基于AI視覺標(biāo)志跟隨履帶車系統(tǒng)設(shè)計

-1-第1章緒論1.1研究背景與意義機器視覺檢測是一種利用計算機技術(shù)和圖像處理算法來采用自動化技術(shù)實現(xiàn)檢測和判斷，以取代人工操作。該裝置包括相機、鏡頭、光源、工控機、圖像處理系統(tǒng)、執(zhí)行機構(gòu)以及被測物等多個組成部分。該技術(shù)的原理是通過相機對被測對象進行圖像拍攝，然后將圖像數(shù)據(jù)傳送至圖像處理統(tǒng)[2]。圖像處理系統(tǒng)運用先進的檢測算法，對圖像進行特征提取和識別，進而輸出精準(zhǔn)的檢測結(jié)果，并對其進行相應(yīng)的操作。在工業(yè)領(lǐng)域，機器視覺檢測是一項被廣泛運用的技術(shù)。機器視覺技術(shù)是以計算機為核心，結(jié)合現(xiàn)代光電、傳感等相關(guān)學(xué)科發(fā)展起來的一種新型測量技術(shù)。該項技術(shù)主要應(yīng)用于目標(biāo)檢測領(lǐng)域，包括但不限于對產(chǎn)品外觀缺陷和零部件進行檢測。目前，國內(nèi)外許多學(xué)者都致力于研究基于機器視覺技術(shù)的缺陷檢測方法和缺陷定位方法，并且取得了一定成果。利用機器視覺技術(shù)，能夠自動探測產(chǎn)品表面的缺陷、損傷或其他不符合規(guī)格的問題，提高產(chǎn)品質(zhì)量和生產(chǎn)效率。此外，機器視覺檢測還可用于目標(biāo)別，例如文字識別和顏色識別。通過識別文字和顏色，可以實現(xiàn)自動化的文本處理和分類任務(wù)，減少人工干預(yù)的需求。目標(biāo)定位是機器視覺檢測的另一個重要應(yīng)用領(lǐng)域。例如，在PCB加工過程中，通過機器視覺檢測技術(shù)可以精確定位電路板上的元件位置，確保準(zhǔn)確的焊接和組裝。此外，機器視覺檢測還可用于標(biāo)簽定位，例如在物流領(lǐng)域，可以通過機器視覺系統(tǒng)準(zhǔn)確地定位和讀取貨物上的條碼或標(biāo)簽，實現(xiàn)自動化的物流管理。另外，機器視覺檢測還可用于測量任務(wù)。例如，對于指針儀表，通過機器視覺檢測可以實現(xiàn)長度和角度的測量，從而精確地獲取儀表的讀數(shù)。此外，對于零部件尺寸的測量，機器視覺檢測可以提供快速而準(zhǔn)確的測量結(jié)果，提高生產(chǎn)效率和質(zhì)量控制?？傊?，機器視覺檢測是一種應(yīng)用廣泛的技術(shù)，可以替代人工進行檢測和判斷的任務(wù)。在工業(yè)領(lǐng)域中，它發(fā)揮著重要的作用，包括目標(biāo)檢測、目標(biāo)識別、目標(biāo)定位和測量任務(wù)等。通過機器視覺檢測技術(shù)，可以提高生產(chǎn)效率、降低成本，并確保產(chǎn)品質(zhì)量的一致性和可靠性[3]。1.2國內(nèi)外研究現(xiàn)狀A(yù)I視覺標(biāo)志跟隨履帶車系統(tǒng)是一種基于人工智能技術(shù)的新型無人駕駛車輛系統(tǒng)，該系統(tǒng)通過使用視覺識別和跟蹤技術(shù)，能夠準(zhǔn)確地識別道路上的標(biāo)志，并根據(jù)標(biāo)志的指示進行自動駕駛操作。在國內(nèi)，這一領(lǐng)域的研究和應(yīng)用已經(jīng)取得了一些顯著的進展，為該領(lǐng)域的未來發(fā)展奠定了堅實的基礎(chǔ)。首要的是，國內(nèi)的學(xué)術(shù)研究機構(gòu)以及高等教育機構(gòu)，在AI視覺標(biāo)志識別技術(shù)方面進行了廣泛的研究。他們使用深度學(xué)習(xí)算法和大規(guī)模的圖像數(shù)據(jù)集進行訓(xùn)練，以實現(xiàn)對道路標(biāo)志的準(zhǔn)確識別。其次，國內(nèi)研究人員還關(guān)注如何實現(xiàn)對標(biāo)志的跟蹤和定位。此外，國內(nèi)的研究還關(guān)注如何將AI視覺標(biāo)志跟隨履帶車系統(tǒng)與其他感知和控制技術(shù)相結(jié)合，以實現(xiàn)更高級別的自動駕駛功能。2018年，朱晨輝、李連豪、王萬章、張紅梅在《高地隙液壓履帶車自動行走控制系統(tǒng)設(shè)計與試驗》文中談到履帶車當(dāng)前的發(fā)展情況，由于技術(shù)的發(fā)展，使得履帶車可以逐漸完成自動行走，可以自動識別標(biāo)簽，進行辨別，做出自動的跟隨操作[7]。2019年，趙明在《液壓履帶車自動行走控制系統(tǒng)設(shè)計與試驗》文中講到，將履帶車引入自動行走控制功能，通過對履帶車的行走試驗，逐漸完成對履帶車的設(shè)計，使得履帶車的功能得到完成。2021年，郭熹、李斌、馬文輝、賀鳴、陳亞峰在《基于5G的工業(yè)AI視覺檢測系統(tǒng)應(yīng)用》文中介紹了我國AI視覺技術(shù)的發(fā)展，在當(dāng)前的發(fā)展趨向下，將AI視覺檢測[10]引入到各種工業(yè)設(shè)備中，應(yīng)用AI視覺檢測可以提高效率，促進社會的發(fā)展。在國外，AI視覺標(biāo)志跟隨履帶車系統(tǒng)也引起了廣泛的研究興趣，并且在許多國家取得了重要的研究成果和應(yīng)用案例。首先，美國是AI視覺標(biāo)志跟隨履帶車系統(tǒng)領(lǐng)域的研究領(lǐng)頭羊之一。美國的研究機構(gòu)、高校和企業(yè)在標(biāo)志識別、跟蹤和控制等方面進行了大量的研究。他們采用深度學(xué)習(xí)技術(shù)，如卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)，進行標(biāo)志的高準(zhǔn)確性識別。同時，他們還開發(fā)了先進的算法和方法，實現(xiàn)了對標(biāo)志的實時跟蹤和定位。其次，德國也在AI視覺標(biāo)志跟隨履帶車系統(tǒng)的研究中處于領(lǐng)先地位。德國的研究人員注重將標(biāo)志識別與環(huán)境感知相結(jié)合，以實現(xiàn)更可靠的自動駕駛功能。他們利用激光雷達、攝像頭和雷達等多種傳感器，對標(biāo)志進行多模態(tài)感知，提高了系統(tǒng)的魯棒性和適應(yīng)性。2019年，JournalofTechnology&Science在《Science-AutomationScience;ResearchersfromTaiyuanUniversityofTechnologyReportNewStudiesandFindingsintheAreaofAutomationScience》文章中講到美國通過AI視覺標(biāo)志[16]，可以使得車輛在行走的過程中，通過對標(biāo)簽的識別，進而根據(jù)設(shè)定的程序，可以完成車輛行走中的控制，使得其具備自動行走功能。