當今監(jiān)控的主要缺點在于人工操作員的參與，這很容易分心，因此我們需要一個可以自主連續(xù)監(jiān)控區(qū)域、在識別不需要或令人討厭的事物的同時做出決策并做出相應響應的系統(tǒng)。使用計算機視覺進行對象跟蹤對于實現(xiàn)自動化監(jiān)視至關重要。?

我做這個項目是為了建造一個基本的球跟蹤車。在這里，我的機器人使用相機拍攝幀并進行圖像處理以追蹤球。可以使用球的顏色、形狀、大小等特征。

但我的目標是為這樣的機器人制作一個基本原型，它可以感知顏色和形狀并跟隨它。我的機器人試圖找到一種硬編碼的顏色，如果它找到一個該顏色的球，它就會跟隨它。

我選擇 raspberry pi 作為這個項目的微控制器，因為它為使用 Raspberry Pi 相機模塊提供了極大的靈活性，并允許在 Python 中編碼，這是非常用戶友好的 OpenCV 庫，用于圖像分析。

為了控制電機，我使用 H 橋從順時針切換到逆時針或停止電機。當必須在不同的障礙情況下控制方向和速度時，我通過代碼集成了這一點。

逐幀檢測圖像的關鍵是避免任何幀丟失，因為如果機器人在幾幀丟失后無法預測球的方向，機器人就會進入不確定狀態(tài)。即使它管理掉幀，如果球超出相機的范圍，它也會進入不確定狀態(tài)，在這種情況下，然后我讓我的機器人對其環(huán)境進行 360 度視圖，直到球來回到相機的范圍內(nèi)，然后開始朝著它的方向移動。

對于圖像分析，我正在拍攝每一幀，然后用所需的顏色對其進行掩蔽。然后為了降噪，我正在侵蝕噪音并擴大主要斑點。然后我找到所有的輪廓并找到其中最大的一個并將其綁定在一個矩形中。并在主圖像上顯示矩形并找到矩形中心的坐標。我附上了圖像分析部分的算法（偽代碼），并在視頻中演示了這部分。?

最后，我的機器人嘗試將球的坐標帶到其假想坐標軸的中心。我的機器人就是這樣工作的。我喜歡在這個項目上工作很多，這是一次很好的經(jīng)歷。