行，包括CPU、内存等资源的合理利用和管理，保证系统稳定运行。3.3系统易用性需求3.3.1操作简便·系统应提供直观简洁的操作界面，使用户易于操作和管理；降低用户的学习成本和难度，使用户能够快速掌握系统的使用和操作技巧。3.4系统可扩展性需求3.4.1软件扩展·系统应支持开放的API，允许第三方开发者进行功能扩展和定制开发，以便于满足用户个性化的功能需求和业务应用。·系统应支持与其他系统进行数据共享，实现与外部系统的信息交互，扩展系统的业务能力和应用范围。3.4.2硬件扩展·系统应提供开放的硬件接口和配置功能，便于用户根据实际需求进行硬件设备的升级、扩展和配置。包括更高分辨率的摄像头、更强大的处理控制器等，以满足系统性能和功能的不断提升和扩展需求。3.5系统安全性需求3.5.1系统安全·应用于航天航空、安防监控等高科技领域，本系统应可以定期进行安全漏洞扫描和修复，并及时更新和升级，保障系统的安全性和稳定性。·须配备完善的安全审计与日志记录功能。能够详细记录系统运行期间的安全事件和操作日志，为后续的追踪和分析提供有力的数据支持。3.5.2数据安全·在高保密应用情境下，系统应提供严格的访问控制和权限管理机制，限制用户对敏感数据和系统功能的访问和操作，保障数据的完整性和安全性，防止数据泄露和非法访问。3.6本章小结本章讨论了运动目标控制与自动追踪系统的核心功能需求。系统要求具备高鲁棒性的目标检测与识别能力，支持动态目标追踪，并提供用户自定义控制逻辑。追踪算法需要确保在目标快速移动时保持稳定追踪，并记录关键数据以便后续分析。性能方面强调准确性、实时性和资源消耗的合理性。易用性要求简便操作，提供直观界面等等。综上所述，本章指导系统的设计与开发。4系统功能设计4.1系统设计目标4.1.1系统设计任务本系统设计一个基于二维云台的目标追踪系统，该系统能通过计算机视觉检测图像轮廓并实时感知运动目标，然后通过树莓派控制云台，实现运动目标控制与自动追踪的功能。系统的位置结构示意图如图4.1所示：图4.1系统结构示意图为模拟运动目标，我们使用红色激光笔发射的光斑，确保其直径不超过1厘米，并落在距离屏幕正前方1米的白色屏幕上。该屏幕的有效面积应超过0.6米乘以0.6米的规格，用以展示光斑的运动范围。屏幕中心处，我们使用铅笔绘制一个边长为0.5米的正方形，并标记出屏幕边线。正方形的中心被定义为原点，铅笔痕迹宽度需控制在1毫米以内，以确保标记的精确性。为展示目标的自动追踪效果，我们引入了绿色激光笔发射的光斑，并由绿色光斑位置控制系统实现对其的精确控制。绿色激光笔与红色激光笔的距离应保持在0.4米至1米之间，且两者应处于与屏幕平行的直线上。这一设置确保了绿色光斑能够准确追踪屏幕上的红色光斑，进而有效地演示目标的自动追踪功能。4.1.2系统设计要求1、基本要求首先，为实现运动目标的精确控制，我们设计了位置复位功能。该功能确保红色光斑能从屏幕上的任意位置准确回到原点，且光斑中心与原点的距离误差需控制在2厘米以内，以保证定位的精确性。接着，启动运动目标控制系统后，红色光斑需在30秒内沿着屏幕边缘矩形线框顺时针移动一周。在此过程中，光斑中心与屏幕边缘的距离需维持在2厘米以内，以展示系统的稳定性和控制精度。此外，为加强系统的运动控制性能，我们在A4纸的四周贴上约1.8厘米宽的黑色电工胶带，形成长方形A4靶纸，并将其贴在屏幕上的任意位置。随后，启动运动目标控制系统，要求红色光斑在30秒内沿着胶带边缘顺时针移动一周。若光斑在移动过程中连续脱离并移动超过5厘米，则直接记为失败。2、发挥部分（1）自动追踪系统一键启动：当启动该功能后，绿色光斑应迅速响应，在2秒内准确追踪到红色光斑。若追踪成功，系统将发出连续的声光提示，确保用户能够实时感知追踪状态。同时，为确保追踪精度，我们要求两个光斑中心之间的距离应保持在3厘米以内。（2）重复运动目标控制系统要求：绿色激光笔发射端被放置在任意位置，随后同时启动运动目标和自动追踪系统。系统启动2秒后，应成功追踪红色光斑并发出连续声光提示。