基于AI視覺標(biāo)志跟隨履帶車系統(tǒng)設(shè)計(jì)

-1-第1章緒論1.1研究背景與意義機(jī)器視覺檢測(cè)是一種利用計(jì)算機(jī)技術(shù)和圖像處理算法來采用自動(dòng)化技術(shù)實(shí)現(xiàn)檢測(cè)和判斷，以取代人工操作。該裝置包括相機(jī)、鏡頭、光源、工控機(jī)、圖像處理系統(tǒng)、執(zhí)行機(jī)構(gòu)以及被測(cè)物等多個(gè)組成部分。該技術(shù)的原理是通過相機(jī)對(duì)被測(cè)對(duì)象進(jìn)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(yùn)用先進(jìn)的檢測(cè)算法，對(duì)圖像進(jìn)行特征提取和識(shí)別，進(jìn)而輸出精準(zhǔn)的檢測(cè)結(jié)果，并對(duì)其進(jìn)行相應(yīng)的操作。在工業(yè)領(lǐng)域，機(jī)器視覺檢測(cè)是一項(xiàng)被廣泛運(yùn)用的技術(shù)。機(jī)器視覺技術(shù)是以計(jì)算機(jī)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(cè)量技術(shù)。該項(xiàng)技術(shù)主要應(yīng)用于目標(biāo)檢測(cè)領(lǐng)域，包括但不限于對(duì)產(chǎn)品外觀缺陷和零部件進(jìn)行檢測(cè)。目前，國(guó)內(nèi)外許多學(xué)者都致力于研究基于機(jī)器視覺技術(shù)的缺陷檢測(cè)方法和缺陷定位方法，并且取得了一定成果。利用機(jī)器視覺技術(shù)，能夠自動(dòng)探測(cè)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(jī)器視覺檢測(cè)還可用于目標(biāo)別，例如文字識(shí)別和顏色識(shí)別。通過識(shí)別文字和顏色，可以實(shí)現(xiàn)自動(dòng)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(jī)器視覺檢測(cè)的另一個(gè)重要應(yīng)用領(lǐng)域。例如，在PCB加工過程中，通過機(jī)器視覺檢測(cè)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(jī)器視覺檢測(cè)還可用于標(biāo)簽定位，例如在物流領(lǐng)域，可以通過機(jī)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(shí)現(xiàn)自動(dòng)化的物流管理。另外，機(jī)器視覺檢測(cè)還可用于測(cè)量任務(wù)。例如，對(duì)于指針儀表，通過機(jī)器視覺檢測(cè)可以實(shí)現(xiàn)長(zhǎng)度和角度的測(cè)量，從而精確地獲取儀表的讀數(shù)。此外，對(duì)于零部件尺寸的測(cè)量，機(jī)器視覺檢測(cè)可以提供快速而準(zhǔn)確的測(cè)量結(jié)果，提高生產(chǎn)效率和質(zhì)量控制?？傊瑱C(jī)器視覺檢測(cè)是一種應(yīng)用廣泛的技術(shù)，可以替代人工進(jìn)行檢測(cè)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(cè)、目標(biāo)識(shí)別、目標(biāo)定位和測(cè)量任務(wù)等。通過機(jī)器視覺檢測(cè)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(guó)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(shí)別和跟蹤技術(shù)，能夠準(zhǔn)確地識(shí)別道路上的標(biāo)志，并根據(jù)標(biāo)志的指示進(jìn)行自動(dòng)駕駛操作。在國(guó)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(jìn)展，為該領(lǐng)域的未來發(fā)展奠定了堅(jiān)實(shí)的基礎(chǔ)。首要的是，國(guó)內(nèi)的學(xué)術(shù)研究機(jī)構(gòu)以及高等教育機(jī)構(gòu)，在AI視覺標(biāo)志識(shí)別技術(shù)方面進(jìn)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(jìn)行訓(xùn)練，以實(shí)現(xiàn)對(duì)道路標(biāo)志的準(zhǔn)確識(shí)別。其次，國(guó)內(nèi)研究人員還關(guān)注如何實(shí)現(xiàn)對(duì)標(biāo)志的跟蹤和定位。此外，國(guó)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(shí)現(xiàn)更高級(jí)別的自動(dòng)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(dòng)行走控制系統(tǒng)設(shè)計(jì)與試驗(yàn)》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(dòng)行走，可以自動(dòng)識(shí)別標(biāo)簽，進(jìn)行辨別，做出自動(dòng)的跟隨操作[7]。