AI智能车方向的认识

说说

这里是学习部分知识的记录

总线370电机介绍

电源：总线接口既是通信接口又是电源输入接口，输入电源范围 DC：6-12V

通信接口和电源接口共用一个接口，其中 VCC/GND 表示电源引脚，DATA 是信号引脚

【工作灯】：输入电源正常工作时，指示灯 1S 闪烁一次即为正产，常亮或者常灭均有问题，需立即拔下电源检查问题所在。
【转向灯】：当一个灯亮起时的转动定义正向转动时，另一个灯亮起即表示反向转动。

B （测速信号）``CH1 （驱动信号）``CH2 （驱动信号）``A （测速信号）

麦克纳姆轮控制原理

'''
    通过串口发送指令控制电机的转速,时间
    参数：
    speed_l1---左前轮
    speed_r1---右前轮
    speed_l2---左后轮
    speed_r2---右后轮
    (-1000~1000)负值后退，正值前进，绝对值越大转速越高。
    time 代表车轮转动时间，0 代表一直转动，1000 代表转动 1 秒，以此类推。
'''
def car_run(speed_l1,speed_r1,speed_l2,speed_r2,time):
    textSrt = '#006P{0:0>4d}T{4:0>4d}!#007P{1:0>4d}T{4:0>4d}!#008P{2:0>4d}T{4:0>4d}!#009P{3:0>4d}T{4:0>4d}!'.format(1500+speed_l1,1500-speed_r1,1500+speed_l2,1500-speed_r2,time)
    print(textSrt)
    myUart.uart_send_str(textSrt)

# 小车停止
    def car_stop():
    myUart.uart_send_str('#006P1500T1000!#007P1500T1000!#008P1500T1000!#009P1500T1000!')
def car_text():
    car_run(400,400,400,400,1000) #前进
    time.sleep(1)
    car_run(-400,-400,-400,-400,1000) #后退
    time.sleep(1)
    car_run(-400,400,-400,400,1000) #左转
    time.sleep(1)
    car_run(400,-400,400,-400,1000) #右转
    time.sleep(1)
    car_run(-400,400,400,-400,1000) #左平移
    time.sleep(1)
    car_run(400,-400,-400,400,1000) #右平移
    time.sleep(1)
    car_stop()

自由避障代码讲解

超声波传感器原理：

采用 IO 触发测距，给至少 10us 的高电平信号;
模块自动发送 8 个 40khz 的方波，自动检测是否有信号返回；有信号返回，通过 IO 输出一高电平，高电平持续的时间就是超声波从发射到返回的时间．测试距离=(高电平时间*声速(340M/S))/2;

工作原理：
超声波传感器检测距离，小于 30cm 时左转，判断 mode 的值使指令只发送一次

# 自由避障
def obstacle_avoidance():
    global systick_ms_bak,dis,mode
    if(int((time.time() * 1000))- systick_ms_bak > 100):
        systick_ms_bak = int((time.time() * 1000))
        dis = myUls.distance()
        dis = int(dis)
        if 30 >= dis and mode != 1:
            myCar.car_run(400,400,400,400,0) #前进
            mode = 1
        elif dis < 30 and mode != 2:
            mode = 2
            myCar.car_run(-400,400,-400,400,2000)
            myBeep.beep(1,1)

跟随模式代码讲解

代码逻辑：
dis 获取超声波检测的距离，单位 cm，小于 15cm 时后退，在 15-35 范围内和大于 60cm 时停止，在 35-60cm 内前进，判断 mode 的值使指令发送一次

def nterval_follow():
    global systick_ms_bak,dis,mode
    if(int((time.time() * 1000))- systick_ms_bak > 100):
        systick_ms_bak = int((time.time() * 1000))
        dis = myUls.distance()
    if dis < 15 and mode != 1:
        myCar.car_run(-400,-400,-400,-400,0) #后退
        mode = 1
    elif (15 <= dis <= 35 or dis > 60) and mode != 2:
        mode = 2
        myCar.car_stop()
    elif 35 < dis <= 60 and mode != 3:
        myCar.car_run(400,400,400,400,0) #前进
        mode = 3

