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

树莓派	T 型转接板	双色 LED 模块
*	*	G(S)
GPIO19	GPIO19	R（中间）
GND	GND	GND

树莓派	T型转接板	PCA9685 舵机驱动模块
SCL	SCL	SCL
SDA	SDA	SDA
3.3V	3.3V	VCC
5V	5V	V+
GND	GND	GND

舵机	PCA9685 舵机驱动模块
水平方向舵机(pan)	PWM0
倾斜舵机(tilt)	PWM1

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 oskit = 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 Picamera2picamera = 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 = Falsedef 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 maskmask = 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 objectcnts = 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ledif 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。