2020年，ArnoldC在《PatternsoffailureafterIMRTforhead-and-neckcancer:LET'SNOTCOUNTTHECHICKENBEFORETHEEGGSHATCH》文中，印度SanjayaWSM設(shè)計了一種基于Arduino的鶴鶉孵化器系統(tǒng),該系統(tǒng)結(jié)合了物聯(lián)網(wǎng)技術(shù)幫助農(nóng)戶遠程監(jiān)控智能孵化器，在印度尼西亞蘇卡布米市CM-Slamet鶴鶉養(yǎng)殖場進行了驗證，結(jié)果表明在該系統(tǒng)的作用下鶴鶉蛋孵化效果較為理想[17]。2021年，YouMingyu:LuoChaoxian在《VisualLandmarkLearningViaAttention-BasedDeepNeuralNetworks》文中談?wù)摰疆?dāng)前國外對于AI視覺技術(shù)的發(fā)展?fàn)顩r，借助AI視覺技術(shù)[18]，可以較大的方便履帶車的控制。綜上所述，對于當(dāng)前的社會發(fā)展，國內(nèi)外都對AI視覺技術(shù)有著較大的研究，并且通過將AI技術(shù)進行融合，使得工業(yè)發(fā)展得到提高。因此，設(shè)計一種具有AI視覺標(biāo)志跟隨履帶車系統(tǒng)具有廣闊市場前景。1.3選題意義及需求分析在本章中，我們將對整個系統(tǒng)的功能性需求進行深入探討，通過對設(shè)計想法的深入了解，明確整體需求，并進一步細分各個功能模塊，以明確它們所包含的功能點，最終結(jié)合具體的使用場景，確定每個功能的流程。當(dāng)前的發(fā)展情況，由于技術(shù)的發(fā)展，使得履帶車可以逐漸完成自動行走，可以自動識別標(biāo)簽，進行辨別，做出自動的跟隨操作。履帶車輛在工程建筑、軍事、農(nóng)業(yè)等領(lǐng)域扮演著不可或缺的角色，其優(yōu)異的通行性能為其提供了強有力的支撐。由于履帶車輛行駛時受到復(fù)雜路面條件和環(huán)境變化等因素影響，使得履帶車輛具有較強的非線性動力學(xué)特征。隨著感知技術(shù)、計算機科學(xué)、人工智能以及其他相關(guān)領(lǐng)域的迅猛發(fā)展，履帶車正在朝著智能化的方向邁進。履帶車的智能化包括智能轉(zhuǎn)向系統(tǒng)、自主導(dǎo)航系統(tǒng)和輔助駕駛系統(tǒng)三部分。履帶車的智能化水平在很大程度上取決于其導(dǎo)航能力的卓越程度。履帶車由于自身結(jié)構(gòu)特點和行駛工況復(fù)雜，導(dǎo)致其導(dǎo)航系統(tǒng)相對于輪式汽車更為困難。因此，深入探究履帶車的導(dǎo)航技術(shù)，對于提升行車安全和舒適性具有至關(guān)重要的意義。履帶車的操作環(huán)境通常相當(dāng)惡劣，且經(jīng)常出現(xiàn)在危險的環(huán)境中，此外，長期駕駛履帶車的操作者也會感到疲勞不堪，因此，履帶車的自主導(dǎo)航功能可以幫助人們擺脫繁瑣乏味的工作。履帶車的導(dǎo)航方式多種多樣，包括電磁導(dǎo)航、超聲波導(dǎo)航以及視覺導(dǎo)航等多種方式。其中以電磁感應(yīng)式為代表的電磁導(dǎo)航系統(tǒng)具有結(jié)構(gòu)簡單、易于實現(xiàn)且成本低廉等優(yōu)點而得到了廣泛應(yīng)用。由于其高信息量、高敏感度和低成本，以及視覺導(dǎo)航的靈活性，視覺傳感器已成為履帶車導(dǎo)航領(lǐng)域備受關(guān)注的研究方向。本文主要討論了視覺導(dǎo)航系統(tǒng)中最重要的方法之一，并對其原理進行分析。視覺導(dǎo)航的研究方向主要包括兩個方向：（1）基于人類視覺的完全意義上的視覺導(dǎo)航，通過模擬人類視覺系統(tǒng)來識別道路。（2）另一項研究方向涉及利用"有線式"視覺導(dǎo)航技術(shù)對標(biāo)識線圖像進行識別。相較于純粹基于視覺的導(dǎo)航，這種導(dǎo)航方式具有操作簡單靈活、圖像處理速度更快、控制響應(yīng)時間更好等優(yōu)點。本文探討的是一種基于有線連接的視覺導(dǎo)航方法，該方法適用于智能履帶車。第2章系統(tǒng)的方案設(shè)計2.1設(shè)計方案本文設(shè)計了一套基于AI視覺標(biāo)志跟隨履帶車系統(tǒng)設(shè)計。借助人機交互界面，控制系統(tǒng)設(shè)定了履帶車的作業(yè)模式和初始偏轉(zhuǎn)角。行走時，利用超聲波測距傳感器檢測履帶車兩側(cè)至作物之間的距離，K210控制器對傳感器信號進行處理，進而得出履帶車行駛速度及履帶車與固定行道的偏移角度及偏移方向，通過轉(zhuǎn)向角速度與行走速度的對應(yīng)關(guān)系，對相應(yīng)左、右轉(zhuǎn)向電磁閥進行一定時間的開閉來調(diào)整液壓履帶車的偏移[3]。2.2功能需求分析2.2.1技術(shù)路線（1）硬件部分需要單片機K210、超聲波測距傳感器、舵機、攝像頭、TF卡、顯示屏、蜂鳴器；（2）軟件平臺程序用keil5；（3）畫原理圖用AD；（4）編程語言用C語言；（5）用戶信息顯示查看；2.2.2預(yù)期結(jié)果通過對系統(tǒng)的前期研究論證、后期的合理設(shè)計，最終完成基于AI視覺標(biāo)志跟隨履帶車系統(tǒng)的聯(lián)合調(diào)試與性能測試，該系統(tǒng)預(yù)期有如下成果：1.通過液晶顯示屏實時顯示監(jiān)測到的畫面及履帶車的重要參數(shù)；2.通過攝像頭實時識別到采集范圍內(nèi)Tag36H11標(biāo)簽的圖像信息；3.通過超聲波傳感器可以實時監(jiān)測履帶車到標(biāo)簽的距離；4.系統(tǒng)根據(jù)識別到的標(biāo)簽和距離信息，通過控制器做數(shù)據(jù)處理，進行跟隨移動。2.3系統(tǒng)的設(shè)計過程在進行設(shè)計項目時，通常需要進行多個階段的準(zhǔn)備工作。首先需要對設(shè)計題目有一個深入的理解，學(xué)習(xí)相關(guān)的知識，為后續(xù)的設(shè)計做好準(zhǔn)備。接著需要確定系統(tǒng)的各個模塊，并規(guī)劃系統(tǒng)的組成結(jié)構(gòu)，勾畫出系統(tǒng)的大體框架，確定各個模塊之間的關(guān)系。在這個基礎(chǔ)上，需要收集相關(guān)的軟硬件資料，繪制出電路示意圖和主流程圖，以呈現(xiàn)出電路的結(jié)構(gòu)和特征。最終，進行仿真模擬，以驗證系統(tǒng)是否能夠滿足所需的控制功能要求，并整理論文。這些步驟都非常重要，可以確保設(shè)計項目的成功完成。2.4單片機型號選擇方案一應(yīng)用了K210單片機是一款集成機器視覺與機器聽覺能力的系統(tǒng)級芯片(SoC)使用了臺積電超低功耗的28納米先進制程，擁有雙核64位處理器，具有良好的功耗性能、穩(wěn)定可靠。K210專注于AI和IoT市場，廣泛應(yīng)用于物聯(lián)網(wǎng)和人工智能領(lǐng)域，成為這些領(lǐng)域中不可或缺的重要組成部分。