若在追踪过程中，两个光斑中心距离超过3厘米，则判定为追踪失败。若连续追踪失败时间超过3秒，则直接记为失败。（3）暂停键设计：当用户同时按下暂停键时，红色和绿色光斑将立即停止运动，从而方便用户进行精确的距离测量。通过实现以上功能，运动目标控制与自动追踪系统将具备基本的运动控制和追踪功能，并且在实际操作中能够进行灵活的控制和测量。4.2系统方案设计在系统设计过程中，积极展开了广泛的资料搜索，旨在涵盖软件和硬件方面的所有关键信息。通过深入梳理、测试验证，成功地得出了一套经过充分考虑的合理方案。这一方案的实施使得系统最终能够达到预期的目标效果。接下来，我们将详细介绍这套系统在设计初期的软硬件选择过程。4.2.1系统软件选择本系统在软件实现方面综合考虑编程语言、目标识别检测算法等，主要针对于程序如何编写并实现功能。在软件实现方面，我们首先考虑了编程语言的选择。针对树莓派平台，选择了Python作为主要的编程语言。通过Python可以轻松地编写图像处理、控制逻辑等功能，并且可以快速迭代和调试。“在数字图形处理过程中，想保留大量色域和丰富的色彩，最好选择LAB颜色模型”[8]。因此我们采用了基于颜色空间的方法，具体是利用LAB色彩空间来进行目标的识别和跟踪。在程序中，使用OpenCV库来实现对图像的处理和分析。通过对LAB色彩空间的阈值设定和颜色分布的判断，可以准确地识别出红色、绿色和黄色的目标，并对其进行跟踪和定位。程序中使用的图像处理算法包括颜色空间转换、阈值分割、形态学处理等。通过这些算法，可以将原始图像中的目标区域提取出来，并且对目标的位置、大小等信息进行分析和提取。4.2.2系统硬件选择1、主控装置的比较和选择方案一：仅使用树莓派在这种方案下，树莓派承担了全部的主控任务，包括图像处理、目标识别、控制信号生成等。树莓派具有强大的处理能力和丰富的软件支持，能够满足系统对图像处理的需求。同时，树莓派具有丰富的通信接口和GPIO接口，可以直接连接各种传感器和其他设备，简化了系统的硬件连接。方案二：树莓派搭配STM32在这种方案下，树莓派负责图像处理和目标识别，而STM32负责接收树莓派传递的数据，并生成相应的控制信号来驱动二维云台。树莓派的高性能和丰富的软件支持可以保证图像处理的准确性和效率，而STM32则具有实时性强、响应速度快的特点，能够更加稳定地控制执行器的运动。最终选择方案一仅使用树莓派作为主控模块的原因是：相比于树莓派+STM32联合方案，可以降低系统成本，它拥有丰富的资源和强大的社区支持，能够满足系统开发和调试的需求。树莓派作为一种完整的计算机系统，具有较高的集成度，可以简化系统的搭建和维护工作。2、识别装置的比较和选择方案一：采用OPENMV识别通过其内置处理器对视频帧进行图像处理，识别出运动轨迹，并通过串口实时传输数据至STM32。然后，STM32将接收到的数据转换为输出控制信号，驱动二维云台按固定轨迹运动或实现目标追踪。尽管方案一具有系统组成简单、快速搭建、Python语言编写程序的优点，但受制于OPENMV硬件条件，其图像处理结果精确度较低，性能有限，扩展性较差，且价格偏高。方案二：采用树莓派搭载USB摄像头识别通过树莓派调用接入的USB摄像头，利用Python库OpenCV进行图像处理，并将识别到的数据通过串口传递给二维云台。广泛应用于各种平台，相比于方案一，树莓派具备高性能的算力平台，能够处理更高分辨率的图像，因此其图像处理结果更精确，使用也更为便捷。在经过测试比较后，我们最终选择了方案二。这一选择基于方案二具备更高的图像处理精度和更强的算力支持，能够更好地满足系统设计的要求。3、云台装置的比较和选择方案一：使用舵机搭建二维云台舵机通常由直流电机、控制电路组成。其通过PWM信号控制，具有较高精度、较高的转矩和速度，适用于一些需要快速响应和精度较高的场景，但舵机通常是一种开环控制系统，需要搭载编码或者角度传感器等，才能实现闭环精确控制，甚至需要加入PID算法。方案二：步进电机搭建二维云台步进电机通过脉冲信号控制，在动力输出方面具有低速高力矩的特性，能够很稳定的输出高扭矩。