总线舵机介绍

舵机参数

舵机供电范围 4.8-8.4V。
扭力 15kg/cm。
八种角度工作模式，270 度角度控制正反转、180 度角度控制正反转、360 度定圈连续旋转正反转、360 度定时连续旋转正反转八种工作模式可切换,同一个舵机可在这八种角度工作模式下供用户切换。
单总线通讯，波特率 115200，舵机之间通过总线串联。每个舵机都有自己 ID 号，
舵机默认 ID 为 0，用户可通过命令改变舵机 ID，255 代表广播地址。
可回读角度，用户可读取舵机当前实时位置。
串口指令控制，无需用户编写舵机 PWM 驱动程序，控制简单。

注意：所有的 ID 号必须是 3 位，不够用 0 补齐，例如 1 号，则 001，PWM 位 4 位，不够用 0 补齐，
例如 500 则 0500，Time 4 位，例如 20，则为 0020，最大时间位 9999ms.

1、#000P1500T1000!
解析：“#”和“!”是固定英文格式。000 代表 ID（范围 0-254），必须为 3 位，不足补 0。比如 3 号舵机为“003”而不能为“3”。1500 代表 PWM 脉冲宽度调制（P）（范围 500-2500），必须为 4 位，不足补 0。比如 PWM 为 800，则必须为“P0800”。1000 代表 TIME 时间(T)（范围 0-9999），同样必须为 4 位，不足补 0，单位 ms。比如 TIME 为 500，则必须为“T0500” 该指令可以叠加同时控制多个舵机。多个指令同时使用时（2 个或 2 个以上叠加）需要在整条指令前后加“{}”，比如：{G0000#000P1602T1000!#001P2500T0000!#002P1500T1000!}

2、#000PVER!
解析：读取舵机版本号，返回格式为：#000PV0.97!

3、#000PID!

4、#000PID001!
解析：指定ID检测，该指令时读取000的ID，检测当前舵机是否为000 这个ID号，是返回#000P!。
否则无返回，当不知道舵机 ID 时，发送#255PID! 可返回舵机 ID 号。

解析：指定修改 ID，该指令是把 000 号 ID 改为 001 号，修改成功后返回#001P!。不成功无返回。

5、#000PULK!
解析：释放后舵机处于制动状态，此时可以用手扳动舵机旋转。在纠正舵机偏差和手动编程时会用到此功能，成功返回 #OK!。

6、#000PULR!
解析：恢复扭力，以舵机当前的位置恢复扭力，成功返回#OK!

7、#000PMOD!
解析：读取舵机当前的工作模式，返回如下：

#000PMOD1! ：舵机模式，角度最大范围 270 度，方向顺时针
#000PMOD2! ：舵机模式，角度最大范围 270 度，方向逆时针
#000PMOD3! ：舵机模式，角度最大范围 180 度，方向顺时针
#000PMOD4! ：舵机模式，角度最大范围 180 度，方向逆时针
#000PMOD5! ：马达模式，角度 360 度，定圈旋转，方向顺时针
#000PMOD6! ：马达模式，角度 360 度，定圈旋转，方向逆时针
#000PMOD7! ：马达模式，角度 360 度，定时旋转，方向顺时针
#000PMOD8! ：马达模式，角度 360 度，定时旋转，方向逆时针

8、#000PMOD1!

解析：设置舵机工作模式，默认工作模式为 1
1：舵机模式 270 度顺时针
2：舵机模式 270 度逆时针
3：舵机模式 180 度顺时针
4：舵机模式 180 度逆时针
5：马达模式 360 度定圈顺时针模式
6：马达模式 360 度定圈逆时针模式
7：马达模式 360 度定时顺时针模式
8：马达模式 360 度定时逆时针模式
设置成功均返回#OK!

关于定圈定时问题解释：
定圈模式：若指令为 #000P1800T1000! 表示以 300（1800-1500）的速度，运行 1000 圈后停止，允许误差存在。若 T=0000！则表示以 300（1800-1500）的速度无限循环执行。
定时模式：若指令为 #000P1800T1000! 表示以 300（1800-1500）的速度，运行 1000S 后停止，
允许误差存在。若 T=0000！则表示以 300（1800-1500）的速度无限循环执行。

9、#000PRAD!
解析：读取舵机当前位置，返回格式为#000P1500!