2019年，趙明在《液壓履帶車自動(dòng)行走控制系統(tǒng)設(shè)計(jì)與試驗(yàn)》文中講到，將履帶車引入自動(dòng)行走控制功能，通過對(duì)履帶車的行走試驗(yàn)，逐漸完成對(duì)履帶車的設(shè)計(jì)，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(cè)系統(tǒng)應(yīng)用》文中介紹了我國(guó)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(cè)[10]引入到各種工業(yè)設(shè)備中，應(yīng)用AI視覺檢測(cè)可以提高效率，促進(jìn)社會(huì)的發(fā)展。在國(guó)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(guó)家取得了重要的研究成果和應(yīng)用案例。首先，美國(guó)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(guó)的研究機(jī)構(gòu)、高校和企業(yè)在標(biāo)志識(shí)別、跟蹤和控制等方面進(jìn)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(jìn)行標(biāo)志的高準(zhǔn)確性識(shí)別。同時(shí)，他們還開發(fā)了先進(jìn)的算法和方法，實(shí)現(xiàn)了對(duì)標(biāo)志的實(shí)時(shí)跟蹤和定位。其次，德國(guó)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(guó)的研究人員注重將標(biāo)志識(shí)別與環(huán)境感知相結(jié)合，以實(shí)現(xiàn)更可靠的自動(dòng)駕駛功能。他們利用激光雷達(dá)、攝像頭和雷達(dá)等多種傳感器，對(duì)標(biāo)志進(jìn)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(guó)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(duì)標(biāo)簽的識(shí)別，進(jìn)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(dòng)行走功能。2020年，ArnoldC在《PatternsoffailureafterIMRTforhead-and-neckcancer:LET'SNOTCOUNTTHECHICKENBEFORETHEEGGSHATCH》文中，印度SanjayaWSM設(shè)計(jì)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(yuǎn)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(chǎng)進(jìn)行了驗(yàn)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(guó)外對(duì)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(duì)于當(dāng)前的社會(huì)發(fā)展，國(guó)內(nèi)外都對(duì)AI視覺技術(shù)有著較大的研究，并且通過將AI技術(shù)進(jìn)行融合，使得工業(yè)發(fā)展得到提高。因此，設(shè)計(jì)一種具有AI視覺標(biāo)志跟隨履帶車系統(tǒng)具有廣闊市場(chǎng)前景。1.3選題意義及需求分析在本章中，我們將對(duì)整個(gè)系統(tǒng)的功能性需求進(jìn)行深入探討，通過對(duì)設(shè)計(jì)想法的深入了解，明確整體需求，并進(jìn)一步細(xì)分各個(gè)功能模塊，以明確它們所包含的功能點(diǎn)，最終結(jié)合具體的使用場(chǎng)景，確定每個(gè)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(dòng)行走，可以自動(dòng)識(shí)別標(biāo)簽，進(jìn)行辨別，做出自動(dòng)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(qiáng)有力的支撐。由于履帶車輛行駛時(shí)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(qiáng)的非線性動(dòng)力學(xué)特征。隨著感知技術(shù)、計(jì)算機(jī)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(jìn)。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(diǎn)和行駛工況復(fù)雜，導(dǎo)致其導(dǎo)航系統(tǒng)相對(duì)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(duì)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(xiǎn)的環(huán)境中，此外，長(zhǎng)期駕駛履帶車的操作者也會(huì)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(jiǎn)單、易于實(shí)現(xiàn)且成本低廉等優(yōu)點(diǎn)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(duì)其原理進(jìn)行分析。視覺導(dǎo)航的研究方向主要包括兩個(gè)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(shí)別道路。