基于OpenMV 双轴机械臂 机器学习

2024-04-28 22:44

本文主要是介绍基于OpenMV 双轴机械臂 机器学习,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 一、项目简要
  • 二、目标追踪
    • 1. 色块识别与最大色块筛选
    • 2. PID位置闭环
  • 三、机器学习
    • 1. Device1
    • 2. Device2
  • 四、效果演示


一、项目简要

两套二维云台设备,Device1通过摄像头捕捉目标物块点位进行实时追踪,再将自身点位传到Device2,Device2学习Device1动作,控制误差<=1°。
在这里插入图片描述

二、目标追踪

以摄像头左上角为坐标原点建立坐标系,通过识别目标物块 获取物块的中心坐标点位,以识别到的点位作为实际点位,摄像头的中心坐标作为目标点位,引用PID算法分别在x轴和y轴上设计两套位置闭环,将输出信号赋给舵机,使其收敛于目标点位。

在物块识别中,是通过颜色进行区分,所以这里难免会出现误差,为了避免一些小杂物扰乱采集,则在图像中使用物块面积计算过滤掉小的物块,筛选出最大的目标物块

1. 色块识别与最大色块筛选

red_threshold  = (4, 92, -103, 104, -18, -99)   #色块阈值def find_max(blobs):                           #寻找最大色块函数max_size=0for blob in blobs:if blob[2]*blob[3] > max_size:max_blob=blobmax_size = blob[2]*blob[3]return max_blobwhile(True):clock.tick()                               #帧率控制img = sensor.snapshot()                    #图像截取blobs = img.find_blobs([red_threshold])    #发现色块if blobs:max_blob = find_max(blobs)             #筛选色块

2. PID位置闭环

pan_servo=Servo(1)          #水平方向的舵机 
tilt_servo=Servo(2)         #垂直方向的舵机   pan_pid = PID(p=0.07, i=0, imax=90)       #水平PI参数调整 
tilt_pid = PID(p=0.05, i=0, imax=90)      #垂直PI参数调整      pan_error = max_blob.cx()-img.width()/2            #水平方向误差
tilt_error = max_blob.cy()-img.height()/2          #垂直方向误差
pan_output=pan_pid.get_pid(pan_error,1)/2		   #水平PID计算
tilt_output=tilt_pid.get_pid(tilt_error,1)		   #垂直PID计算
pan_servo.angle(pan_servo.angle()+pan_output)	   #水平舵机反馈
tilt_servo.angle(tilt_servo.angle()+tilt_output)   #垂直舵机反馈

在这里插入图片描述

三、机器学习

在目标追踪的基础上,第二套设备只需要去模仿第一套设备的动作,两者之间通过串口传输数据,再计算出实际角度与目标角度之间的误差。

1. Device1

将Device1的自身点位发送到Device2

from pyb import UART
uart = UART(3, 115200)#获取本装置二维云台实时转动角度
data = str(int(pan_servo.angle())) + ':' + str(int(tilt_servo.angle()))  
data_bytes = data.encode()    #格式转换
uart.write(data_bytes)        #串口发送

2. Device2

  • 接收来自Device1发过来的实时点位
# 将接收到的字节串解码为字符串并去除首尾的空白字符
received_data = uart.readline().decode().strip()  
num1, num2 = map(int, received_data.split(':'))    #解析数据
  • 控制二维云台学习Device1
pan_servo.angle(num1)        #水平转动
tilt_servo.angle(num2)       #垂直转动
  • 计算转动误差并发送到PC上位机
a=num1-pan_servo.angle()           #获取自身水平转动角度误差
b=num2-tilt_servo.angle()          #获取自身垂直转动角度误差data = str(int(a)) + ':' + str(int(b))+' '    #数据打包
data_bytes = data.encode()                    #格式转换
uart.write(data_bytes)                        #串口发送

如下图可见,水平误差和垂直误差 控制在1°,满足需求
在这里插入图片描述

四、效果演示

在这里插入图片描述

这篇关于基于OpenMV 双轴机械臂 机器学习的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/944458

相关文章

Go学习记录之runtime包深入解析

《Go学习记录之runtime包深入解析》Go语言runtime包管理运行时环境,涵盖goroutine调度、内存分配、垃圾回收、类型信息等核心功能,:本文主要介绍Go学习记录之runtime包的... 目录前言:一、runtime包内容学习1、作用:① Goroutine和并发控制:② 垃圾回收:③ 栈和

Android学习总结之Java和kotlin区别超详细分析

《Android学习总结之Java和kotlin区别超详细分析》Java和Kotlin都是用于Android开发的编程语言,它们各自具有独特的特点和优势,:本文主要介绍Android学习总结之Ja... 目录一、空安全机制真题 1:Kotlin 如何解决 Java 的 NullPointerExceptio

重新对Java的类加载器的学习方式

《重新对Java的类加载器的学习方式》:本文主要介绍重新对Java的类加载器的学习方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、介绍1.1、简介1.2、符号引用和直接引用1、符号引用2、直接引用3、符号转直接的过程2、加载流程3、类加载的分类3.1、显示

Linux区分SSD和机械硬盘的方法总结

《Linux区分SSD和机械硬盘的方法总结》在Linux系统管理中,了解存储设备的类型和特性是至关重要的,不同的存储介质(如固态硬盘SSD和机械硬盘HDD)在性能、可靠性和适用场景上有着显著差异,本文... 目录一、lsblk 命令简介基本用法二、识别磁盘类型的关键参数:ROTA查询 ROTA 参数ROTA

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Java进阶学习之如何开启远程调式

《Java进阶学习之如何开启远程调式》Java开发中的远程调试是一项至关重要的技能,特别是在处理生产环境的问题或者协作开发时,:本文主要介绍Java进阶学习之如何开启远程调式的相关资料,需要的朋友... 目录概述Java远程调试的开启与底层原理开启Java远程调试底层原理JVM参数总结&nbsMbKKXJx

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06