10、#000PDPT!
解析：暂停，舵机运行过程中接收此指令，会停止当前，再接收继续指令后，会接在当前位置继续运行，成功返回 #OK!

11、#000PDCT!
解析：配合暂停指令继续操作，比如#001P2500T5000! 发送给舵机，在 2000ms 的时候发送了#000PDPT! 指令给舵机，则舵机暂停，保持力矩在停止的位置，再发送#000PDCT!给舵机，则舵机继续剩余的 3000ms 结束，成功返回 #OK!

12、#000PDST!
解析：停止在当前位置，与暂停指令不同的事，之后无法继续执行，需重新执行，返回#OK!

13、#000PBD1!
解析：设置舵机通信波特率，默认 115200。数字参数对应关系为：1-9600，2-19200，3-38400，4-57600，5-115200，6-128000，7-256000，8-1000000，该指令设置成功后返回#000PBD9600!。

14、#000PSCK!
解析：用于纠正偏差，将当前位置设置为 1500 中间值，成功返回 #OK!

15、#000PCSD!
解析：设置舵机启动位置，默认 1500，开机自启动范围为 0500~2500，成功返回 #OK!

16、#000PCSM!
解析：去除初始值，使用该命令后，#000PCSD! 指令失效，舵机启动释力状态。成功返回 #OK!

17、#000PCSR!
解析：恢复初始值，使用该命令后，舵机启动恢复力矩，#000PCSD! 指令恢复，转到初始值，成功返回 #OK!

18、#000PSMI!
解析：设置舵机最小值，最小值默认为 0500，将舵机调节到合适位置后，发送此命令设置。成功返回#OK!

19、#000PSMX!
解析：设置舵机最大值，最大值默认为 2500，将舵机调节到合适位置后，发送此命令设置。成功返回#OK!

20、#000PCLE!
解析：全恢复出厂设置，ID 号恢复 000，舵机模式默认 1、波特率默认 115200、初始值 1500、矫正值 1500、最小值 0500、最大值 2500，成功返回 #OK!

21、#000PRTV!
解析：获取温度和电压，成功返回 #000T25V07!
舵机的 ID 默认是 0， ID 为 255 是广播模式，广播命令对所有舵机都有效。

22、#000PSTB!
解析：读取设置温度和电压。

23、#000PSTB=60!
解析：设置释放扭力阈值温度为 60

注意事项
舵机默认 ID 为 0，用户在使用前需要修改 ID，使每个舵机 ID 号不一样，否则舵机串联后所有舵机都会同时运动。修改 ID 时候舵机不要串联，当所有要使用舵机 ID 修改完毕后，在将舵机串联即可。

机械臂之逆运动学控制

机械臂正逆运动学认识：
正运动学分析是已知每个关节的姿态的前提下，解算出末端执行器的姿态。而逆运动学研究的问题是，要求控制末端执行器到达某一位置时，各关节应处于什么姿态。

import sys
sys.path.append('/home/pi/Desktop/ZL-PI/factory_code/')
import time

import ZL_SDK.z_beep as myBeep
import ZL_SDK.Z_UartServer as myUart
import AI_Functions.z_kinematics as kms

myBeep.setup_beep()
myUart.setup_uart(115200)

'''
设置四个关节的长度
单位 0.1mm
底盘到第二个舵机中心轴的距离
第二个舵机到第三 个舵机的距离
第三个舵机到第四 个舵机的距离
第四个舵机到机械臂(闭合后)最高点的距离
'''
kms.setup_kinematics(170,105,75,185)# 初始化
myUart.uart_send_str("#255P1500T1000!")
time.sleep(2)
# 发出嘀嘀嘀作为开机声音
myBeep.beep(3,0.1)

'''输入参数：x,y,z,time

以机械臂的视角来看：
左右为 x 轴，右为正值，单位毫米;
前后为 y 轴，前为正值，y 值不能小于 0,单位毫米;
z 为高度，单位毫米;
time 为机械臂运行到目标位置的时间，单位毫秒。

若输出为{#000P0000T1000!#001P0000T1000!#002P0000T1000!#003P0000T1000!}。说明机械臂无法达到目标位置。
'''

kms.kinematics_move(0,100,150,1000)# 运用
time.sleep(2)
kms.kinematics_move(0,200,200,1000)
time.sleep(2)
kms.kinematics_move(0,300,50,2000)
time.sleep(3)
myUart.uart_send_str("#255P1500T2000!")