K210擁有機器視覺能力與機器聽覺能力，能較低的功耗實現(xiàn)高速、精確的視覺處理。該設(shè)備還搭載了KPU型卷積型人工神經(jīng)網(wǎng)絡(luò)硬件加速器,可以高效地進行卷積人工神經(jīng)網(wǎng)絡(luò)運算。該芯片采用了TSMC28納米制程，具有良好的穩(wěn)定性和可靠性，在廣泛的溫度范圍(-40°C到125°C)下可正常工作。同時，該芯片支持固件加密，保證了數(shù)據(jù)的安全性。此外，K210的獨特之處在于其可編程IO陣列，這為產(chǎn)品設(shè)計提供了更大的靈活性，從而增強了其可塑性。它具有強大的計算功能，支持多種算法模型及豐富的數(shù)據(jù)存儲方式，是目前性能最好的智能計算平臺之一。相較于同類處理能力的系統(tǒng)，K210的功耗更低，同時支持3.3V/1.8V的雙電壓，無需進行電平轉(zhuǎn)換，從而實現(xiàn)了成本的節(jié)約。方案二采用了ARMCortex-M3處理器它是一款具有高性能、低成本和低功耗等特點在嵌入式系統(tǒng)領(lǐng)域廣泛應(yīng)用。它基于ARMCortex-M3核心，為用戶提供了一種具有良好性價比的解決方案。該芯片內(nèi)置了豐富的外設(shè)資源，提供了出色的性能表現(xiàn)。ARMCortex-M3特性包括高度集成，其內(nèi)核內(nèi)置了嵌入式Flash和SRAM存儲器。與傳統(tǒng)的8/16位單片機設(shè)備相比，它能夠更高效地執(zhí)行代碼。圖2-1單片機最小系統(tǒng)原理圖本文選用方案一K210單片機，K210是一種低功耗人工智能處理器，由于其獨特的特性，與STM32存在一些顯著的差異和優(yōu)點，下面是一些K210的優(yōu)點：1.低功耗：K210具有低功耗的特性，可以在電池供電下運行，并且在不犧牲性能的情況下延長設(shè)備的使用壽命。2.內(nèi)置神經(jīng)網(wǎng)絡(luò)加速器：K210內(nèi)置了一個神經(jīng)網(wǎng)絡(luò)加速器，可以在設(shè)備上快速執(zhí)行神經(jīng)網(wǎng)絡(luò)模型，這使得K210非常適合用于人工智能領(lǐng)域。3.豐富的外設(shè)：K210提供了豐富的外設(shè)，包括多個SPI，I2C，UART，以及SD卡，WIFI和藍牙接口等等，這些外設(shè)使得K210可以輕松地連接到其他設(shè)備。4.支持多種編程語言：K210支持多種編程語言，如C，C++，Python等等，這使得使用K210進行開發(fā)變得更加靈活和方便。5.開放式硬件平臺：K210是一種開放式硬件平臺，可以在其上進行自定義的開發(fā)和擴展，從而滿足不同應(yīng)用的需求。圖2-2K210核心板

第3章系統(tǒng)的硬件部分設(shè)計3.1系統(tǒng)總體設(shè)計本文將討論基于AI視覺標(biāo)志跟隨履帶車系統(tǒng)的總體設(shè)計，該系統(tǒng)旨在實現(xiàn)智能自主導(dǎo)航和跟蹤能力。第一步是安裝傳感器和攝像頭。通過使用先進的傳感器和攝像頭技術(shù)，可以收集大量地形和環(huán)境信息，并將其反饋到系統(tǒng)中進行處理和分析。第二步是實現(xiàn)圖像識別和分類功能。使用深度學(xué)習(xí)算法對采集到的圖像進行分類和識別，從而判斷地形和障礙物類型，為車輛導(dǎo)航提供數(shù)據(jù)支持。第三步是運動控制設(shè)計。通過對底盤結(jié)構(gòu)和電機驅(qū)動系統(tǒng)進行優(yōu)化設(shè)計，實現(xiàn)履帶車的可控性和穩(wěn)定性，使得車輛能夠根據(jù)系統(tǒng)指令自主進行移動、轉(zhuǎn)向等操作。第四步是實現(xiàn)追蹤和跟隨功能。通過識別固定或移動的視覺標(biāo)志，使車輛能夠智能追蹤和跟隨目標(biāo)物體，從而實現(xiàn)自主導(dǎo)航移動?？傊贏I視覺標(biāo)志跟隨履帶車系統(tǒng)是一個相對復(fù)雜的系統(tǒng)，需要充分的技術(shù)和資源支持。但是這個系統(tǒng)具有廣泛的應(yīng)用前景，例如農(nóng)業(yè)、野外勘探等領(lǐng)域，同時也可以為未來的智能交通等方面做出貢獻。圖3-1系統(tǒng)總理原理圖3.2系統(tǒng)的主要功能模塊設(shè)計3.2.12.4寸LCD顯示屏模塊設(shè)計圖3-22.4寸LCD顯示屏LCD，一種薄型顯示設(shè)備，由彩色或黑白像素構(gòu)成，其位置位于光源或射面的前方。相較于傳統(tǒng)的CRT顯示器，液晶顯示器呈現(xiàn)出多重優(yōu)越之處。首先，它具有緊湊的結(jié)構(gòu)和小巧的體積，通過改變顯示屏上的電子板中的分子狀態(tài)來實現(xiàn)圖像顯示。其次，液晶顯示器具有低功耗的特性，非常適用于搭載電池的設(shè)備。此外，液晶顯示器沒有CRT顯示器的輻射和磁波干擾問題，同時具備更好的屏幕平整度和顯示效果。然而，液晶顯示器相對于CRT顯示器來說，分辨率較低，并且存在模擬和數(shù)字兩種信號接口的差異。特別是在數(shù)字接口方面，目前尚未統(tǒng)一管腳標(biāo)準(zhǔn)，這是需要近期解決的問題之一。圖3-32.4寸LCD顯示屏模塊原理圖3.2.2TF內(nèi)存卡模塊設(shè)計圖3-4TF內(nèi)存卡最初TF卡（Trans-flash卡）之名的MicroSD卡，主要被用于移動電話領(lǐng)域。其擁有強大的圖像處理和模式識別能力以及豐富的語音處理功能。在其面世之前，手機制造商所采用的是嵌入式儲存模塊，盡管其具備一定的便利性，但容量受限。因此，MicroSD卡的推出為手機用戶提供了更大的存儲空間和升級空間。它采用了類似SIM卡的應(yīng)用模式，可以在不同型號的電話中使用。MicroSD卡是一種可移動的存儲IC，體積小巧，最初被冠以TransFlash之名，后經(jīng)SD協(xié)會批準(zhǔn)并更名為MicroSD。MicroSD卡主要應(yīng)用于移動電話以及設(shè)備、便攜式播放器等領(lǐng)域。它的尺寸為15mmx11mmx1mm，是最小的存儲卡之一。目前，MicroSD卡的存儲容量可達128GB。SD卡是一款以半導(dǎo)體快閃存儲器為基礎(chǔ)的新一代記憶設(shè)備，被廣泛應(yīng)用于便攜設(shè)備之中。SD卡協(xié)會制定了SD卡標(biāo)準(zhǔn)，其中規(guī)定了該卡的尺寸、電氣接口和通信協(xié)議，以確保其符合標(biāo)準(zhǔn)。在SD卡3.0規(guī)范中，SD卡的最大容量可達2TB，同時其最大讀寫速度可高達104MB/s，這一數(shù)字較最新的4.10規(guī)范提高至312MB/s。在自動化測試系統(tǒng)中，MicroSD卡作為SD類型中尺寸較小的一種，提供了小型化、高容量和高速率數(shù)據(jù)存儲的解決方案。