树莓派4B-Python-使用PCA9685控制舵机云台+跟随人脸转动

发布时间：2024年01月15日

系列文章

前言

先说明一下哈，本人用的是树莓派4B，Python的版本为3.7，OpenCV的版本为3.2.0

计划了好久的舵机云台终于有机会做出来了！原先一开始用的是塑料的云台+SG90舵机，但效果有点怪，云台会乱抽搐，于是换了金属的云台+SG90s舵机，嘿嘿，现在就没啥问题。
后来想了一下，还是觉得是以下的问题导致云台抽搐的：

舵机线靠近其他正在通电的电源线，受到电磁的干扰，导致舵机信号被干扰；
PCA9685舵机控制板的问题。
1、与舵机的接线接触不良；
2、控制板与树莓派的接线接触不良。一般为通信线接触不良。
3、控制板的5V供电有问题。输出电压不够5V或输出电流小于1A。
云台顺滑度的问题。本人的就是云台的上下转动的舵机那里卡了，导致变换不了舵机的角度，最后舵机发热严重，排查了好久才发现这个问题。

一、SG90s舵机是什么？

简单的说，就是SG90舵机的齿轮换成了金属齿轮而已，扭力增加了而已。可以理解为SG90舵机的升级版吧。
SG90S
还是不知道的可以参考之前写的关于舵机的内容：
树莓派4B-Python-控制舵机
 树莓派-Pico控制舵机

二、PCA9685与舵机信号线的接线图

树莓派上的接线图
PCA9685上的接线图
简单说明一下接线：

PCA9685	树莓派4B
GND	GND
DE	空着
SCL	SCL
SDA	SDA
VCC	3.3V
V+	5V（5V1A）

一定要接V+到5V，不然板子达不到控制舵机的效果。
若想外接5V1A的电源，那最好是将那个电源的GND与树莓派的GND连上，也就是共地。

提示：使用下面的代码前，记得先测试好舵机的转动角度哦，若转动的角度会卡死的话，舵机轻则发热，重则爆炸，所以切记切记，一定要先确定好舵机转动的范围。

三、控制SG90s云台（也可用来测试舵机转动的范围）

import time  # 引入time库
from adafruit_servokit import ServoKit  # 引入刚刚安装的PCA9685库并将名字缩写成ServoKit方便后续调用

# from Adafruit_PCA9685 import ServoKit
kit = ServoKit(channels=16)  # 明确PCA9685的舵机控制数

Servo1 = kit.servo[0]  # 左右转向的舵机
Servo2 = kit.servo[1]  # 上下移动的舵机

Servo3 = kit.servo[2]  # 前后伸缩的舵机
Servo4 = kit.servo[3]  # 夹子舵机

Servo5 = kit.servo[14]
Servo6 = kit.servo[15]

Servo = [Servo1, Servo2, Servo3, Servo4, Servo5, Servo6]


def servo_start(servo_number, start_angle, stop_angle, angle_sleep, time_sleep):
    """
    servo_number:设置想要控制的舵机通道
    start_angle:设置起始的角度
    stop_angle:设置终止的角度
    angle_sleep:设置角度变换的步长  一般设为10
    time_sleep:设置角度变换的间隔   数字越小越快，但最好不要设置太快，舵机会反应不过来然后抽搐。
        最快0.005s，但是到达指定角度位置后需要等待1s左右让程序反应过来，否则会抽搐。
    """
    for speed in range(start_angle, stop_angle, angle_sleep):
        servo_number.angle = speed
        print(speed)
        time.sleep(time_sleep)

def servo_dongzuo1():
    """
    先让机械臂向后缩，然后向前伸，再向下移动，最后向上移动，这就回到了原点
    """
    time_sleep = 0.01
    servo_start(Servo3, 110, 41, -1, time_sleep)
    servo_start(Servo3, 40, 111, 1, time_sleep)
    time.sleep(0.1)
    servo_start(Servo2, 130, 31, -1, time_sleep)
    servo_start(Servo2, 30, 131, 1, time_sleep)
    time.sleep(0.1)


def aa():
    time_sleep = 0.01
    servo_start(Servo3, 40, 181, 1, time_sleep)
    servo_start(Servo3, 180, 41, -1, time_sleep)

servo_start(Servo1, 90, 0, -1, 0.01)
servo_start(Servo1, 0, 180, 1, 0.01)
servo_start(Servo1, 180, 0, -1, 0.01)
servo_start(Servo1, 0, 90, 1, 0.01)
servo_start(Servo2, 80, 170, 1, 0.01)
servo_start(Servo2, 170, 80, -1, 0.01)