颜色追踪代码讲解

颜色识别的流程：

第一步：高斯滤波使图片模糊，减小图像噪点；
第二步：将 BGR 模型转换为 HSV 模型，
RGB 模型适合显示，但却并不适合作为颜色识别的模型。HSV 更加符合人眼的感受，将其作为颜色识别的模型会大大提高识别的鲁棒性，因为 HSV 模型颜色识别大大减少了对环境光的依赖。
第三步：设置阈值，去除背景，保留所设置的颜色。
第四，五步：对图像进行开运算，先腐蚀后膨胀，移除由图像噪声形成的斑点。
第六步：通过边缘检测获取识别到物体的中心点坐标，及长宽。

根据物体在画面中的相对坐标判断物体的位置，换算成 pwm 值，通过（#000P1500T1000!）控制指令控制舵机或电机转动

Flag 变量为真时是机械臂跟随模式，为假时是车体跟随模式。

def color_detect(frame,color,flag):
    global x_bias,y_bias,c_h,c_w,width,hight

    frame = cv2.resize(frame, (320,240), interpolation = cv2.INTER_CUBIC) # 将图片缩放到 320*240

    #1-高斯滤波 GaussianBlur() 让图片模糊
    frame = cv2.GaussianBlur(frame,(5,5),0)

    #2-转换 HSV 的样式 以便检测
    hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)

    #3-查找字典
    mask = cv2.inRange(hsv, color_dist[color]['Lower'], color_dist[color]['Upper'])
    
    #4-腐蚀图像
    mask = cv2.erode(mask,None,iterations=2)
    
    #5-膨胀
    mask = cv2.dilate(mask, cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))) #膨胀

    #图像合并
    #res = cv2.bitwise_and(frame,frame,mask=mask)

    #6-边缘检测
    cnts = cv2.findContours(mask.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2]

    if len(cnts) >0 : #通过边缘检测来确定所识别物体的位置信息得到相对坐标
        
        cnt = max(cnts,key=cv2.contourArea)
        rect = cv2.minAreaRect(cnt)
        # 获取最小外接矩形的 4 个顶点
        box = cv2.boxPoints(rect)
        cv2.drawContours(frame, [np.int0(box)], -1, (0, 255, 255), 2) #绘制轮廓

        #获取坐标 长宽 角度
        c_x, c_y = rect[0]
        c_h, c_w = rect[1]
        c_angle = rect[2]
        x_bias = c_x - width/2
        y_bias = c_y - hight/2
        area = c_h*c_w 39. print(time.time(), 'x=', int(c_x), 'y=', int(c_y), 'c_h=', int(c_h),'c_w=', int(c_w), 'angle=', int(c_angle))
        if 30 < c_h < 150 and 30 < c_w < 150:
            if flag:
                camera_follow(x_bias,y_bias) #机械臂跟随模式，根据物体距画面中心点的距离计算云台和 3 号舵机转动角度
        else:
        car_follow(x_bias,area) #车体跟随模式
        return frame