（2）另一項(xiàng)研究方向涉及利用"有線式"視覺導(dǎo)航技術(shù)對(duì)標(biāo)識(shí)線圖像進(jìn)行識(shí)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(jiǎn)單靈活、圖像處理速度更快、控制響應(yīng)時(shí)間更好等優(yōu)點(diǎn)。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(jì)2.1設(shè)計(jì)方案本文設(shè)計(jì)了一套基于AI視覺標(biāo)志跟隨履帶車系統(tǒng)設(shè)計(jì)。借助人機(jī)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(shí)，利用超聲波測(cè)距傳感器檢測(cè)履帶車兩側(cè)至作物之間的距離，K210控制器對(duì)傳感器信號(hào)進(jìn)行處理，進(jìn)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(duì)應(yīng)關(guān)系，對(duì)相應(yīng)左、右轉(zhuǎn)向電磁閥進(jìn)行一定時(shí)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(jī)K210、超聲波測(cè)距傳感器、舵機(jī)、攝像頭、TF卡、顯示屏、蜂鳴器；（2）軟件平臺(tái)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(duì)系統(tǒng)的前期研究論證、后期的合理設(shè)計(jì)，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(cè)試，該系統(tǒng)預(yù)期有如下成果：1.通過液晶顯示屏實(shí)時(shí)顯示監(jiān)測(cè)到的畫面及履帶車的重要參數(shù)；2.通過攝像頭實(shí)時(shí)識(shí)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(shí)時(shí)監(jiān)測(cè)履帶車到標(biāo)簽的距離；4.系統(tǒng)根據(jù)識(shí)別到的標(biāo)簽和距離信息，通過控制器做數(shù)據(jù)處理，進(jìn)行跟隨移動(dòng)。2.3系統(tǒng)的設(shè)計(jì)過程在進(jìn)行設(shè)計(jì)項(xiàng)目時(shí)，通常需要進(jìn)行多個(gè)階段的準(zhǔn)備工作。首先需要對(duì)設(shè)計(jì)題目有一個(gè)深入的理解，學(xué)習(xí)相關(guān)的知識(shí)，為后續(xù)的設(shè)計(jì)做好準(zhǔn)備。接著需要確定系統(tǒng)的各個(gè)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(gè)模塊之間的關(guān)系。在這個(gè)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(jìn)行仿真模擬，以驗(yàn)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(jì)項(xiàng)目的成功完成。2.4單片機(jī)型號(hào)選擇方案一應(yīng)用了K210單片機(jī)是一款集成機(jī)器視覺與機(jī)器聽覺能力的系統(tǒng)級(jí)芯片(SoC)使用了臺(tái)積電超低功耗的28納米先進(jìn)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(chǎng)，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(jī)器視覺能力與機(jī)器聽覺能力，能較低的功耗實(shí)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(jìn)行卷積人工神經(jīng)網(wǎng)絡(luò)運(yùn)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(shí)，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(dú)特之處在于其可編程IO陣列，這為產(chǎn)品設(shè)計(jì)提供了更大的靈活性，從而增強(qiáng)了其可塑性。它具有強(qiáng)大的計(jì)算功能，支持多種算法模型及豐富的數(shù)據(jù)存儲(chǔ)方式，是目前性能最好的智能計(jì)算平臺(tái)之一。相較于同類處理能力的系統(tǒng)，K210的功耗更低，同時(shí)支持3.3V/1.8V的雙電壓，無需進(jìn)行電平轉(zhuǎn)換，從而實(shí)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(diǎn)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(jià)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(chǔ)器。與傳統(tǒng)的8/16位單片機(jī)設(shè)備相比，它能夠更高效地執(zhí)行代碼。圖2-1單片機(jī)最小系統(tǒng)原理圖本文選用方案一K210單片機(jī)，K210是一種低功耗人工智能處理器，由于其獨(dú)特的特性，與STM32存在一些顯著的差異和優(yōu)點(diǎn)，下面是一些K210的優(yōu)點(diǎn)：1.