圖3-5TF內(nèi)存卡原理圖3.2.3蜂鳴器模塊設(shè)計圖3-6蜂鳴器有源蜂鳴器是一種集成了震蕩器和音響器件的電子元件，可通過外部電路控制發(fā)出不同頻率的聲音。與無源蜂鳴器相比，有源蜂鳴器的使用更加方便，無需外接震蕩電路，直接輸出聲音。有源蜂鳴器的主要特點如下：1.音量較大：由于有源蜂鳴器集成了震蕩器和音響器件，其輸出的聲音比無源蜂鳴器更響亮，音量更大。2.可調(diào)頻率：通過調(diào)節(jié)電壓信號頻率，有源蜂鳴器能夠?qū)崿F(xiàn)多種頻率的聲音輸出，從而實現(xiàn)聲音的多樣化，適用于各種應(yīng)用場景。3.低功耗：與無源蜂鳴器相比，有源蜂鳴器功耗較低，能夠穩(wěn)定工作較長時間。4.控制簡單：有源蜂鳴器只需一個數(shù)字信號來控制，操作非常簡單。有源蜂鳴器被廣泛應(yīng)用于各類電子產(chǎn)品中，如報警器、計時器等。其特點包括音量大、可調(diào)頻率、低功耗和簡單控制，滿足了不同領(lǐng)域的聲音輸出需求。圖3-7蜂鳴器模塊設(shè)計3.2.4舵機模塊設(shè)計圖3-8舵機舵機是一種電機驅(qū)動的設(shè)備，用于精確控制機器或設(shè)備的位置。它在需要定位或精準(zhǔn)控制的系統(tǒng)中發(fā)揮著重要作用。舵機能夠接收來自控制器的信號，并將其轉(zhuǎn)化為特定角度或位置的運動，從而使機器或設(shè)備能夠按照預(yù)定路徑進行移動或旋轉(zhuǎn)。舵機廣泛應(yīng)用于高級遙控玩具、機器人和無人機等設(shè)備中，以實現(xiàn)精確的位置控制和動作。舵機的主要特點如下：高精度控制：舵機能夠提供精確的位置控制，使得機器或設(shè)備能夠按照預(yù)期的路徑或角度進行運動。可調(diào)角度范圍：舵機可以根據(jù)需要進行角度調(diào)整，適用于各種不同的應(yīng)用場景?？焖夙憫?yīng)：舵機對控制信號的響應(yīng)速度快，能夠?qū)崿F(xiàn)實時的位置調(diào)整和動作執(zhí)行?？煽啃愿撸憾鏅C采用高質(zhì)量的電機和驅(qū)動系統(tǒng)，具有較高的可靠性和耐用性。舵機在現(xiàn)代技術(shù)中扮演著重要角色，為各種設(shè)備提供了精確的位置控制能力。其高精度控制、可調(diào)角度范圍、快速響應(yīng)和高可靠性等特點，使得舵機成為許多應(yīng)用領(lǐng)域的理想選擇。舵機作為一種重要的控制設(shè)備，在各種應(yīng)用中發(fā)揮著關(guān)鍵作用。其結(jié)構(gòu)包括外殼、板、驅(qū)動馬達、減速器和位置檢測元件，通過電路驅(qū)動馬達轉(zhuǎn)動，并利用減速齒輪傳遞動力。不同類型的舵機具有不同的特點和設(shè)計，以適應(yīng)不同的工作需求和環(huán)境條件。圖3-9舵機模塊3.2.5攝像頭模塊設(shè)計圖3-10攝像頭GC0328攝像頭模塊是一款高性能的CMOS圖像傳感器模塊。它采用了超低電壓、低功耗、小型化的先進工藝，具有高清晰度、高靈敏度和高動態(tài)范圍等特點。GC0328攝像頭模塊可以提供最大500萬像素的分辨率，該模塊支持多種圖像格式的輸出。該模塊還擁有自動曝光控制、自動白平衡和增益控制等高級功能。此外，該模塊可以通過I2C總線和其他設(shè)備進行通信，并且支持多種時序和數(shù)據(jù)格式?？傊?，GC0328攝像頭模塊是一款高性能、多功能并且廣泛應(yīng)用的圖像傳感器模塊，可以為不同領(lǐng)域的應(yīng)用提供高品質(zhì)的圖像采集解決方案。圖3-11攝像頭模塊3.2.6超聲波測距模塊設(shè)計圖3-12超聲波測距傳感器HC-SR04超聲波測距模塊是一款廣泛的測距傳感器，其能夠通過超聲波的傳輸和回波的接收來實現(xiàn)精確的距離測量。以下是其硬件電路設(shè)計流程：信號控制：使用GPIO引腳向模塊發(fā)送觸發(fā)脈沖觸發(fā)超聲波測距程序，并對返回的脈沖進行采集和處理。超聲波振蕩器：超聲波產(chǎn)生器由壓電晶體、共振管、功率放大器組成，將高頻信號轉(zhuǎn)換為機械振動，產(chǎn)生超聲波信號?；夭ń邮眨河捎诨夭ㄐ盘栁⑷?，需要使用低噪聲前置放大器進行增益，然后將信號傳送到單片機進行處理。單片機處理：通常使用定時器和計數(shù)器實現(xiàn)時間測量，然后計算出距離并將結(jié)果反饋給用戶或其他部件。電源：超聲波測距模塊通常要求供電電源范圍在5V至12V之間，可以使用直流電源或電池進行供電?？傊琀C-SR04超聲波測距模塊的硬件電路設(shè)計較為簡單，可以通過GPIO引腳控制超聲波和接收回波來實現(xiàn)距離測量，并且需要使用低噪聲前置放大器和單片機進行信號處理。由于整個系統(tǒng)的供電需求不高，因此可以使用常見的直流電源或電池進行供電。圖3-13超聲波測距模塊第4章系統(tǒng)的軟件設(shè)計4.1軟件的主要流程以下是該系統(tǒng)的軟件設(shè)計流程：數(shù)據(jù)采集：利用攝像設(shè)備捕捉圖像數(shù)據(jù)，并同時提取車輛的感應(yīng)數(shù)據(jù)。通過圖像處理技術(shù)進行圖像預(yù)處理，包括顏色轉(zhuǎn)換、噪聲降低等。目標(biāo)檢測：利用深度學(xué)習(xí)算法進行目標(biāo)探測，能夠在當(dāng)前的圖像和環(huán)境中精準(zhǔn)地探測出系統(tǒng)要求的目標(biāo)物體，并對目標(biāo)物體進行分類，生成目標(biāo)框；跟隨：根據(jù)標(biāo)識信息，通過運動控制來實現(xiàn)車輛的方向和速度控制，使得履帶車自主追蹤和跟隨目標(biāo)物體?？刂扑惴ǎ菏褂醚a償算法和反饋控制算法實現(xiàn)車輛穩(wěn)定性和精確定位，在實現(xiàn)追蹤與跟隨的同時保持獲取準(zhǔn)確位置和速度。系統(tǒng)間網(wǎng)絡(luò)連接：為了與其他系統(tǒng)進行通信，使用網(wǎng)絡(luò)套接字實現(xiàn)數(shù)據(jù)傳輸和控制信息的獲取。在軟件設(shè)計中，重要的是了解如何將各個系統(tǒng)元素集成在一起，從而形成一個高性能、穩(wěn)定、易于維護的標(biāo)志跟隨履帶車系統(tǒng)。同時，保證代碼可讀性和靈活性是優(yōu)化該系統(tǒng)的關(guān)鍵因素之一。攝像頭模塊開始系統(tǒng)初始化攝像頭模塊開始系統(tǒng)初始化初始化成功？TF內(nèi)存卡超聲波傳感器舵機顯示模塊存儲其它模塊采集的信息采集標(biāo)識圖像信息檢測距離信息控制履帶車移動顯示攝像頭和傳感器采集的信息實現(xiàn)履帶車避障結(jié)束是否圖4-1主系統(tǒng)流程圖4.22.4寸LCD顯示屏軟件設(shè)計首先系統(tǒng)進行初始化，若初始化失敗，則返回初始化狀態(tài)，初始化成功后，進入設(shè)定的程序，傳感器和攝像頭開始采集數(shù)據(jù)，采集的數(shù)據(jù)可以從顯示屏上顯示出來。否否是開始初始化初始化成功？顯示屏清屏顯示數(shù)據(jù)結(jié)束圖4-22.4寸LCD顯示屏軟件設(shè)計

