使用YoloV5搭建追踪云台的教程（不含源码）

  一.简介

        本教程主要是使用YoloV5模型来实现对某一单一目标类型进行识别，并通过云台来实现对目标的追踪。由于本教程相关的项目目前正在参加比赛，所以不能透露出全部代码，请见谅！

       注：本教程较为简洁，只提供代码逻辑，详细教程后续会发布（包含完整代码）

二.教程 

1.设备

        硬件需要树莓派5（所有支持IIC协议的Linux设备都可以），PCA9685板，USB摄像头，SG90S舵机两个，云台。（如图）

        库的话需要YoloV5模型，adafruit_servokit库（控制舵机），numpy库，OpenCV库，torch库，time库。

2.教程

     前两部分代码逻辑大致如下（以无人机举例）：

    首先便是导入“二”部分的所有库，之后创建一个class

class DroneTracker:
   #........

   #最后别忘了释放资源
if __name__ == "__main__":
    tracker = DroneTracker()  #这里你class里面是什么就写什么
    try:
        tracker.detect_and_track()
    finally:
        cv2.destroyAllWindows()  
        print("程序已结束，资源已释放。")

        创建完了之后搞几个def

def __init__(self):   #初始化舵机，PCA9685板是16通道的一块控制板
        self.kit = ServoKit(channels=16)
        self.Servo1 = self.kit.servo[0]  # 控制水平旋转
        self.Servo2 = self.kit.servo[1]  # 控制垂直俯仰
        #........
        self.Servo1.angle = 90  # 初始化角度
        self.Servo2.angle = 90
        #........

       这里主要是初始化舵机，设置初始化角度，一般设置90度，毕竟直接在中间也方便许多。同时我用的云台只需要2个舵机，就设置了两个舵机，当然你也可以搞16个（最多16个），全凭自己喜好哈doge 

       完了之后设置一下自己的模型

        self.device = select_device('cpu')  # 或者使用 'cuda' 如果有GPU
        self.model = DetectMultiBackend('你自己模型的地址', device=self.device)
        self.model.warmup((1, 3, 640, 640))  # 模型预热

 

     记住别忘记改一下模型的地址哈，这里YoloV5我喜欢V5S，在Linux上面运行相对流畅

     下一步就是怎么设置舵机的旋转了，话不多说，直接上这一部分的代码！

      

    def adjust_servos(self, x_offset, y_offset):
        """根据偏移调整舵机角度"""
        new_x_angle = max(1, min(180, self.Servo1.angle + x_offset))
        new_y_angle = max(1, min(180, self.Servo2.angle + y_offset))
        self.Servo1.angle = new_x_angle
        self.Servo2.angle = new_y_angle

       

        这里我是设定的根据目标距离图像中心的x，y差值来控制舵机的移动，在这段代码中是” x_offset和 y_offset“，后面也会有提到，这两个数值就是偏移距离，这样的话可以让舵机的移动更加”丝滑“！

        好了，最重点的地方来了，就是怎么检测特定的单一目标并追踪呢？

        在完成视频读取等一系列动作之后，之后便是特定种类的识别，这一段代码是这样的：

if self.model.names[int(cls)] == 'drone':

       对，其实就是一个简单的if判断 ，将识别到的特定目标读取后，这时就有了以下代码

x_offset = -(center_x - screen_center_x) / frame_width * 10
y_offset = (center_y - screen_center_y) / frame_height * 10
self.adjust_servos(x_offset, y_offset)

      这样前面舵机的偏移度数就有了 ，就会根据差值来计算偏移度数了，然后这一段完整代码等比赛结束后会向各位展示的，因为比较重要，几个项目都有（抱歉）

     最后”show“以下，返回结束进程，整个代码就结束了！

cv2.imshow('Drone Tracking', frame)
if cv2.waitKey(1) == ord('q'):  # 按'q'退出
    break

三.总结

     其实没展示的代码是重中之重，后续会更新的，敬请期待！