低功耗：K210具有低功耗的特性，可以在電池供電下運(yùn)行，并且在不犧牲性能的情況下延長(zhǎng)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(gè)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(gè)SPI，I2C，UART，以及SD卡，WIFI和藍(lán)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(jìn)行開發(fā)變得更加靈活和方便。5.開放式硬件平臺(tái)：K210是一種開放式硬件平臺(tái)，可以在其上進(jìn)行自定義的開發(fā)和擴(kuò)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(jì)3.1系統(tǒng)總體設(shè)計(jì)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(jì)，該系統(tǒng)旨在實(shí)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(jìn)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(jìn)行處理和分析。第二步是實(shí)現(xiàn)圖像識(shí)別和分類功能。使用深度學(xué)習(xí)算法對(duì)采集到的圖像進(jìn)行分類和識(shí)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(yùn)動(dòng)控制設(shè)計(jì)。通過對(duì)底盤結(jié)構(gòu)和電機(jī)驅(qū)動(dòng)系統(tǒng)進(jìn)行優(yōu)化設(shè)計(jì)，實(shí)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(jìn)行移動(dòng)、轉(zhuǎn)向等操作。第四步是實(shí)現(xiàn)追蹤和跟隨功能。通過識(shí)別固定或移動(dòng)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(shí)現(xiàn)自主導(dǎo)航移動(dòng)。總之，基于AI視覺標(biāo)志跟隨履帶車系統(tǒng)是一個(gè)相對(duì)復(fù)雜的系統(tǒng)，需要充分的技術(shù)和資源支持。但是這個(gè)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(shí)也可以為未來的智能交通等方面做出貢獻(xiàn)。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(jì)3.2.12.4寸LCD顯示屏模塊設(shè)計(jì)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(shí)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(shí)具備更好的屏幕平整度和顯示效果。然而，液晶顯示器相對(duì)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(hào)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(jì)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(dòng)電話領(lǐng)域。其擁有強(qiáng)大的圖像處理和模式識(shí)別能力以及豐富的語音處理功能。在其面世之前，手機(jī)制造商所采用的是嵌入式儲(chǔ)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(jī)用戶提供了更大的存儲(chǔ)空間和升級(jí)空間。它采用了類似SIM卡的應(yīng)用模式，可以在不同型號(hào)的電話中使用。MicroSD卡是一種可移動(dòng)的存儲(chǔ)IC，體積小巧，最初被冠以TransFlash之名，后經(jīng)SD協(xié)會(huì)批準(zhǔn)并更名為MicroSD。MicroSD卡主要應(yīng)用于移動(dòng)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(chǔ)卡之一。目前，MicroSD卡的存儲(chǔ)容量可達(dá)128GB。SD卡是一款以半導(dǎo)體快閃存儲(chǔ)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(huì)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(dá)2TB，同時(shí)其最大讀寫速度可高達(dá)104MB/s，這一數(shù)字較最新的4.10規(guī)范提高至312MB/s。在自動(dòng)化測(cè)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(chǔ)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(jì)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(diǎn)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(hào)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(shí)現(xiàn)聲音的多樣化，適用于各種應(yīng)用場(chǎng)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(zhǎng)時(shí)間。