步进电机可以精确的控制每一步的运动，精度高。其搭载电机驱动器能够实现非常好的控制效果。经过验证我们最终选择方案二，使用42型两相四线混合式步进电机搭建二维云台。考虑到舵机需要结合PID算法进行改善，调参过程较为艰难，步进电机虽也属于开环控制系统，但其精度比舵机更高，且非常稳定可靠，对于此次系统设计的精度要求能够得到很好的满足。4、显示装置的比较和选择方案一：使用普通小尺寸oled屏幕市面上单片机搭载屏幕通常为0.96寸-1.54寸显示屏，采用IIC接口，输出稳定，屏幕清晰，且寿命长耐用。方案二：使用7寸IPS高清屏幕该屏幕为树莓派显示器，提供HDMI、Type-c接口，支持触摸。分辨率高达1024*600，178°广视角，60Hz刷新率。经过分析最终选择使用7寸IPS高清屏幕。相比普通较小尺寸的oled屏幕，降低了系统开发复杂度。其次为了提供更好的用户视角，以及方便用户能有更好的操作体验感，搭载鼠标进行系统的控制，同时也支持触摸屏操作。4.3系统整体框架在系统设计中，综合考虑了硬件和软件两方面的因素，最终确定了采用树莓派作为主控装置，并搭载USB摄像头进行图像识别，配合42型两相四线混合式步进电机构建二维云台。同时，选择了7寸IPS高清屏幕作为显示装置，以提供更好的用户交互体验。在软件方面，我们采用Python语言结合OpenCV库实现图像处理和识别功能，通过控制信号驱动步进电机实现运动控制和目标追踪。运动控制系统具体框架如下图4.2所示：图4.2运动控制系统结构示意图目标追踪系统具体框架如下图4.3所示：图4.3目标追踪系统结构示意图4.4系统详细设计4.4.1图像识别图像处理程序设计旨在实现对采集到的视频帧进行处理，系统初始化运行后，等待下位机的识别信号开始识别矩形靶纸以及激光点，生成引导路径，具体流程包括靶纸识别和激光引导分别如图4.4、图4.5所示：图4.4靶纸识别流程框图图4.5激光引导流程框图通过流程图能够更直观的明白设计思路，紧接着需要对图像处理的程序算法进行梳理，在靶纸识别过程中，由摄像头采集到数据后使用OTSU大律法二值化处理，进行拟合后选取合适的轮廓图像，具体流程如图4.6所示：图4.6靶纸识别算法程序框图对于激光的识别较为复杂，在得到采集的图像激光点数据以后，需要进行Lab阈值分析，结合连通域分析找到目标对象所在的位置，再检测激光点轮廓，获取到最终位置信息。其算法流程如图4.7所示：图4.7激光识别算法程序框图4.4.2云台控制目标追踪系统的设计中对于二维云台的控制也是尤为重要的，本次设计采取的是由两台42型步进电机组装成的一个二维云台。步进电机的运动由TB6600驱动器精准调控，此次采用共阳极接法作为电路连接方式（如图4.8所示），即将TB6600驱动器的ENA+、DIR+、PUL+端口均与Vcc正电源连接。在此连接方式下，ENA-端口负责接收使能信号，DIR-端口负责接收方向信号，而PUL-端口则负责接收脉冲信号，用以精确控制步进电机的运行。图4.8共阳极接法示意图采取共阳极接法后即可通过主控模块进行二维云台的控制，二维云台其中一个电机控制水平方向运动，另一个控制垂直方向运行。在水平垂直的方向电机可以轻松的实现，但是本次系统设计并不仅限于此，针对于斜线运动需采用插值法，整体控制流程如图4.9所示：图4.9云台控制流程框图4.4.3数据处理树莓派4B具有1.5GHz四核，64位的CPU处理器，提供四个USB接口、两个microHDMI接口，为系统的数据传输交互提供了可靠性、多样性。本系统的数据处理核心便在于树莓派，它负责从摄像头获取的视频流数据的处理和分析，为系统的决策和行动提供基础支持。树莓派开发板结构如图4.10所示：图4.10树莓派开发板结构图在本套系统中，树莓派起到决定性的作用。而数据交互传输的形式有区别，数据存在的形式也是多种多样，例如GPIO输出数字信号高低电平、PWM脉冲信号驱动电机、颜色特征供主控模块处理等等。