树莓派应用--AI项目实战篇来啦-11.OpenCV定位物体的实时位置

 1. 介绍

        本项目通过PCA9685舵机控制模块控制二自由度舵机云台固定在零点位置，然后通OpenCV检测到黄色小熊，找到中心位置并打印出中心位置的坐标，通过双色LED灯进行指示是否检测到目标，本项目为后面二维云台追踪物体和追踪人脸提供基础，云台追踪物体就必须知道物体的中心坐标和图像坐标的相对值，然后才能控制舵机云台进行水平方问（x方向）和垂直方向（y方向）进行修正。

2.OpenCV 定位物体的实时位置

        使用平移/倾斜舵机云台将对象放置在屏幕中间。对于运动的物体，我们必须实时知道对象的位置。所以必须知道对象中心的坐标。
        首先，之前已经学习过识别颜色，这里我们对其进行修改以打印所建立对象的x，y坐标。
        代码的“核心”是找到对象在其上画一个圆并在其中心画一个红点。
        在项目中搭建一个双色LED灯模块，该双色 LED 灯连接的是GPIO管脚（GPIO19）端口上，从而可以让双色LED 灯作为提示。

3.建立电路

4. 源程序代码

# 载入必要的库文件
from __future__ import print_function
from gpiozero import LED
from adafruit_servokit import ServoKit
from imutils.video import VideoStream
import imutils
import time
import cv2
import os

kit = ServoKit(channels=16)

# 舵机调零
pan =  90
tilt = 60    # 往上仰，方便操作
# 初始化位置
kit.servo[0].angle=pan
kit.servo[1].angle=tilt

# LED 初始化
redLed = LED(19)

kit = ServoKit(channels=16)

# 舵机调零
pan =  90
tilt = 60    # 往上仰，方便操作
# 初始化位置
kit.servo[0].angle=pan
kit.servo[1].angle=tilt

# LED 初始化
redLed = LED(19)

import libcamera
from picamera2 import Picamera2

picamera = Picamera2()
config = picamera.create_preview_configuration(main={"format": 'RGB888', "size": (640, 480)},
                                               raw={"format": "SRGGB12", "size": (1920, 1080)})
config["transform"] = libcamera.Transform(hflip=0, vflip=1)
picamera.configure(config)
picamera.start()

time.sleep(2.0)

# 定义对象的上下边界
# 在HSV颜色空间中进行跟踪
colorLower = (3,100,100)
colorUpper = (23,255,255)


# 创建显示控件
def bgr8_to_jpeg(value, quality=75):
    return bytes(cv2.imencode('.jpg', value)[1])
    
import traitlets
import ipywidgets.widgets as widgets
from IPython.display import display
Frame = widgets.Image(format='jpeg', width=500, height=350)
display(Frame)


# 线程函数操作库
import threading # 线程
import ctypes
import inspect

# 线程结束代码
def _async_raise(tid, exctype):
    tid = ctypes.c_long(tid)
    if not inspect.isclass(exctype):
        exctype = type(exctype)
    res = ctypes.pythonapi.PyThreadState_SetAsyncExc(tid, ctypes.py_object(exctype))
    if res == 0:
        raise ValueError("invalid thread id")
    elif res != 1:
        ctypes.pythonapi.PyThreadState_SetAsyncExc(tid, None)
        raise SystemError("PyThreadState_SetAsyncExc failed")
        
def stop_thread(thread):
    _async_raise(thread.ident, SystemExit)

# 关闭LED灯
redLed.off()
ledOn = False

def Video_display():
    global ledOn
    # 循环的帧从视频流
    while True:
        # 从视频流中抓取下一帧，调整大小
        # 帧，并将其转换为HSV颜色空间
        frame = picamera.capture_array()
        frame = imutils.resize(frame, width=500)
        frame = imutils.rotate(frame, angle=0)
        hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

        # 为对象颜色构造一个遮罩，然后执行
        # 一系列的膨胀和侵蚀，以消除任何小的
        # blobs left in the mask
        mask = cv2.inRange(hsv, colorLower, colorUpper)
        mask = cv2.erode(mask, None, iterations=2)
        mask = cv2.dilate(mask, None, iterations=2)

        # 找到遮罩中的轮廓并初始化
        # (x, y) center of the object
        cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2]
        #cnts = cnts[0] if imutils.is_cv2() else cnts[1]
        center = None

        # 只有在找到至少一条轮廓线时才进行
        if len(cnts) > 0:
            # 在蒙版中找到最大的轮廓，然后使用
            # 它可以计算出最小的围圆
            # 重心
            c = max(cnts, key=cv2.contourArea)
            ((x, y), radius) = cv2.minEnclosingCircle(c)
            M = cv2.moments(c)
            center = (int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"]))

            # 只有当半径满足最小尺寸时才进行
            if radius > 10:
                # 在框架上画圆和质心，
                # 然后更新跟踪点的列表
                cv2.circle(frame, (int(x), int(y)), int(radius),(0, 255, 255), 2)
                cv2.circle(frame, center, 5, (0, 0, 255), -1)

                # 定位舵机在圆心
                mapObjectPosition(int(x), int(y))

                # 如果led还没有打开，打开led
                if not ledOn:
                    redLed.on()
                    ledOn = True
        # 如果没有检测到球，关闭LED灯
        elif ledOn:
            redLed.off()
            ledOn = False

        # 向我们的屏幕显示框架
        Frame.value = bgr8_to_jpeg(frame) 
        time.sleep(0.01)                # 不要CPU 占用太高
    # 做点清理工作
    print("\n [INFO] Exiting Program and cleanup stuff \n")


# 开始线程
t = threading.Thread(target=Video_display)
t.setDaemon(True)
t.start()

# 结束线程
stop_thread(t)

        运行程序，将在终端上看到（x，y）位置坐标，移动对象并观察坐标。将看到x从0到500（从左到右），y从0到350（从上到下）。在 JupyterLab 上实时打印出坐标信息，当识别到物体（黄色小熊）的时候，可以观察双色LBD灯的变化。