4.3TF內(nèi)存卡軟件設(shè)計首先進行系統(tǒng)初始化，初始化失敗則返回初始化，初始化成功后，進入設(shè)定的程序，傳感器和攝像頭開始采集數(shù)據(jù)，采集的數(shù)據(jù)可以從顯示屏上顯示出來，并可以在TF內(nèi)存卡上進行保存。否否是開始初始化初始化成功？單片機對數(shù)據(jù)進行處理處理完成后發(fā)送至TF內(nèi)存卡存儲數(shù)據(jù)結(jié)束圖4-3TF內(nèi)存卡軟件設(shè)計

4.4蜂鳴器軟件設(shè)計首先進行系統(tǒng)初始化，初始化成功后，進入設(shè)定的程序，傳感器和攝像頭開始采集數(shù)據(jù)，采集的數(shù)據(jù)可以從顯示屏上顯示出來，并可以在TF內(nèi)存卡上進行保存，當(dāng)我們的采集的數(shù)據(jù)，不符合我們的標(biāo)準(zhǔn)時，我們的蜂鳴器將會進行報警。否否是開始初始化初始化成功？單片機處理其他模塊檢測數(shù)據(jù)數(shù)據(jù)不再設(shè)定范圍內(nèi)蜂鳴器報警結(jié)束圖4-4蜂鳴器軟件設(shè)計

4.5舵機模塊軟件設(shè)計首先系統(tǒng)進行初始化，若初始化失敗，則返回初始化狀態(tài)，初始化成功后，進入設(shè)定的程序，此時傳感器和攝像頭將開始采集數(shù)據(jù)，這些數(shù)據(jù)將在顯示屏上呈現(xiàn)，并可以在TF內(nèi)存卡上進行保存，當(dāng)我們的采集的數(shù)據(jù)，不符合我們的標(biāo)準(zhǔn)時，我們的蜂鳴器將會進行報警，采集的數(shù)據(jù)符合我們的程序設(shè)定的數(shù)據(jù)時，單片機會給舵機指令，舵機將會轉(zhuǎn)動。否否是開始初始化初始化成功？單片機處理其他模塊檢測的數(shù)據(jù)驅(qū)動舵機履帶車移動結(jié)束圖4-5舵機模塊軟件設(shè)計

4.6攝像頭模塊軟件設(shè)計通過攝像頭進行系統(tǒng)初始化，初始化成功后，進入設(shè)定的程序，采集圖像信息，將采集到的表示圖像發(fā)送到單片機處理，顯示屏顯示攝像頭采集到的圖像，來實現(xiàn)小車跟隨標(biāo)識來進行移動。開始開始初始化初始化成功？攝像頭采集圖像信息單片機進行數(shù)據(jù)處理履帶車跟隨標(biāo)識移動結(jié)束否是圖4-6攝像頭模塊軟件設(shè)計

4.7超聲波傳感器模塊軟件設(shè)計首先系統(tǒng)進行初始化，若初始化失敗，則返回初始化狀態(tài)，初始化成功后，進入設(shè)定的程序，指定超聲波傳感器的觸發(fā)引腳和接收引腳，并設(shè)置通信協(xié)議（如IC或串口）。通過向傳感器的觸發(fā)引腳發(fā)送一個高電平脈沖來觸發(fā)超聲波的發(fā)射，等待一段時間以確保超聲波的回波已被接收。讀取接收引腳上的脈沖寬度或測量到的回波時間。根據(jù)超聲波的傳播速度和測量到的回波時間，計算出物體與傳感器之間的距離，在空氣中的速度約為343米/秒。根據(jù)測量到的距離判斷是否存在障礙物。可以設(shè)置一個閾值，當(dāng)距離小于該閾值時認為有障礙物存在。開始開始初始化初始化成功？檢測距離，和設(shè)定值比較檢測到障礙物履帶車避障結(jié)束否是圖4-7超聲波傳感器模塊軟件設(shè)計

第5章系統(tǒng)測試5.1系統(tǒng)實物圖該設(shè)計采用便攜式電源進行通電后系統(tǒng)進行自檢，完成LCD顯示屏初始化、攝像頭初始化、超聲波測距傳感器初始化、蜂鳴器初始化、舵機初始化和TF卡初始化成功后查看LCD顯示屏顯示攝像頭識別到的畫面、超聲波測距傳感器檢測到距離過近時蜂鳴器報警系統(tǒng)初始化完成。圖5-1系統(tǒng)實物圖5.2測試步驟系統(tǒng)通電初始化成功后，通過2.4寸LCD顯示屏（如圖5-2）實時顯示攝像頭采集到的圖像，實時顯示系統(tǒng)狀態(tài)。圖5-2顯示模塊通過按鍵模塊來完成相關(guān)操作，按下右邊（SYS—系統(tǒng)開始）的按鍵，系統(tǒng)狀態(tài)從END(結(jié)束)變?yōu)镽UN（開始）如圖5-3。圖5-3按鍵模塊如圖5-4，通過舵機驅(qū)動小車，完成履帶車移動的功能。圖5-4舵機圖5-5蜂鳴器當(dāng)攝像頭識別到標(biāo)識0（如圖5-6）時，小車進行跟隨移動，當(dāng)時別到標(biāo)識1（如圖5-7）時，小車將會跟隨轉(zhuǎn)彎，左輪會進行一個大概持續(xù)15秒的轉(zhuǎn)動，右輪不轉(zhuǎn)。攝像頭實際識別的距離一般狀況下2CM-60CM的精度可達到,小于2CM蜂鳴器（如圖5-5）發(fā)出聲響告警，并且舵機停止運動。圖5-6標(biāo)識圖5-7標(biāo)識

第6章總結(jié)與展望6.1總結(jié)基于AI視覺標(biāo)志跟隨履帶車系統(tǒng)設(shè)計是一項涉及到多個技術(shù)領(lǐng)域的復(fù)雜工程，旨在實現(xiàn)通過攝像頭對特定形狀的標(biāo)志進行識別，并且讓履帶車能夠自動跟隨移動的功能。在這一過程中，需要設(shè)計出適用于該系統(tǒng)需求的硬件電路和軟件程序。具體來說，該系統(tǒng)主要包括相機模塊、圖像處理單元、控制芯片、履帶車底盤等重要組成部分。在設(shè)計硬件電路時，需要考慮到各個模塊之間的數(shù)據(jù)傳輸和通信，同時還需要充分考慮供電、通訊接口等方面的問題。此外，在設(shè)計軟件控制程序時，需要考慮到圖像識別算法、目標(biāo)跟蹤算法、移動算法等方面的問題，并將這些模塊無縫地整合起來。總之，基于AI視覺標(biāo)志跟隨履帶車系統(tǒng)設(shè)計需要綜合運用計算機視覺、機器學(xué)習(xí)、控制理論等多個知識領(lǐng)域，以實現(xiàn)前所未有的智能化車輛運動控制。6.2展望基于AI視覺標(biāo)志跟隨履帶車系統(tǒng)的設(shè)計是一項涉及到多個技術(shù)領(lǐng)域的復(fù)雜工程，旨在實現(xiàn)通過攝像頭對特定形狀的標(biāo)志進行識別，并且讓履帶車能夠自動跟隨移動的功能。該系統(tǒng)具有廣泛的應(yīng)用前景，可以被應(yīng)用在許多領(lǐng)域，如物流運輸、智慧城市建設(shè)、機器人技術(shù)等。未來，隨著深度學(xué)習(xí)、計算機視覺、邊緣計算等領(lǐng)域的不斷發(fā)展，基于AI視覺標(biāo)志跟隨履帶車系統(tǒng)的設(shè)計也將會得到更好的拓展。以下是該系統(tǒng)的展望：更高效的計算方法：由于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)在計算方面的需求較高，因此這類系統(tǒng)需要強大的計算能力才能運行。未來更高效的計算方法和新一代硬件平臺的出現(xiàn)，將更好地服務(wù)于其發(fā)展。增強學(xué)習(xí)算法應(yīng)用：增強學(xué)習(xí)是機器學(xué)習(xí)中最熱門和最先進的技術(shù)之一。通過增強學(xué)習(xí)的應(yīng)用，該系統(tǒng)可以更加智能化地做出決策，提高其可靠性和執(zhí)行效率。更加靈活的移動機構(gòu)：傳統(tǒng)的履帶車結(jié)構(gòu)比較固定，不太適合于使用在特殊地形或復(fù)雜環(huán)境中。未來，該系統(tǒng)可以更加靈活地采用不同的移動結(jié)構(gòu)，如輪式移動、腿式移動等，并且能夠智能地調(diào)整移動方法，以實現(xiàn)更好的運動控制效果?？傊贏I視覺標(biāo)志跟隨履帶車系統(tǒng)是一個充滿潛力的領(lǐng)域。未來，該技術(shù)將會不斷得到發(fā)展和拓展，我們有理由相信該領(lǐng)域會迎來更多重大突破，為社會的智能化持續(xù)作出貢獻。

