import sensor, time, image,lcd from machine import Timer,UART,PWM from Maix import GPIO from fpioa_manager import fm Angle = 0 Angle2 = 0 Servo1_Pin = 1 Servo2_Pin = 2 #sensor.reset() #sensor.reset(freq=24000000, dual_buff=True) #sensor.set_pixformat(sensor.RGB565) #sensor.set_framesize(sensor.QVGA) #sensor.set_auto_exposure(1) #sensor.set_auto_gain(0, gain_db=12) #sensor.set_auto_whitebal(0, rgb_gain_db=(0, 0, 0)) #sensor.set_vflip(1) #sensor.set_hmirror(1) #sensor.skip_frames(time=2000) #摄像头初始化 sensor.reset() sensor.reset(freq=24000000, dual_buff=True) sensor.set_auto_gain(1, gain_db=12) sensor.set_auto_whitebal(0, rgb_gain_db=(0, 0, 0)) sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) sensor.set_vflip(1) #后置模式，所见即所得 sensor.run(1) sensor.skip_frames(30) #映射串口引脚 fm.register(15 , fm.fpioa.UART1_RX, force=True) fm.register(16, fm.fpioa.UART1_TX, force=True) #初始化串口 uart = UART(UART.UART1, 9600, read_buf_len=4096) #lcd初始化 lcd.init() clock=time.clock() class PID_property(): Kp = 0 Ki = 0 Kd = 0 P = 0 I = 0 D = 0 now_error = 0 last_error = 0 now_error_LeiJi = 0 last_last_error = 0 Out_posPID = 0 OUT_PWM = 0 S1_PD = PID_property() ###############上面 舵机 S1_PD.Kp = 0.555 S1_PD.Ki = 0.00005 S1_PD.Kd = 0.0005 S2_PD = PID_property() ###############下面 舵机 S2_PD.Kp = 0.739 S2_PD.Ki = 0.00009 S2_PD.Kd = 0.0008 def PID_Pos(Sx_PD,erro): Sx_PD.now_error = erro #误差 Sx_PD.now_error_LeiJi = Sx_PD.now_error + Sx_PD.now_error_LeiJi#累计误差_求和 Sx_PD.P = Sx_PD.Kp * Sx_PD.now_error Sx_PD.I = Sx_PD.Ki * Sx_PD.now_error_LeiJi Sx_PD.D = Sx_PD.Kd * (Sx_PD.now_error - Sx_PD.last_error) Sx_PD.Out_posPID = Sx_PD.P + Sx_PD.I + Sx_PD.D Sx_PD.last_error = Sx_PD.now_error Sx_PD.OUT_PWM = Sx_PD.Out_posPID return Sx_PD.OUT_PWM class color_property(): cx = 0 cy = 0 flag = 0 color = 0 density = 0 pixels_max = 0 led_flag = 0 color_threshold = (0, 0, 0, 0, 0, 0) color_roi = (0, 0, 320, 240) color_x_stride = 1 color_y_stride = 1 color_pixels_threshold = 10 color_area_threshold = 10 color_merge = True color_margin = 1 black = color_property() black.color_threshold = (31, 91, 6, 33, 19, 6) black.color_roi = (0, 0, 320, 240) black.color_x_stride = 1 black.color_y_stride = 1 black.color_pixels_threshold = 10 black.color_area_threshold = 10 black.color_merge = True black.color_margin = 1 tim = Timer(Timer.TIMER0, Timer.CHANNEL0, mode=Timer.MODE_PWM) S1 = PWM(tim, freq=50, duty=0, pin=Servo1_Pin) tim2 = Timer(Timer.TIMER2, Timer.CHANNEL2, mode=Timer.MODE_PWM) S2 = PWM(tim2, freq=50, duty=0, pin=Servo2_Pin) def Servo(S_num): global Angle if Angle > 90: Angle = 90 elif Angle < -90: Angle = -90 S_num.duty((Angle+90)/180*10+2.5) # 占空比范围从0到1 def Servo2(S_num): global Angle2 if Angle2 > 90: Angle2 = 90 elif Angle2 < -90: Angle2 = -90 S_num.duty((Angle2+90)/180*10+2.5) # 占空比范围从0到1 def find_max(blobs): max_size = 0 max_blob = None for blob in blobs: if blob[2] * blob[3] > max_size: max_blob = blob max_size = blob[2] * blob[3] return max_blob while True: err = 0 img = sensor.snapshot() blobs = img.find_blobs([black.color_threshold], area_threshold=50, pixels_threshold=50) if blobs: b = find_max(blobs) img.draw_rectangle(b[0:4]) img.draw_cross(b[5], b[6], color=(0, 255, 0), size=15) x_pos = b[5] # 中心位置 y_pos = b[6] # 中心位置 width = b[2] # 宽度 height = b[3] # 高度 area = width * height # 面积 X = '%03d' % x_pos Y = '%05d' % y_pos DATA = '@' + X + Y + 'A' + 'F' uart.write(DATA) print(DATA) Angle = PID_Pos(S1_PD, x_pos - 160) Angle2 = PID_Pos(S2_PD, y_pos - 120) Servo2(S2) Servo(S1) print("矩形面积:", area) print("矩形长度:", width) print("矩形宽度:", height) print("中心坐标X:", x_pos) print("中心坐标Y:", y_pos) # 打印占空比 servo1_duty = ((Angle+90)/180*10+2.5) servo2_duty = ((Angle2+90)/180*10+2.5) print("舵机1占空比:", servo1_duty) print("舵机2占空比:", servo2_duty) print(Angle) print(Angle2) # 在LCD上显示数据 # lcd.clear() img.draw_string(2, 5, "Servo1 Duty:{:.2f}".format(servo1_duty), scale=2, color=(255, 0, 0)) img.draw_string(2, 30, "Servo2 Duty:{:.2f}".format(servo2_duty), scale=2, color=(255, 0, 0)) img.draw_string(2, 55, "x_pos: {}".format(x_pos), scale=2, color=(255, 0, 0)) img.draw_string(2, 80, "y_pos: {}".format(y_pos), scale=2, color=(255, 0, 0)) else: # 如果没有检测到色块，则输出默认值 #print("矩形面积:", 0) #print("矩形长度:", 0) #print("矩形宽度:", 0) print("中心坐标X:", 160) print("中心坐标Y:", 120) x_pos=160 y_pos=120 X = '%03d' % x_pos Y = '%05d' % y_pos DATA = '@' + X + Y + 'A' + 'F' print(DATA) uart.write(DATA) # 在LCD上显示默认值 #lcd.clear() img.draw_string(2, 5, "NO", scale=3, color=(255, 0, 0)) img.draw_string(2, 35, "NO", scale=3, color=(255, 0, 0)) img.draw_string(2, 65, "x_pos:160", scale=3, color=(255, 0, 0)) img.draw_string(2, 95, "y_pos:120", scale=3, color=(255, 0, 0)) lcd.display(img) #LCD显示图片（逐行分析代码）