视觉循迹代码讲解

工作流程：
颜色识别流程参考第二课，在视觉循迹代码中不同的是查找轮廓的方法不同。
使用 cv2.CHAIN_APPROX_NONE 存储轮廓所有的点，然后寻找轮廓质心，根据轮廓质心在画面中的位置控制车辆移动。

def car_tracking(frame,color):
    global cx,cy
    # frame = cv2.resize(frame, (160,120), interpolation = cv2.INTER_CUBIC) 
    # 将图片缩放到 160*120

    frame = cv2.resize(frame,(160,60),interpolation = cv2.INTER_CUBIC)

    frame = cv2.GaussianBlur(frame,(5,5),0) #高斯滤波 GaussianBlur() 让图片模糊

    hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV) #将图片的色域转换为 HSV 的样式 以便检测

    mask = cv2.inRange(hsv, color_dist[color]['Lower'], color_dist[color]['Upper']) #设置阈值，去除背景 保留所设置的颜色

    mask = cv2.erode(mask,None,iterations=2) #显示腐蚀后的图像
    #膨胀，
    mask = cv2.dilate(mask, None, iterations=2)

    mask = cv2.GaussianBlur(mask,(3,3),0) #高斯模糊

    #查找轮廓
    image,contours,hierarchy = cv2.findContours(mask.copy(), 1, cv2.CHAIN_APPROX_NONE)
    
    if len(contours) > 0:
    
        c = max(contours, key=cv2.contourArea)
        M = cv2.moments(c)
        26. cx = int(M['m10']/M['m00'])
        cy = int(M['m01']/M['m00'])
        Tracing(cx)
    else:
        #print("I don't see the line" )
        pass
    return frame

人脸追踪代码讲解


face_cascade = cv2.CascadeClassifier('/home/pi/Desktop/car_code/AI_Functions/face.xml')

# 摄像头跟随
def camera_follow(x,y):
    global pwm_value1,pwm_value2
    x_bias = x - width/2
    y_bias = y - hight/2
    pwm_value1 = pwm_value1 - x_bias//5
    pwm_value2 = pwm_value2 - y_bias//5
    TextStr = '#000P%04dT0000!#003P%04dT0000!' % (pwm_value1,pwm_value2)
    print(TextStr)
    myUart.uart_send_str(TextStr)
def face(frame):
    frame = frame
    frame = cv2.resize(frame, (320,240), interpolation = cv2.INTER_CUBIC) #
    将图片缩放到 320*240
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray,1.1,5)
    debug = True
    findOk = 0
for (x,y,w,h) in faces:
    cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)
    roi_gray = gray[y:y+h, x:x+w]
    roi_color = frame[y:y+h, x:x+w]
    x = int(x+w/2)
    y = int(y+h/2)

    findOk = 1
    if findOk == 1:
        print ('time:',time.time(), ' x=',x, ' y=',y)
        camera_follow(x,y)
    return fram

太阳能板的选择

电池参数分析

电压（Voltage）：7.4V
容量（Capacity）：5200mAh（或5.2Ah）
放电倍率（Discharge Rate）：25C

其中，放电倍率25C意味着电池可以在1/25小时内完全放电，即理论上可以在2.4分钟内放电完毕。但实际上，这样的高倍率放电主要用于短时间的高功率应用，如电动工具或赛车。对于太阳能充电系统，我们主要关心的是电池的电压和容量。

太阳能板选择

电压：太阳能板的输出电压应略高于电池电压，以保证充电效率。因此，一个输出电压为8V到12V的太阳能板是比较合适的。
电流：电池的容量是5.2Ah，但太阳能板提供的电流会随光照强度而变化。在理想情况下，太阳能板在最大光照时的电流应至少为电池容量的1/3到1/2，即1.73A到2.6A。然而，由于太阳能板的输出电流会随光照条件变化，因此实际选择时可以考虑稍大一些的太阳能板。
功率：太阳能板的功率（瓦特）是电压和电流的乘积。根据上述分析，一个功率在80W到150W之间的太阳能板可能是合适的。

充电控制器选择

电压和电流兼容性：充电控制器应能处理太阳能板的输出电压和电流。因此，选择一个兼容8V到12V电压和至少2.6A电流的充电控制器是必要的。
充电模式：充电控制器通常有几种充电模式，如恒流充电、恒压充电和涓流充电。选择具有这些基本充电模式的控制器可以满足大多数应用需求。
保护功能：充电控制器应具备过充、过放、反接和短路保护等基本功能，以保护电池和整个系统的安全。

总结

需要选择一个输出电压为8V到12V，功率为80W到150W的太阳能板，以及一个兼容这些参数的充电控制器。