四、给树莓派注入灵魂（代码）

注入的灵魂如下（示例）：

# -*- coding: utf-8 -*-

import cv2
import time  # 引入time库
from adafruit_servokit import ServoKit  # 引入刚刚安装的PCA9685库并将名字缩写成ServoKit方便后续调用


class Follow_the_face:
    def __init__(self):
        kit = ServoKit(channels=16)  # 明确PCA9685的舵机控制数

        self.Servo1 = kit.servo[0]  # 左右转向的舵机
        self.Servo2 = kit.servo[1]  # 上下移动的舵机

        self.Servo3 = kit.servo[2]  # 前后伸缩的舵机
        self.Servo4 = kit.servo[3]  # 夹子舵机

        self.Servo5 = kit.servo[14]
        self.Servo6 = kit.servo[15]

        self.Servo = [self.Servo1, self.Servo2, self.Servo3, self.Servo4, self.Servo5, self.Servo6]

        self.l_r_number_of_degrees = 110  # 左右电机初始化的角度
        self.u_d_number_of_degrees = 150  # 上下电机初始化的角度

        self.range_value = 30  # 在人脸检测中，设置人脸框的中心坐标与屏幕中心坐标的可接受偏移的范围

    def servo_start(self, servo_number, start_angle, stop_angle, angle_sleep, time_sleep):
        """
        servo_number:设置想要控制的舵机通道
        start_angle:设置起始的角度
        stop_angle:设置终止的角度
        angle_sleep:设置角度变换的步长  一般设为10
        time_sleep:设置角度变换的间隔   数字越小越快，但最好不要设置太快，舵机会反应不过来然后抽搐。
            最快0.005s，但是到达指定角度位置后需要等待1s左右让程序反应过来，否则会抽搐。
        """
        for speed in range(start_angle, stop_angle, angle_sleep):
            servo_number.angle = speed
            print(speed)
            time.sleep(time_sleep)

    def Inittalize(self):
        """
        初始化云台的各个位置，也算是一个启动前的角度自检和归位
        """
        self.servo_start(self.Servo1, 111, 110, -1, 0.01)  # 可转动的角度为：0～180
        self.servo_start(self.Servo2, 180, 40, -1, 0.01)  # 可转动的角度为：40～180.40度时为垂直向上看
        self.servo_start(self.Servo2, 40, 150, 1, 0.01)

    def Auto_Angle(self, direction, offset_number):  # , auto_angle
        """
        自动偏移指定度数
        direction：选择方向
        offset_number：偏移数
        auto_angle：自动角度
        """
        if direction == "左":
            self.l_r_number_of_degrees -= offset_number
            if 1 <= self.l_r_number_of_degrees <= 180:
                self.servo_start(self.Servo1, self.l_r_number_of_degrees, self.l_r_number_of_degrees - 1, -1, 0.01)
            else:
                self.l_r_number_of_degrees = self.l_r_number_of_degrees

        if direction == "右":
            self.l_r_number_of_degrees += offset_number
            if 1 <= self.l_r_number_of_degrees <= 180:
                self.servo_start(self.Servo1, self.l_r_number_of_degrees, self.l_r_number_of_degrees - 1, -1, 0.01)
            else:
                self.l_r_number_of_degrees = self.l_r_number_of_degrees