4.控制簡(jiǎn)單：有源蜂鳴器只需一個(gè)數(shù)字信號(hào)來控制，操作非常簡(jiǎn)單。有源蜂鳴器被廣泛應(yīng)用于各類電子產(chǎn)品中，如報(bào)警器、計(jì)時(shí)器等。其特點(diǎn)包括音量大、可調(diào)頻率、低功耗和簡(jiǎn)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(jì)3.2.4舵機(jī)模塊設(shè)計(jì)圖3-8舵機(jī)舵機(jī)是一種電機(jī)驅(qū)動(dòng)的設(shè)備，用于精確控制機(jī)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(jī)能夠接收來自控制器的信號(hào)，并將其轉(zhuǎn)化為特定角度或位置的運(yùn)動(dòng)，從而使機(jī)器或設(shè)備能夠按照預(yù)定路徑進(jìn)行移動(dòng)或旋轉(zhuǎn)。舵機(jī)廣泛應(yīng)用于高級(jí)遙控玩具、機(jī)器人和無人機(jī)等設(shè)備中，以實(shí)現(xiàn)精確的位置控制和動(dòng)作。舵機(jī)的主要特點(diǎn)如下：高精度控制：舵機(jī)能夠提供精確的位置控制，使得機(jī)器或設(shè)備能夠按照預(yù)期的路徑或角度進(jìn)行運(yùn)動(dòng)?？烧{(diào)角度范圍：舵機(jī)可以根據(jù)需要進(jìn)行角度調(diào)整，適用于各種不同的應(yīng)用場(chǎng)景。快速響應(yīng)：舵機(jī)對(duì)控制信號(hào)的響應(yīng)速度快，能夠?qū)崿F(xiàn)實(shí)時(shí)的位置調(diào)整和動(dòng)作執(zhí)行?？煽啃愿撸憾鏅C(jī)采用高質(zhì)量的電機(jī)和驅(qū)動(dòng)系統(tǒng)，具有較高的可靠性和耐用性。舵機(jī)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(diǎn)，使得舵機(jī)成為許多應(yīng)用領(lǐng)域的理想選擇。舵機(jī)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(dòng)馬達(dá)、減速器和位置檢測(cè)元件，通過電路驅(qū)動(dòng)馬達(dá)轉(zhuǎn)動(dòng)，并利用減速齒輪傳遞動(dòng)力。不同類型的舵機(jī)具有不同的特點(diǎn)和設(shè)計(jì)，以適應(yīng)不同的工作需求和環(huán)境條件。圖3-9舵機(jī)模塊3.2.5攝像頭模塊設(shè)計(jì)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(jìn)工藝，具有高清晰度、高靈敏度和高動(dòng)態(tài)范圍等特點(diǎn)。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(dòng)曝光控制、自動(dòng)白平衡和增益控制等高級(jí)功能。此外，該模塊可以通過I2C總線和其他設(shè)備進(jìn)行通信，并且支持多種時(shí)序和數(shù)據(jù)格式?？傊珿C0328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(cè)距模塊設(shè)計(jì)圖3-12超聲波測(cè)距傳感器HC-SR04超聲波測(cè)距模塊是一款廣泛的測(cè)距傳感器，其能夠通過超聲波的傳輸和回波的接收來實(shí)現(xiàn)精確的距離測(cè)量。以下是其硬件電路設(shè)計(jì)流程：信號(hào)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(cè)距程序，并對(duì)返回的脈沖進(jìn)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(hào)轉(zhuǎn)換為機(jī)械振動(dòng)，產(chǎn)生超聲波信號(hào)。回波接收：由于回波信號(hào)微弱，需要使用低噪聲前置放大器進(jìn)行增益，然后將信號(hào)傳送到單片機(jī)進(jìn)行處理。單片機(jī)處理：通常使用定時(shí)器和計(jì)數(shù)器實(shí)現(xiàn)時(shí)間測(cè)量，然后計(jì)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(cè)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(jìn)行供電。總之，HC-SR04超聲波測(cè)距模塊的硬件電路設(shè)計(jì)較為簡(jiǎn)單，可以通過GPIO引腳控制超聲波和接收回波來實(shí)現(xiàn)距離測(cè)量，并且需要使用低噪聲前置放大器和單片機(jī)進(jìn)行信號(hào)處理。由于整個(gè)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(jìn)行供電。圖3-13超聲波測(cè)距模塊第4章系統(tǒng)的軟件設(shè)計(jì)4.1軟件的主要流程以下是該系統(tǒng)的軟件設(shè)計(jì)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(shí)提取車輛的感應(yīng)數(shù)據(jù)。通過圖像處理技術(shù)進(jìn)行圖像預(yù)處理，包括顏色轉(zhuǎn)換、噪聲降低等。