整体系统的数据传输形式如图4.11所示：图4.11数据传输示意图4.4.4电路模块当自动追踪系统跟踪到红色激光点时且两点之间距离≤3cm，触发声光提示，声光提示系统由LED、蜂鸣器以及3.3V电源组成，具体设计如图4.12所示：图4.12声光提示系统示意图在本系统中，还设计了一套电源模块，该模块由24V直流微机电源、电路板、变压器等组装而成，可供系统3.3V、5V、12V甚至24V的供电需求，极大的满足了系统供电的方便快捷。4.5本章小结本章结合上一章提到的需求，确定了系统设计目标。软件选择上采用树莓派搭配USB摄像头进行图像识别，利用Python和OpenCV实现图像处理和识别功能；硬件选择采用42型两相四线混合式步进电机搭建二维云台。通过串口实现了主控与步进电机之间的控制信号传输。这一综合方案确保了系统的高精度和稳定性，提升了用户交互体验。下一步将进一步完善系统的细节设计和功能实现，以期达到预期效果。5系统功能实现及测试5.1硬件功能实现5.1.1可视化操作树莓派可以通过USB接口直接连接到7寸IPS高清屏幕和鼠标，实现可视化操作。这种高清屏幕需要单独供电，在系统开启后，可以直接通过屏幕显示桌面内容，并且使用鼠标进行各种操作。这种配置使得树莓派成为一种非常便携和易于使用的计算平台，如下图5.1所示：图5.1可视化屏幕显示5.1.2云台控制系统自动追踪系统和目标控制系统的二维云台均由两组42型两相四线混合式步进电机组成，分别负责控制x轴和y轴方向的移动，如下图5.2所示。图5.2二维云台结构示意图云台控制系统上搭载了红绿激光灯，这些激光器的外部供电电压为3.3V，用于发射红绿激光。红色激光模拟运动目标在屏幕矩形线框以及边缘附黑色胶带的A4纸上运动，而绿色激光则模拟运动目标的追踪，激光点不能离开屏幕，实际效果如下图5.3所示：图5.3红绿激光以及线框示意图本云台控制系统采用TB6600步进电机驱动器和12V直流微机电源供电模块，如下图5.4所示。在系统中，步进电机的原始步进角度为1.8°，但通过使用32倍的细分，将步进角度提高到了0.056°，以提高系统的精度。为了确保电机的稳定运行并减小系统的能耗，将电流设置为0.5A。在本系统中，步进电机与TB6600驱动器采用了共阳极接法。这种接法将驱动器的共阳极连接到3.3V电源，以确保正确的信号传递和电源供应。通过这种连接方式，能够更有效地控制步进电机的运动。图5.4云台系统结构示意图5.1.3电源电路模块本系统由于涉及较多的电源需求，例如步进电机驱动器、蜂鸣器以及激光器。对于不同的设备，它们对于电源电压的要求不同，为了便于管理以及部署，设计了本系统的供电系统，只需要给微机电源提供一个插座，即可实现整套系统的供电问题。通过这种方式，我们也能很便捷的管理模块通电以及断电，具体实现如下图5.5所示：图5.5电源电路模块示意图5.1.4系统整体结构系统工作流程如下：红绿激光器根据系统状态发射相应颜色的光斑，为系统提供视觉指示。USB摄像头捕获图像数据，并将其发送至树莓派。树莓派通过图像处理算法识别出模拟目标运动的红色光斑和指示自动追踪的绿色光斑。根据识别结果，树莓派发送控制信号给步进电机组成的二维云台，使其控制红色光斑按照预定轨迹进行运动，并保持对红色光斑的稳定追踪。声光提示系统用于提醒操作者系统运行状态情况。这个系统能够在不同光照条件下实现对目标运动的模拟和自动追踪，具有较高的精确度和稳定性，适用于各种追踪和控制应用场景。系统通电后的大体效果展示如下图5.6所示：图5.6系统实物效果展示图这个运动目标控制与自动追踪系统是一个完整的解决方案，旨在实现对运动目标的精确控制和稳定追踪。系统由树莓派4B、USB摄像头、步进电机组成的二维云台、直流微机电源、驱动器TB6600、红绿激光器、供电模块和声光提示系统组成，系统整体结构如下图5.7所示：图5.7系统整体结构示意图5.2软件功能实现5.2.1远程访问功能树莓派4B的系统基于Linux，而日常使用的是windows系统，我们选择使用VNC或者Putty进行远程连接，对树莓派进行远程配置、文件传输等。