感謝E絡盟提供的助賽基金。

(一)方案

本意是制作一個基于視覺、智能語音為一體的智能機械臂，但由于項目立得太大，其中各種意想不到的問題頻發，目前階段只完成了部分視覺任務。

(二)簡介

1、空間變換原理：

7%(5@Z5IIVUU%(0HY2[5_ER.png (25.19 KB, 下載次數: 87)

2018-1-11 23:30 上傳

通過三角變化可以得到根部角度(舵機通過角度控制機械臂)與夾頭部位的x、y坐標轉化：

double fai_t = asin(y0 / (sqrt(x0*x0 + y0*y0))) * 180 / 3.14159;

double cita_t = acos(sqrt(x0*x0 + y0*y0) / 40) * 180 / 3.14159;

double alpha_t = cita_t + fai_t;

double beta_t = cita_t - fai_t;復制代碼2、pca9685的舵機控制

pca9685通過iic與樹莓派進行通訊，調整16路pwm的頻率與占空比；

樹莓派可以通過集成的wiringpi庫方便地進行通訊。

3、物體自動識別

物體識別功能通過opencv函數庫實現。原本的目標是基于surf特征點+輪廓識別疊加后獲取目標圖像位置，后來發現這個算法在樹莓派上只能運行兩幀，隨后就會崩潰，于是改采用hsv分割二值圖像的方法，雖然識別的物體變得簡單而嚴格，但識別的準確率大大上升，速度也經得起樹莓派的考驗。

算法實現：通過hsv分割二值圖像，根據h的值判斷視野中的粉紅色(由于opencv的h取值范圍在0-180之間，因此在0-360空間中為340的粉紅色，轉化過了就是170左右)。然后通過

findContours復制代碼尋找輪廓，找到最大連通域，獲取連通域的坐標信息，獲取中心點x左邊，對比根據實驗得到中心定位值(由于我的機械臂結構設計不盡合理，導致攝像頭被迫偏心安裝；加上圖像是640*480，可以得到對應的中心區域x值為425)。

4、遠程控制

通過tcp socket，使樹莓派上的qt控制程序與安卓客戶端通訊。

(三)成果展示

1、圖片

IMG_20180111_234740.jpg (59.4 KB, 下載次數: 72)

2018-1-11 23:50 上傳

IMG_20180111_234750.jpg (68.49 KB, 下載次數: 101)

2018-1-11 23:50 上傳

IMG_20180111_234802.jpg (76.69 KB, 下載次數: 77)

2018-1-11 23:50 上傳

2、視頻(需在優酷登陸后，刷新查看)

(四)小結

這次針對樹莓派的機械臂開發不甚如意，首先是機械結構設計加工耗時遠遠超出預期，以至于其后的開發沒能留下足夠時間，加工精度、設計合理性也不甚如意，運動精度不能保證，很多控制都是基于理論上精確。

本意借助百度ai平臺實現語音識別與更準確的物體定位，但由于種種原因，雖然開發出雛形，但沒能整合到控制程序中。

由于耗費太多時間在開發設計上，導致最后編寫本提交貼也不盡完善。

(五)附件

安卓app：鏈接：https://pan.baidu.com/s/1o90gPnk 密碼：9n26

總結

以上是生活随笔為你收集整理的树莓派4b控制机械手臂_Raspberry Pi的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。