目標(biāo)檢測(cè)：利用深度學(xué)習(xí)算法進(jìn)行目標(biāo)探測(cè)，能夠在當(dāng)前的圖像和環(huán)境中精準(zhǔn)地探測(cè)出系統(tǒng)要求的目標(biāo)物體，并對(duì)目標(biāo)物體進(jìn)行分類，生成目標(biāo)框；跟隨：根據(jù)標(biāo)識(shí)信息，通過運(yùn)動(dòng)控制來實(shí)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(bǔ)償算法和反饋控制算法實(shí)現(xiàn)車輛穩(wěn)定性和精確定位，在實(shí)現(xiàn)追蹤與跟隨的同時(shí)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(jìn)行通信，使用網(wǎng)絡(luò)套接字實(shí)現(xiàn)數(shù)據(jù)傳輸和控制信息的獲取。在軟件設(shè)計(jì)中，重要的是了解如何將各個(gè)系統(tǒng)元素集成在一起，從而形成一個(gè)高性能、穩(wěn)定、易于維護(hù)的標(biāo)志跟隨履帶車系統(tǒng)。同時(shí)，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(jī)顯示模塊存儲(chǔ)其它模塊采集的信息采集標(biāo)識(shí)圖像信息檢測(cè)距離信息控制履帶車移動(dòng)顯示攝像頭和傳感器采集的信息實(shí)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(jì)首先系統(tǒng)進(jìn)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(jìn)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(jì)

4.3TF內(nèi)存卡軟件設(shè)計(jì)首先進(jìn)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(jìn)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(jìn)行保存。否否是開始初始化初始化成功？單片機(jī)對(duì)數(shù)據(jù)進(jìn)行處理處理完成后發(fā)送至TF內(nèi)存卡存儲(chǔ)數(shù)據(jù)結(jié)束圖4-3TF內(nèi)存卡軟件設(shè)計(jì)

4.4蜂鳴器軟件設(shè)計(jì)首先進(jìn)行系統(tǒng)初始化，初始化成功后，進(jìn)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(jìn)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(shí)，我們的蜂鳴器將會(huì)進(jìn)行報(bào)警。否否是開始初始化初始化成功？單片機(jī)處理其他模塊檢測(cè)數(shù)據(jù)數(shù)據(jù)不再設(shè)定范圍內(nèi)蜂鳴器報(bào)警結(jié)束圖4-4蜂鳴器軟件設(shè)計(jì)

4.5舵機(jī)模塊軟件設(shè)計(jì)首先系統(tǒng)進(jìn)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(jìn)入設(shè)定的程序，此時(shí)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(jìn)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(shí)，我們的蜂鳴器將會(huì)進(jìn)行報(bào)警，采集的數(shù)據(jù)符合我們的程序設(shè)定的數(shù)據(jù)時(shí)，單片機(jī)會(huì)給舵機(jī)指令，舵機(jī)將會(huì)轉(zhuǎn)動(dòng)。否否是開始初始化初始化成功？單片機(jī)處理其他模塊檢測(cè)的數(shù)據(jù)驅(qū)動(dòng)舵機(jī)履帶車移動(dòng)結(jié)束圖4-5舵機(jī)模塊軟件設(shè)計(jì)

4.6攝像頭模塊軟件設(shè)計(jì)通過攝像頭進(jìn)行系統(tǒng)初始化，初始化成功后，進(jìn)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(jī)處理，顯示屏顯示攝像頭采集到的圖像，來實(shí)現(xiàn)小車跟隨標(biāo)識(shí)來進(jìn)行移動(dòng)。開始開始初始化初始化成功？攝像頭采集圖像信息單片機(jī)進(jìn)行數(shù)據(jù)處理履帶車跟隨標(biāo)識(shí)移動(dòng)結(jié)束否是圖4-6攝像頭模塊軟件設(shè)計(jì)

4.7超聲波傳感器模塊軟件設(shè)計(jì)首先系統(tǒng)進(jìn)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(jìn)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(gè)高電平脈沖來觸發(fā)超聲波的發(fā)射，等待一段時(shí)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(cè)量到的回波時(shí)間。根據(jù)超聲波的傳播速度和測(cè)量到的回波時(shí)間，計(jì)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(cè)量到的距離判斷是否存在障礙物。可以設(shè)置一個(gè)閾值，當(dāng)距離小于該閾值時(shí)認(rèn)為有障礙物存在。開始開始初始化初始化成功？檢測(cè)距離，和設(shè)定值比較檢測(cè)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(jì)