在调试和故障排除也有很大帮助，我们可通过访问控制台、查看日志等，快速定位解决问题。VNC远程连接树莓派的步骤以及操作如下：1、首先打开VNCViewer，点击右上方的File，然后点击Newconnection，输入树莓派对应IP地址等信息。本次自动追踪系统的主控模块树莓派的IP地址为71，运动控制目标的主控模块树莓派的IP地址为77，如下图5.8所示：图5.8VNCviewer登录界面图2、当我们根据提示正确输入完登录信息后，则会进入到树莓派的桌面，在桌面上进行操作将极大的方便本次系统的开发，如下图5.9所示：图5.9树莓派桌面显示图5.2.2阈值可调功能通过OpenCV捕获摄像头的图像，并在图像上创建了一个窗口，用于显示处理后的图像。在窗口中创建了六个滑动条，用于调整LAB色彩空间的阈值范围。部分代码以及功能实现如图5.10所示：图5.10滑动条功能实现图然后进入一个循环中，不断地读取摄像头捕获的图像帧。每一帧图像都会被转换为LAB色彩空间，并根据滑动条的值创建相应的阈值范围。接着使用这些阈值范围创建红色的掩膜，并将该掩膜应用到原始图像上，得到只保留红色部分的结果图像。具体程序逻辑如下图5.11所示：图5.11Lab阈值可调功能逻辑流程图5.2.3检测定位功能检测定位功能即对摄像头捕捉到的图片以及视频信息进行处理，最终对目标进行准确的识别。具体过程如下：1、通过cv2.VideoCapture(0)获取视频流，在视频帧中提取红色、绿色以及两者混合颜色目标点的位置信息。在提取目标点时，可以通过交互式的阈值调整窗口来改变不同颜色的阈值范围。2、使用cv2.connectedComponentsWithStats()函数对掩膜图像进行连通域分析，找到面积最大的连通区域，获取位置信息。具体代码实现如图5.12所示：图5.12连通域分析功能代码3、在图像提取到黑色胶带边缘的边界框，使用形态学开运算减少噪声，然后利用Canny边缘检测算法找到图像的边缘。部分程序如下图5.13所示：图5.13Canny边缘检测功能4、当系统获取到目标信息后，由于其他因素，可能导致识别效果不佳，可以结合键鼠进行手动矫正识别精度。其中draw_corner_point()函数绘制了目标区域的角点和边线，通过连接主要近似点和A4近似点来形成多边形的边线，并在图像上绘制中心点；draw_spot()函数绘制了红色和绿色目标点的矩形和圆点，用于标识识别到的目标；polygon_centroid()函数计算了多边形的质心坐标，以帮助确定目标的准确位置。部分代码如图所示5.14所示：图5.14坐标绘制功能程序以上内容大体分析了目标检测与定位的程序功能实现，其具体逻辑如下图5.15所示：图5.15目标检测定位功能程序逻辑流程图5.2.4数据处理功能本系统中，摄像头负责采集图像和视频信息，然后将数据传输到树莓派进行处理分析，树莓派又将解析得到的数据生成控制信号，最终输出给二维云台完成系统的控制。数据处理的具体过程如下：1、通过调用list(serial.tools.list_ports())函数来获取系统上所有可用的串口列表，如果串口中包含”serial”字符串，则尝试通过”serial.Serial()”函数打开串口连接。如图5.16所示：图5.16串口连接程序2、使用send_data(self,current_pos,start_pos,end_pos,bound)函数向串口发送数据，按照参数相关格式添加至数据列表data，receive_runtime(self)用于持续接受串口数据并处理。3、在”_main_”中创建一个对象，构造一个模拟数据包，调用parse_received_data()方法解析该数据包。串口程序用于与外部设备进行数据交互，以下是它的具体逻辑流程图：图5.17串口通信逻辑流程图5.2.5运动控制功能利用树莓派的GPIO口来控制二维云台，实现运动控制的功能实现。