1.pyserial与串口
在我前几天的一篇文章中介绍了自己使用pyserial进行串口通信时遇到的问题。https://blog.csdn.net/prolrj2015/article/details/89646466
2.人脸追踪
使用人脸在窗口中的位置来控制摄像头转动,项目需要无意中接触到这一块。其中人脸识别使用的是opencv自带的_Haar特征分类器实现人脸检测,但是看别的文章有说这个方法比较占用内存。(https://blog.csdn.net/qq_37791134/article/details/80583726 facenet可能性能更好https://github.com/chenlinzhong/face-login)待会写一篇关于人脸检测现在使用的各种方法。
3.人脸追踪-舵机云台比例控制
好了,上面两节都是基础,下来是实现摄像头运动控制的过程:
方法
PID控制算法-----Proportion Intergration Differentiation(比例积分微分)
比较经典的算法,(其实自己没有研究过),我使用的是简单的比例控制。
步骤如下
1.偏移量offset—即偏移量是指的人脸中心偏移画面中心的值。
Offset = Real - Target
偏移量 = 实际值 - 目标值
2.偏移量归一化处理
def calculate_offset(self,x, y, w, h):
'''
计算人脸再画面中的偏移量,
偏移量取值范围:[-1, 1]
'''
img_width = self.video.get(3) #得到video窗口的width参数
img_height = self.video.get(4) #得到video窗口的height参数
face_x = float(x + w/2.0)
face_y = float(y + h/2.0)
# 人脸再画面中心x轴上的偏移量
self.offset_x = float(face_x / img_width - 0.5) * 2
# 人脸再画面中心y轴上的偏移量
self.offset_y = float(face_y / img_height - 0.5) * 2
这里考虑到不同分辨率的因素, 将偏移量整体放缩到[-1,1] 。
3.舵机角度的增量(变化幅度)
我们仅仅知道偏移量还不够,我们最终的控制量是舵机角度的增量(变化幅度), 所以需要在偏移量与舵机角度的增量之间建立某种联系。
当偏移量分别为 1,10, 100 的时候,显然他们的舵机角度增量是不一样,数值越大那么增量也就越大,如果用数学模型来描述它这种关系就是线性关系y=k*x。这里我们定义一个比例系数(Kp)来描述这段关系:
delta_degree = Kp * x_offset
新的舵机角度 = 旧的舵机角度 + 角度增量
new_degree = old_degree + delta_degree
4.Kp比例系数的调参
调节Kp使摄像头转动不剧烈也不太缓慢。我在这里设置了30
5.设定死区范围
如果人脸在画面中间附近,可能会存在这么一个问题, 就是舵机来回小幅摆动。 解决在目标值附近抖动的问题, 可以这样解决:如果偏移量(offset)小于一定的数值舵机就不动。
6.边界问题
就是默认旋转角度不能超过设定的角度范围。
最后,我的整体的代码github https://github.com/liruijuan/facefollow 供以后参考。
此文章和代码参考了:https://www.jianshu.com/p/ed8f0c748050