第5章系統(tǒng)測(cè)試5.1系統(tǒng)實(shí)物圖該設(shè)計(jì)采用便攜式電源進(jìn)行通電后系統(tǒng)進(jìn)行自檢，完成LCD顯示屏初始化、攝像頭初始化、超聲波測(cè)距傳感器初始化、蜂鳴器初始化、舵機(jī)初始化和TF卡初始化成功后查看LCD顯示屏顯示攝像頭識(shí)別到的畫面、超聲波測(cè)距傳感器檢測(cè)到距離過近時(shí)蜂鳴器報(bào)警系統(tǒng)初始化完成。圖5-1系統(tǒng)實(shí)物圖5.2測(cè)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(shí)時(shí)顯示攝像頭采集到的圖像，實(shí)時(shí)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(jī)驅(qū)動(dòng)小車，完成履帶車移動(dòng)的功能。圖5-4舵機(jī)圖5-5蜂鳴器當(dāng)攝像頭識(shí)別到標(biāo)識(shí)0（如圖5-6）時(shí)，小車進(jìn)行跟隨移動(dòng)，當(dāng)時(shí)別到標(biāo)識(shí)1（如圖5-7）時(shí)，小車將會(huì)跟隨轉(zhuǎn)彎，左輪會(huì)進(jìn)行一個(gè)大概持續(xù)15秒的轉(zhuǎn)動(dòng)，右輪不轉(zhuǎn)。攝像頭實(shí)際識(shí)別的距離一般狀況下2CM-60CM的精度可達(dá)到,小于2CM蜂鳴器（如圖5-5）發(fā)出聲響告警，并且舵機(jī)停止運(yùn)動(dòng)。圖5-6標(biāo)識(shí)圖5-7標(biāo)識(shí)

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(jì)是一項(xiàng)涉及到多個(gè)技術(shù)領(lǐng)域的復(fù)雜工程，旨在實(shí)現(xiàn)通過攝像頭對(duì)特定形狀的標(biāo)志進(jìn)行識(shí)別，并且讓履帶車能夠自動(dòng)跟隨移動(dòng)的功能。在這一過程中，需要設(shè)計(jì)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(jī)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(jì)硬件電路時(shí)，需要考慮到各個(gè)模塊之間的數(shù)據(jù)傳輸和通信，同時(shí)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(jì)軟件控制程序時(shí)，需要考慮到圖像識(shí)別算法、目標(biāo)跟蹤算法、移動(dòng)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(jì)需要綜合運(yùn)用計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、控制理論等多個(gè)知識(shí)領(lǐng)域，以實(shí)現(xiàn)前所未有的智能化車輛運(yùn)動(dòng)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(jì)是一項(xiàng)涉及到多個(gè)技術(shù)領(lǐng)域的復(fù)雜工程，旨在實(shí)現(xiàn)通過攝像頭對(duì)特定形狀的標(biāo)志進(jìn)行識(shí)別，并且讓履帶車能夠自動(dòng)跟隨移動(dòng)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(yùn)輸、智慧城市建設(shè)、機(jī)器人技術(shù)等。未來，隨著深度學(xué)習(xí)、計(jì)算機(jī)視覺、邊緣計(jì)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(jì)也將會(huì)得到更好的拓展。以下是該系統(tǒng)的展望：更高效的計(jì)算方法：由于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)在計(jì)算方面的需求較高，因此這類系統(tǒng)需要強(qiáng)大的計(jì)算能力才能運(yùn)行。未來更高效的計(jì)算方法和新一代硬件平臺(tái)的出現(xiàn)，將更好地服務(wù)于其發(fā)展。增強(qiáng)學(xué)習(xí)算法應(yīng)用：增強(qiáng)學(xué)習(xí)是機(jī)器學(xué)習(xí)中最熱門和最先進(jìn)的技術(shù)之一。通過增強(qiáng)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(dòng)機(jī)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(dòng)結(jié)構(gòu)，如輪式移動(dòng)、腿式移動(dòng)等，并且能夠智能地調(diào)整移動(dòng)方法，以實(shí)現(xiàn)更好的運(yùn)動(dòng)控制效果。總之，基于AI視覺標(biāo)志跟隨履帶車系統(tǒng)是一個(gè)充滿潛力的領(lǐng)域。未來，該技術(shù)將會(huì)不斷得到發(fā)展和拓展，我們有理由相信該領(lǐng)域會(huì)迎來更多重大突破，為社會(huì)的智能化持續(xù)作出貢獻(xiàn)。