因为树莓派的GPIO编号存在一定特殊性，我们可以通过“gpioreadall”命令查看接口编号的定义，如图5.18所示：图5.18接口编号查询通过以上信息，可以知道树莓派GPIO口引脚存在不同的编号规则。于是我们首先利用GPIO.setmode(GPIO.BCM)函数将GPIO口模式设置为BCM编码格式。然后配置GPIO口的输出模式、PWM波的周期等等。具体程序如图5.19所示：图5.19GPIO口配置为了控制电机的运动速度和模式，这段代码定义了一个名为SpeedController的类，用于控制电机的运动速度和模式。在初始化方法中，它初始化了一系列变量，并创建了两个电机对象来表示水平方向和垂直方向的电机。例如：clear_speed方法用于清除当前速度，停止电机的运动；set_move_mode方法用于设置移动模式，并根据模式的不同进行相应的处理；update_spot方法用于根据当前移动模式和目标点的信息设置速度；set_speed_by_line方法用于根据当前点与直线的关系设置速度；set_speed_p2p方法用于设置从当前点到目标点的速度，并控制电机的运动。部分功能代码如图5.20所示：图5.20运动控制处理通过对树莓派GPIO口进行配置，设置电机运行时的状态，结合速度控制方法，基本实现了二维云台运动控制的功能。具体实现逻辑如下图5.21所示：图5.21二维云台运动控制程序流程图5.3本章小结本章重点阐述了系统软件和硬件的实现与测试数据分析。通过树莓派4B主控制单元与USB摄像头、步进电机、激光器等关键组件的协同工作，成功构建了运动目标控制与自动追踪系统。在实现中，持续优化软件算法与调试硬件设备，确保系统稳定性和准确性。6系统测试及分析6.1系统测试方案经过一系列的设计，将系统功能实现并将其搭建成功后，我们按照系统摆放位置图精心布置了测量区域，并启动了系统，逐项进行了测试。具体测试方案如下：1、运动目标位置复位功能测试：在屏幕的任意位置设置红色光斑，并执行复位功能，观察光斑是否能准确回到原点。检查光斑中心距离原点的误差，确保误差在2cm以内。2、运动目标控制系统测试启动系统，观察红色光斑能否在30秒内沿着屏幕的四周边线顺时针移动一周。检查移动时光斑中心距离边线的距离，确保距离在2cm以内。3、A4靶纸测试将A4靶纸贴在屏幕上，启动系统，观察红色光斑能否在30秒内沿着胶带顺时针移动一周。检查光斑是否完全脱离胶带，若连续脱离胶带移动5cm以上则不合格。4.旋转A4靶纸测试将A4靶纸以任意旋转角度贴在屏幕的任意位置，启动系统，重复A4靶纸测试步骤。5.自动追踪系统测试启动自动追踪系统，观察绿色光斑能否在2秒内追踪红色光斑。检查两个光斑中心距离是否保持在3cm以内。6.追踪系统重复基本要求测试重复基本要求(3)~(4)的动作，同时启动运动目标及自动追踪系统，观察绿色光斑是否能自动追踪红色光斑。在追踪过程中，检查两个光斑中心距离是否大于3cm，若超过则定义为追踪失败，连续追踪失败3秒以上则不合格。7.暂停键测试测试暂停键，同时按下暂停键，观察红色和绿色光斑是否立即制动，以便测量两个光斑中心距离。在一间普通的实验室环境中进行测试，确保光照正常，没有其他影响因素。我们使用了量角器、卷尺、光源运动系统、光源跟踪系统、交流电源和显示屏等测试工具。通过对代码逐步优化和硬件设备的不断改善，提高了云台的控制稳定性、光源位置的检测和跟踪的准确性。我们将设计要求与多次测量所得的数据进行对比，并记录误差在表中。同时，对可能影响实验结果的因素进行了分析，并对系统进行改善，直至得出较为准确的实验结果为止。6.2测试结果及分析按照上述测试方案，进行系统测试，我们选取了近十次测试所得的测试数据，测试具体参数包含系统复位时红色光斑距离屏幕中心的距离、红色光斑在运动时距离矩形边缘的误差等等。系统测试结果如下表所示：表6.1系统测试数据表一具体参数第一次测试第二次测试第三次测试第四次测试第五次测试复位光斑距离中心误差1.8cm1.9cm2.0cm1.1cm1.4cm光斑移动距离矩形线框误差2.0