        if direction == "上":
            self.u_d_number_of_degrees -= offset_number
            print('上被触发', self.u_d_number_of_degrees)
            if 41 <= self.u_d_number_of_degrees <= 179:
                self.servo_start(self.Servo2, self.u_d_number_of_degrees, self.u_d_number_of_degrees - 1, -1, 0.01)
            elif self.u_d_number_of_degrees > 179:
                u_d_number_of_degrees = 179
                self.servo_start(self.Servo2, u_d_number_of_degrees, u_d_number_of_degrees - 1, -1, 0.01)
            elif self.u_d_number_of_degrees < 40:
                self.u_d_number_of_degrees = 40
                self.servo_start(self.Servo2, self.u_d_number_of_degrees, self.u_d_number_of_degrees - 1, -1, 0.01)
            else:
                print('上出现意外', self.u_d_number_of_degrees)

        if direction == "下":
            self.u_d_number_of_degrees += offset_number
            print('下被触发', self.u_d_number_of_degrees)
            if 41 <= self.u_d_number_of_degrees <= 179:
                self.servo_start(self.Servo2, self.u_d_number_of_degrees, self.u_d_number_of_degrees - 1, -1, 0.01)
            elif self.u_d_number_of_degrees > 179:
                self.u_d_number_of_degrees = 179
                self.servo_start(self.Servo2, self.u_d_number_of_degrees, self.u_d_number_of_degrees - 1, -1, 0.01)
            elif self.u_d_number_of_degrees < 40:
                self.u_d_number_of_degrees = 40
                self.servo_start(self.Servo2, self.u_d_number_of_degrees, self.u_d_number_of_degrees - 1, -1, 0.01)
            else:
                print('下出现意外', self.u_d_number_of_degrees)

    def determine_face_position(self, difference_value_x, difference_value_y):
        """
        检测人脸位置
        :param difference_value_x:x偏移的距离值
        :param difference_value_y:y偏移的距离值
        :return:
        """
        if -self.range_value <= difference_value_x <= self.range_value and -self.range_value <= difference_value_y <= self.range_value:
            print("x坐标、y坐标都不用移动")
        elif difference_value_x > self.range_value:
            print("摄像头向右转动一点")
            self.Auto_Angle('右', 1)
            if difference_value_y > self.range_value:
                print("摄像头向下转动一点1")
                self.Auto_Angle('下', 2)
            if difference_value_y < -self.range_value:
                print("摄像头向上转动一点1")
                self.Auto_Angle('上', 2)
        elif difference_value_x < -self.range_value:
            print("摄像头向左转动一点")
            self.Auto_Angle('左', 1)
            if difference_value_y > self.range_value:
                print("摄像头向下转动一点2")
                self.Auto_Angle('下', 2)
            if difference_value_y < -self.range_value:
                print("摄像头向上转动一点2")
                self.Auto_Angle('上', 2)

        elif difference_value_y > self.range_value:
            print("摄像头向下转动一点")
            self.Auto_Angle('下', 2)
        elif difference_value_y < -self.range_value:
            print("摄像头向上转动一点")
            self.Auto_Angle('上', 2)

    def turn_on_face_detection(self):
        """
        使用人脸检测
        :return:
        """
        # 加载预训练的人脸检测器。直接选择树莓派中人脸模型（haarcascade_frontalface_default.xml）的路径即可
        face_cascade = cv2.CascadeClassifier('/home/pi/Desktop/12_29/haarcascade_frontalface_default.xml')
        # face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

        # 创建用于显示相机画面的窗口
        cv2.namedWindow("Camera Feed")

        # 打开摄像头
        cap = cv2.VideoCapture(0)

        r, f = cap.read()
        # 获取画面的宽度和高度
        h, w, ch = f.shape
        print("输出画面的高度和宽度", h, w)
        center_x1 = int(w / 2)
        center_y1 = int(h / 2)
        print("输出中心坐标为：", center_x1, center_y1)

        # 记录人脸中心坐标
        f_x = f_y = f_w = f_h = None

        while True:
            # 读取相机画面
            ret, frame = cap.read()
            # 画面水平翻转
            flipped_frame = cv2.flip(frame, 1)  # 0时为垂直翻转
            # 获取画面的宽度和高度
            height, width, channels = flipped_frame.shape
            # 计算中心点的坐标
            center_x = int(width / 2)
            center_y = int(height / 2)