參考文獻[1]郭熹;李斌;馬文輝;賀鳴;陳亞峰.基于5G的工業(yè)AI視覺檢測系統(tǒng)應(yīng)用[C].郵電設(shè)計技術(shù).2021.[2]孫昕怡.AI視覺檢測項目范圍管理的研究[M].北京郵電大學(xué),2020.[3]唐淮;張晶;李為穎;馮冬梅;吳科進.基于AI視覺的工業(yè)機器人抓取系統(tǒng)設(shè)計[P].內(nèi)燃機與配件2022.[4]喬旭;趙偉;張煒;趙建.面向交通行業(yè)的AI視覺應(yīng)用研究[P].江蘇科技信息,2021.[5]王棟輝.基于AI視覺的智能停車場信息感知方法研究[M].吉林大學(xué),2021.[6]朱晨輝;李連豪;王萬章;張紅梅.高地隙液壓履帶車自動行走控制系統(tǒng)設(shè)計與試驗[P].農(nóng)業(yè)機械學(xué)報.2018.[7]趙明.液壓履帶車自動行走控制系統(tǒng)設(shè)計與試驗[P].河南農(nóng)業(yè)大學(xué),2019.[8]鄒硯湖.鉸接式履帶車預(yù)定路徑行走控制研究[J].中南大學(xué).2019.[9]石菲.當(dāng)AI視覺遇上“燈塔工廠”[M].中國信息化.2021.[10]黎清萬;鐘嘉寶.AI視覺識別——人工智能項目式學(xué)習(xí)實踐（PBL）設(shè)計[C].中國信息技術(shù)教育.2022.[11]凈遠.基于機器視覺的煤礦AI膠帶異物識別控制系統(tǒng)[J].能源與節(jié)能,2023(04):133-135.DOI:10.16643/ki.14-1360/td.2023.04.010.[12]陳啟航,沈琛博,王凱超,徐健,華斯亮.基于EdgeBoard的AI視覺多功能智能車的設(shè)計與實現(xiàn)[J].常熟理工學(xué)院學(xué)報,2023,37(02):53-57.DOI:10.16101/32-1749/z.2023.02.009.[13]田冬冬.基于AI視覺與機器人的智能化柔性打磨技術(shù)研究[J].冶金設(shè)備,2022(S1):17-20.[14]陳元威,王雁平,黃瓊桃,陳澤娜,黃龍子.基于AI的機械視覺控制系統(tǒng)設(shè)計[J].儀表技術(shù),2022(06):37-38+57.DOI:10.19432/ki.issn1006-2394.2022.06.009.[15]周能兵,齊世龍,劉棟.基于計算機視覺識別的AI技術(shù)在工地安全管理的應(yīng)用[J].建筑安全,2022,37(08):74-77.[16]JournalofTechnology&Science.Science-AutomationScience;ResearchersfromTaiyuanUniversityofTechnologyReportNewStudiesandFindingsintheAreaofAutomationScience.[M].2019[17]RexbyeHelle.Constructionsofoldagebasedonvisualsigns.2021[18]DeepNeuralNetworks YouMingyu;LuoChaoxian;ZhouHongjun.VisualLandmarkLearningViaAttention-BasedDeepNeuralNetworks.2021[19]ZhengHexin.FalseVisionGraphicsinLogoDesignBasedonArtificialIntelligenceintheVisualParadoxEnvironment[P].M2Presswire.2022[20]AltafAlam;ZainulAbdinJaffery.AVisionbasedIndianTrafficSignClassification.2020

附錄電路圖源代碼classCar_Drive:def__init__(self,sg90_1,sg90_2):self.sg90_1=sg90_1self.sg90_2=sg90_2defServo(self,sg90,speed):sg90.duty((speed+90)/180*2*5+0.5*5)defForeward(self,sg90):self.Servo(sg90,6)defInverted(self,sg90):self.Servo(sg90,-10)defWheel_Stop(self,sg90):self.Servo(sg90,0)defA_Stop(self):self.Wheel_Stop(self.sg90_1)defA_Foreward(self):self.Inverted(self.sg90_1)defA_Inverted(self):self.Foreward(self.sg90_1)defB_Stop(self):self.Wheel_Stop(self.sg90_2)defB_Foreward(self):self.Foreward(self.sg90_2)defB_Inverted(self):self.Inverted(self.sg90_2)defStop(self):self.B_Stop()self.A_Stop()defGo(self):self.B_Foreward()#左輪self.A_Foreward()defTurn_Left(self):#左轉(zhuǎn)self.B_Inverted()self.A_Foreward()defTurn_Right(self):#右轉(zhuǎn)self.B_Foreward()self.A_Inverted()defInit(self):self.Stop()#frommachineimportUARTfromMaiximportGPIOfromfpioa_managerimportfmimporttimeclassHC_SR04:def__init__(self,uart):self.uart=uartdefInit(self):self.uart.init(9600,timeout=1000,read_buf_len=10240)#重新設(shè)置串口波特率defRece_Data_Handle(self):