參考文獻(xiàn)[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(cè)系統(tǒng)應(yīng)用[C].郵電設(shè)計(jì)技術(shù).2021.[2]孫昕怡.AI視覺檢測(cè)項(xiàng)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(jìn).基于AI視覺的工業(yè)機(jī)器人抓取系統(tǒng)設(shè)計(jì)[P].內(nèi)燃機(jī)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(chǎng)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(dòng)行走控制系統(tǒng)設(shè)計(jì)與試驗(yàn)[P].農(nóng)業(yè)機(jī)械學(xué)報(bào).2018.[7]趙明.液壓履帶車自動(dòng)行走控制系統(tǒng)設(shè)計(jì)與試驗(yàn)[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(guó)信息化.2021.[10]黎清萬;鐘嘉寶.AI視覺識(shí)別——人工智能項(xiàng)目式學(xué)習(xí)實(shí)踐（PBL）設(shè)計(jì)[C].中國(guó)信息技術(shù)教育.2022.[11]凈遠(yuǎn).基于機(jī)器視覺的煤礦AI膠帶異物識(shí)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(jì)與實(shí)現(xiàn)[J].常熟理工學(xué)院學(xué)報(bào),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(jī)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(jī)械視覺控制系統(tǒng)設(shè)計(jì)[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(jì)算機(jī)視覺識(shí)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(cè)April標(biāo)簽的強(qiáng)大功能。#OpenMV2M4版本無法檢測(cè)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(duì)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(shí)器配置tim2=Timer(Timer.TIMER0,Timer.CHANNEL1,mode=Timer.MODE_PWM)#PWM通過定時(shí)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(cè)IO-KEY#KEY_Enter=GPIO(GPIO.GPIOHS0,GPIO.IN,GPIO.PULL_UP)#構(gòu)建KEY對(duì)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(dòng)#ifKEY_Enter.value()==0:#確認(rèn)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(cè)IO-KEYKEY_Sys=GPIO(GPIO.GPIOHS2,GPIO.IN,GPIO.PULL_UP)#構(gòu)建KEY對(duì)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(dòng)ifKEY_Sys.value()==0:#確認(rèn)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(shí)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(shí)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(huì)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(duì)圖像進(jìn)行鏡頭校正#apriltag代碼最多支持可以同時(shí)處理6種tag家族。#返回的tag標(biāo)記對(duì)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(gè)家族#tag_families|=image.TAG25H7#注釋掉，禁用這個(gè)家族#tag_families|=image.TAG25H9#注釋掉，禁用這個(gè)家族#tag_families|=image.TAG36H10#注釋掉，禁用這個(gè)家族#tag_families|=image.TAG36H11#注釋掉以禁用這個(gè)家族(默認(rèn)家族)#tag_families|=image.ARTOOLKIT#注釋掉，禁用這個(gè)家族#標(biāo)簽系列有什么區(qū)別？那么，例如，TAG16H5家族實(shí)際上是一個(gè)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(zhǎng)的距離。#然而，較低的H值（H5對(duì)H11），意味著4x4標(biāo)簽的假陽性率遠(yuǎn)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(rèn)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(rèn)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']