            # 正方形的边长
            length = 120
            # 左上角的xy坐标
            left_up_x = int(center_x - (length / 2))  # 因为原点在正方形的中心，处于一半的位置，所以左上角的x坐标需要边长除以2
            left_up_y = int(center_y - (length / 2))
            # 画红色的正方形
            cv2.rectangle(flipped_frame, (left_up_x, left_up_y), (left_up_x + length, left_up_y + length), (0, 0, 255),
                          3)

            # 将帧转换为灰度图像
            gray = cv2.cvtColor(flipped_frame, cv2.COLOR_BGR2GRAY)

            # 进行人脸检测
            # 检测设置，将图片放大1.1倍（一般设1.1倍，看效果而定）
            # 重复检测的次数为6次（检测次数越多，速度越慢，检测也越严格，准确率可能有所提升）
            # 最小的检测框为100*100的正方形，以上的会显示，以下的被屏蔽
            faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=6, minSize=(100, 100))

            # 在帧中标记人脸
            for (x, y, w, h) in faces:
                f_x, f_y, f_w, f_h = x, y, w, h
                cv2.rectangle(flipped_frame, (x, y), (x + w, y + h), (0, 255, 0), 3)

            # 计算人脸正方形的中心点坐标
            if len(faces) > 0:  # 判断人脸的数量是否>0
                f_z_x = int(f_x + (f_w / 2))
                f_z_y = int(f_y + (f_h / 2))
                # print("脸部中心x:", f_z_x, "脸部中心y:",  f_z_y)
            else:
                f_z_x, f_z_y = center_x, center_y  # 没有人脸时就默认人脸位置居中，防止后续使用舵机云台时乱动
                # print("脸部中心x:", f_z_x, "脸部中心y:",  f_z_y)

            # 计算人脸中心与画面中心相差的坐标
            difference_value_x = f_z_x - center_x
            difference_value_y = f_z_y - center_y
            # print("x坐标偏移量为：", difference_value_x, "y坐标偏移量为：", difference_value_y)

            # 检测人脸位置
            self.determine_face_position(difference_value_x, difference_value_y)

            # 显示相机画面
            cv2.imshow("Face following...", flipped_frame)

            # 检测按键，如果按下q键则退出循环
            if cv2.waitKey(1) & 0xFF == ord('q'):
                break

        # 释放摄像头资源
        cap.release()

        # 关闭窗口
        cv2.destroyAllWindows()


face = Follow_the_face()
face.Inittalize()  # 初始化舵机位置
face.turn_on_face_detection()  # 开启人脸检测

五、给电脑注入灵魂（代码）

import cv2


def detect_faces():
    # 加载预训练的人脸检测器
    face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

    # 打开默认摄像头
    cap = cv2.VideoCapture(0)
    r, f = cap.read()
    # 获取画面的宽度和高度
    h, w, ch = f.shape
    print("输出画面的高度和宽度", h, w, ch)
    center_x1 = int(w / 2)
    center_y1 = int(h / 2)
    print("输出中心坐标为：", center_x1, center_y1)

    # 记录人脸中心坐标
    f_x = None
    f_y = None
    f_w = None
    f_h = None

    while True:
        # 读取帧
        ret, frame = cap.read()

        # 水平翻转帧
        flipped_frame = cv2.flip(frame, 1)  # 0时为垂直翻转

        # 获取画面的宽度和高度
        height, width, channels = flipped_frame.shape

        # 计算中心点的坐标
        center_x = int(width / 2)
        center_y = int(height / 2)

        # 在中心点画一个红色圆形
        # radius = 20
        # color = (0, 0, 255)  # 红色
        # thickness = 0  # 填充圆形
        # cv2.circle(flipped_frame, (center_x, center_y), radius, color, thickness)