self.uart.write(b'\xA0')distance_f_cm=0.0forrece_delay_countinrange(10):rece_data=self.uart.read()ifnotrece_dataisNone:#if(notrece_data[0]isNone)and(notrece_data[1]isNone)and(notrece_data[2]isNone):iflen(rece_data)==3:print('[0]:',rece_data[0])print('[1]:',rece_data[1])print('[2]:',rece_data[2])distance_f_cm=(rece_data[0]*255*255+rece_data[1]*255+rece_data[2])/10000print('FromDrivedistance_f_cm:',distance_f_cm)ifdistance_f_cm<=2.0ordistance_f_cm>=50.0:distance_f_cm=0.0ifdistance_f_cm!=0.0:returndistance_f_cmreturndistance_f_cm#AprilTags示例##此示例顯示了OpenMVCam在OpenMVCamM7上檢測April標(biāo)簽的強大功能。#OpenMV2M4版本無法檢測April標(biāo)簽。importsensor,image,time,mathimportlcdfromMaiximportGPIOfromfpioa_managerimportfmfrommachineimportTimer,PWM#CarimportCar_DrivefrommachineimportUARTimportHC_SR04_Drive########################################Sys-configSYS_Status='END'#系統(tǒng)狀態(tài)Tag_Enter={0:{'family':'TAG16H5','ID':'0'},1:{'family':'TAG16H5','ID':'1'}}#Tag_Enter={'family':'-','ID':'-'}Tag_Current={'family':'-','ID':'-','CX':0,'CY':0}Distance_f_cm=0.0#################################################################################################################################Pin-config###############################################BEEP3.3vVCC，Pin控GND，低電平響PIN_BEEP=9#SG90(360°)5vVCCPIN_SG90_1_C=10PIN_SG90_2_C=11#KEYPIN_KEY_0=15PIN_KEY_1=16PIN_KEY_2=17#HC_SR045vVCCMCU_TX_HC_SR04_RX=20#引腳配置(Trig)MCU_RX_HC_SR04_TX=21#引腳配置(Echo)#狀態(tài)參數(shù)_BEEP__OPEN=const(0)_BEEP_CLOSE=const(1)##############################################################################################################################蜂鳴器######################################################fm.register(PIN_BEEP,fm.fpioa.GPIO0)#構(gòu)建BEEP對象，并初始化輸出高電平，關(guān)閉BEEPBEEP=GPIO(GPIO.GPIO0,GPIO.OUT,value=1)#建立BEEP狀態(tài)變量--初值：關(guān)BEEP_Status=_BEEP_CLOSE#關(guān)閉蜂鳴器BEEP.value(BEEP_Status)####################################################################################################################################Car#################################################tim1=Timer(Timer.TIMER0,Timer.CHANNEL0,mode=Timer.MODE_PWM)#PWM通過定時器配置tim2=Timer(Timer.TIMER0,Timer.CHANNEL1,mode=Timer.MODE_PWM)#PWM通過定時器配置SG90_1=PWM(tim1,freq=50,duty=0,pin=PIN_SG90_1_C)#右輪SG90_2=PWM(tim2,freq=50,duty=0,pin=PIN_SG90_2_C)#左輪Car=Car_Drive.Car_Drive(SG90_1,SG90_2)Car.Init()#Car.Turn_Right()#while1:#1#Car.Turn_Left()#Tag_Enter={'family':'-','ID':'-'}#Tag_Current={'family':'-','ID':'-'}###########################################KEY##按鍵1--學(xué)習(xí)標(biāo)簽#fm.register(16,fm.fpioa.GPIOHS0)#注冊IO-KEY#KEY_Enter=GPIO(GPIO.GPIOHS0,GPIO.IN,GPIO.PULL_UP)#構(gòu)建KEY對象#defexit_KEY_Enter_fun(KEY_Enter):#KEY_0中斷回調(diào)函數(shù)#globalSYS_Status#globalTag_Enter,Tag_Current#time.sleep_ms(10)#消除抖動#ifKEY_Enter.value()==0:#確認按鍵按下#print('正在錄入--111')#ifSYS_Status=='END':#print('正在錄入--222')#ifTag_Current['family']!='-'andTag_Current['ID']!