### 实现目标追踪的解决方案 通过 OpenCV 调用 USB 摄像头并结合舵机实现目标追踪是一个常见的计算机视觉应用场景。以下是完整的解决方案和代码示例。 #### 1. 环境准备 为了运行此项目，需安装必要的依赖项： - Python 和 OpenCV 库用于图像处理。 - RPi.GPIO 或其他 GPIO 控制库用于驱动舵机。 可以通过以下命令安装所需库： ```bash pip install opencv-python numpy gpiozero ``` --- #### 2. 方案概述 整个系统分为以下几个模块： 1. **摄像头捕获**：使用 OpenCV 的 `cv2.VideoCapture` 方法读取 USB 摄像头数据。 2. **目标检测与定位**：通过对视频帧进行颜色过滤或其他特征提取方法来获取目标的位置坐标。 3. **舵机控制**：根据目标位置调整舵机角度，使摄像头始终指向目标方向。 具体流程如下： - 初始化摄像头设备。 - 设置感兴趣区域 (ROI)，例如通过鼠标拖拽选择目标。 - 计算目标中心相对于画面中心的偏移量。 - 将偏移量映射为舵机的角度变化值。 - 更新舵机状态以保持目标处于视野中央。 --- #### 3. 示例代码 以下是一份完整的代码示例： ```python import cv2 from gpiozero import Servo import time # 配置舵机对象 servo_x = Servo(17) # X轴舵机连接到GPIO 17 servo_y = Servo(18) # Y轴舵机连接到GPIO 18 # 初始位置设置 current_angle_x = 0 current_angle_y = 0 servo_x.value = current_angle_x / 90 servo_y.value = current_angle_y / 90 # 定义摄像头参数 cap = cv2.VideoCapture(0) # 默认USB摄像头索引为0 frame_width, frame_height = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)), int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) center_x, center_y = frame_width // 2, frame_height // 2 # 参数配置 target_radius = 50 # 追踪半径范围 angle_step = 0.01 # 单次转动步长 def track_object(frame): global current_angle_x, current_angle_y hsv_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 设定红色阈值范围（可根据实际需求修改） lower_red = (0, 100, 100) upper_red = (10, 255, 255) mask = cv2.inRange(hsv_frame, lower_red, upper_red) contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if contours: largest_contour = max(contours, key=cv2.contourArea) M = cv2.moments(largest_contour) if M["m00"] != 0: cx = int(M['m10'] / M['m00']) cy = int(M['m01'] / M['m00']) # 绘制目标圆心 cv2.circle(frame, (cx, cy), target_radius, (0, 255, 0), 2) # 计算偏差 dx = (cx - center_x) * angle_step dy = -(cy - center_y) * angle_step # 更新舵机角度 current_angle_x += dx current_angle_y += dy servo_x.value = min(max(current_angle_x / 90, -1), 1) servo_y.value = min(max(current_angle_y / 90, -1), 1) while True: ret, frame = cap.read() if not ret: break track_object(frame) cv2.imshow('Object Tracking', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() ``` --- #### 4. 关键点解析 1. **颜色识别** 使用 HSV 颜色空间筛选特定颜色的目标[^3]。可以根据实际情况调整 `lower_red` 和 `upper_red` 来匹配不同颜色的对象。 2. **舵机控制逻辑**