        # 画个红色正方形
        length = 120
        # 左上
        left_up_x = int(center_x - (length / 2))     # 因为原点在正方形的中心，处于一半的位置，所以左上角的x坐标需要边长除以2
        left_up_y = int(center_y - (length / 2))
        # # 左下
        # left_down_x = int(center_x - (length / 2))
        # left_down_y = int(center_y + (length / 2))
        # # 右上
        # right_up_x = int(center_x + (length / 2))
        # right_up_y = int(center_y - (length / 2))
        # # 右下
        # right_down_x = int(center_x + (length / 2))
        # right_down_y = int(center_y + (length / 2))

        cv2.rectangle(flipped_frame, (left_up_x, left_up_y), (left_up_x + length, left_up_y + length), (0, 0, 255), 3)

        # 将帧转换为灰度图像
        gray = cv2.cvtColor(flipped_frame, cv2.COLOR_BGR2GRAY)

        # 进行人脸检测
        faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

        # 在帧中标记人脸
        for (x, y, w, h) in faces:
            f_x, f_y, f_w, f_h = x, y, w, h
            cv2.rectangle(flipped_frame, (x, y), (x + w, y + h), (0, 255, 0), 3)

        # 计算人脸正方形的中心点坐标
        if len(faces) > 0:  # 判断人脸的数量是否>0
            f_z_x = int(f_x + (f_w / 2))
            f_z_y = int(f_y + (f_h / 2))
            # print("脸部中心x:", f_z_x, "脸部中心y:",  f_z_y)
        else:
            f_z_x, f_z_y = center_x, center_y   # 没有人脸时就默认人脸位置居中，防止后续使用舵机云台时乱动
            # print("脸部中心x:", f_z_x, "脸部中心y:",  f_z_y)

        # 计算人脸中心与画面中心相差的坐标
        difference_value_x = f_z_x - center_x
        difference_value_y = f_z_y - center_y
        # print("x坐标偏移量为：", difference_value_x, "y坐标偏移量为：", difference_value_y)

        range_value = 10    # 设置可接受偏移的范围
        if -range_value <= difference_value_x <= range_value and -range_value <= difference_value_y <= range_value:
            print("x坐标、y坐标都不用移动")
        elif difference_value_x > range_value:
            print("摄像头向右转动一点")
            if difference_value_y > range_value:
                print("摄像头向下转动一点")
            if difference_value_y < -range_value:
                print("摄像头向上转动一点")
        elif difference_value_x < -range_value:
            print("摄像头向左转动一点")
            if difference_value_y > range_value:
                print("摄像头向下转动一点")
            if difference_value_y < -range_value:
                print("摄像头向上转动一点")

        elif difference_value_y > range_value:
            print("摄像头向下转动一点")
        elif difference_value_y < -range_value:
            print("摄像头向上转动一点")

        # 显示带有人脸标记的帧
        cv2.imshow("Faces Detected", flipped_frame)

        # 按下 'q' 键退出循环
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    # 释放摄像头并关闭窗口
    cap.release()
    cv2.destroyAllWindows()


# 调用实时人脸检测函数
detect_faces()

总结

目前的云台呢确实是可以跟随人脸转动的，但以下问题点：

实时显示相机中的画面并进行人脸检测时，有些流畅度不足，因为本人是显示彩色画面的，若改成灰度图的话应该会更快一点；
检测人脸的准确度不足，这里使用的是OpenCV自带的人脸检测模型，存在较多的误判，这样会干扰云台的自动人脸定位，所以可以的话，自己训练一个更优的人脸检测模型来使用。或者是调整重复检测次数之类的增加一些精准度吧，但重复检测次数增加得越多，画面越卡顿；
目前的程序只能针对画面中有一个人脸的时候进行跟随，若出现多个人脸，云台就会乱套了，各位大佬可以根据自身需求优化或利用这个问题；
使用模拟信号的SG90s舵机会存在一些精度的问题，表现的样子就是定位有些不准，然后出现抖动。可以的话，将模拟舵机换成数字舵机，当然价格会贵上一倍。数字舵机的精准度会高上许多，之后本人就打算买回来试试；

该文章若对你有帮助，不妨点个赞噢~

2024.01.15写
有写得不好、写得不对的地方还请各位指出，谢谢！

文章来源:https://blog.csdn.net/qq_46476163/article/details/135583758
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！