='-':#Tag_Enter['family']=Tag_Current['family']#Tag_Enter['ID']=Tag_Current['ID']#KEY_Enter.irq(exit_KEY_Enter_fun,GPIO.IRQ_FALLING)#開啟中斷，下降沿觸發(fā)#按鍵2--系統(tǒng)fm.register(17,fm.fpioa.GPIOHS2)#注冊IO-KEYKEY_Sys=GPIO(GPIO.GPIOHS2,GPIO.IN,GPIO.PULL_UP)#構(gòu)建KEY對象defexit_KEY_Sys_fun(KEY_Sys):#KEY_2中斷回調(diào)函數(shù)globalSYS_StatusglobalTag_Entertime.sleep_ms(10)#消除抖動ifKEY_Sys.value()==0:#確認按鍵被按下ifSYS_Status=='END':SYS_Status='RUN'else:SYS_Status='END'KEY_Sys.irq(exit_KEY_Sys_fun,GPIO.IRQ_FALLING)#開啟中斷，下降沿觸發(fā)##########################################HC_SR04fm.register(MCU_TX_HC_SR04_RX,fm.fpioa.UART1_TX,force=True)fm.register(MCU_RX_HC_SR04_TX,fm.fpioa.UART1_RX,force=True)uart=UART(UART.UART1,9600,read_buf_len=10240)HC_SR04=HC_SR04_Drive.HC_SR04(uart)HC_SR04.Init()#Distance_f_cm=HC_SR04.Rece_Data_Handle()circle_flag=0circle_count=0##########################################Tim#定時器回調(diào)函數(shù)周期100msdeffun(tim):globalSYS_StatusglobalDistance_f_cmglobalTag_Enter,Tag_Currentglobalcircle_flag,circle_countifcircle_flag==1:circle_count=circle_count+1ifcircle_count>=150:#左輪轉(zhuǎn)15秒circle_count=0circle_flag=0else:circle_count=0#定時器0初始化，周期10mstim=Timer(Timer.TIMER1,Timer.CHANNEL0,mode=Timer.MODE_PERIODIC,period=100,callback=fun)lcd.init()sensor.reset()sensor.set_pixformat(sensor.RGB565)sensor.set_framesize(sensor.QQVGA)#如果分辨率更大，我們的內(nèi)存會耗盡...(160*120)sensor.set_hmirror(True)#水平方向旋轉(zhuǎn)，即：鏡像sensor.set_vflip(1)#垂直方向旋轉(zhuǎn)sensor.skip_frames(time=2000)sensor.set_auto_gain(False)#必須關(guān)閉此功能，以防止圖像沖洗…sensor.set_auto_whitebal(False)#必須關(guān)閉此功能，以防止圖像沖洗…lcd.rotation(0)#調(diào)整屏幕方向clock=time.clock()#注意！與find_qrcodes不同，find_apriltags方法不需要對圖像進行鏡頭校正#apriltag代碼最多支持可以同時處理6種tag家族。#返回的tag標(biāo)記對象，將有其tag標(biāo)記家族及其在tag標(biāo)記家族內(nèi)的id。tag_families=0tag_families|=image.TAG16H5#注釋掉，禁用這個家族#tag_families|=image.TAG25H7#注釋掉，禁用這個家族#tag_families|=image.TAG25H9#注釋掉，禁用這個家族#tag_families|=image.TAG36H10#注釋掉，禁用這個家族#tag_families|=image.TAG36H11#注釋掉以禁用這個家族(默認家族)#tag_families|=image.ARTOOLKIT#注釋掉，禁用這個家族#標(biāo)簽系列有什么區(qū)別？那么，例如，TAG16H5家族實際上是一個4x4的方形標(biāo)簽。#所以，這意味著可以看到比6x6的TAG36H11標(biāo)簽更長的距離。#然而，較低的H值（H5對H11），意味著4x4標(biāo)簽的假陽性率遠高于6x6標(biāo)簽。#所以，除非你有理由使用其他標(biāo)簽系列，否則使用默認族TAG36H11。deffamily_name(tag):if(tag.family()==image.TAG16H5):return"TAG16H5"if(tag.family()==image.TAG25H7):return"TAG25H7"if(tag.family()==image.TAG25H9):return"TAG25H9"if(tag.family()==image.TAG36H10):return"TAG36H10"if(tag.family()==image.TAG36H11):return"TAG36H11"if(tag.family()==image.ARTOOLKIT):return"ARTOOLKIT"Flag=0Distance_f_cm_tmp=0.0while(True):clock.tick()#init#Distance_f_cm=0.0#Tag_Current['family']='-'#Tag_Current['ID']='-'#Tag_Current['CX']=0#Tag_Current['CY']=0#task_1:Distance#Distance_f_cm_tmp=0.0#fornuminrange(2):#Distance_f_cm_tmp=Distance_f_cm_tmp+HC_SR04.Rece_Data_Handle()#Distance_f_cm=Distance_f_cm_tmp/2.0Distance_f_cm=HC_SR04.Rece_Data_Handle()#task_2:Tagimg=sensor.snapshot()fortaginimg.find_apriltags(families=tag_families):#如果沒有給出家族，默認TAG36H11。img.draw_rectangle(tag.rect(),color=(255,0,0))img.draw_cross(tag.cx(),tag.cy(),color=(0,255,0))print(tag.cx(),tag.cy())print_args=(family_name(tag),tag.id(),(180*tag.rotation())/math.pi)print("TagFamily%s,TagID%d,rotation%f(degrees)"%print_args)Flag=1ifFlag==1:Tag_Current['family']