<think>我们被要求逐行解释一段使用MaixPy在K210芯片上控制云台追踪色块的Python代码。代码已经给出，我们将逐行解释其功能，并适当结合引用内容进行说明。 ### 代码逐行解释 ```python import sensor, time, image, lcd from machine import Timer, UART, PWM from Maix import GPIO from fpioa_manager import fm ``` - **功能**：导入必要的库模块。 - `sensor`：用于摄像头配置和图像捕获。 - `time`：用于时间相关操作（如延时）。 - `image`：提供图像处理功能。 - `lcd`：用于在液晶显示屏上显示图像。 - `Timer`, `UART`, `PWM`：从`machine`模块导入，分别用于定时器、串口通信和脉宽调制（控制舵机）。 - `GPIO`：用于通用输入输出控制（虽然代码中未直接使用）。 - `fm`：引脚映射管理，用于配置引脚功能（如将物理引脚映射为UART功能）。 --- ```python Angle = 0 Angle2 = 0 Servo1_Pin = 1 Servo2_Pin = 2 ``` - **功能**：初始化全局变量。 - `Angle`和`Angle2`：分别存储两个舵机的目标角度（初始为0度）。 - `Servo1_Pin`和`Servo2_Pin`：定义舵机信号线连接的物理引脚编号（此处为1和2，实际硬件连接需对应）。 --- ```python # 摄像头初始化 sensor.reset() sensor.reset(freq=24000000, dual_buff=True) sensor.set_auto_gain(1, gain_db=12) sensor.set_auto_whitebal(0, rgb_gain_db=(0, 0, 0)) sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) sensor.set_vflip(1) # 后置模式，所见即所得 sensor.run(1) sensor.skip_frames(30) ``` - **功能**：配置摄像头参数[^2][^4]。 - `sensor.reset()`：复位摄像头。 - `sensor.reset(freq=24000000, dual_buff=True)`：设置摄像头时钟频率为24MHz，并启用双缓冲（提高图像采集效率）。 - `sensor.set_auto_gain(1, gain_db=12)`：启用自动增益控制，初始增益为12dB值12。 - `sensor.set_auto_whitebal(0, ...)`：禁用自动白平衡，并设置RGB增益为0（避免颜色自动调整干扰色块识别）。 - `sensor.set_pixformat(sensor.RGB565)`：设置图像格式为RGB565（16位色彩）。 - `sensor.set_framesize(sensor.QVGA)`：设置图像分辨率为QVGA（320×240像素）。 - `sensor.set_vflip(1)`：垂直翻转图像（适用于摄像头倒置安装的情况）。 - `sensor.run(1)`：启动摄像头。 - `sensor.skip_frames(30)`：跳过前30帧，等待摄像头稳定。 --- ```python # 映射串口引脚 fm.register(15, fm.fpioa.UART1_RX, force=True) fm.register(16, fm.fpioa.UART1_TX, force=True) # 初始化串口 uart = UART(UART.UART1, 9600, read_buf_len=4096) ``` - **功能**：配置串口通信[^2]。 - `fm.register(15, fm.fpioa.UART1_RX, force=True)`：将物理引脚15映射为UART1的接收端（RX）。 - `fm.register(16, fm.fpioa.UART1_TX, force=True)`：将物理引脚16映射为UART1的发送端（TX）。 - `uart = UART(UART.UART1, 9600, read_buf_len=4096)`：初始化UART1，波特率9600，接收缓冲区大小为4096字节。 --- ```python # lcd初始化 lcd.init() clock = time.clock() ``` - **功能**：初始化LCD显示屏并创建时钟对象。 - `lcd.init()`：启动LCD显示。 - `clock = time.clock()`：创建时钟对象用于帧率计算。 --- ```python class PID_property(): Kp = 0 Ki = 0 Kd = 0 P = 0 I = 0 D = 0 now_error = 0 last_error = 0 now_error_LeiJi = 0 last_last_error = 0 Out_posPID = 0 OUT_PWM = 0 ``` - **功能**：定义PID控制器的属性类[^1][^4]。 - 包含比例（`Kp`）、积分（`Ki`）、微分（`Kd`）系数。 - 存储当前误差（`now_error`）、上一次误差（`last_error`）、累计误差（`now_error_LeiJi`）等中间变量。 - `Out_posPID`和`OUT_PWM`存储PID计算输出的控制量（角度或PWM占空比）。 --- ```python S1_PD = PID_property() # 上面舵机 S1_PD.Kp = 0.555 S1_PD.Ki = 0.00005 S1_PD.Kd = 0.0005 S2_PD = PID_property() # 下面舵机 S2_PD.Kp = 0.739 S2_PD.Ki = 0.00009 S2_PD.Kd = 0.0008 ``` - **功能**：初始化两个舵机的PID控制器实例，并设置PID参数。 - `S1_PD`控制上方舵机（水平旋转），`S2_PD`控制下方舵机（垂直旋转）。 - 参数值（如`Kp=0.555`）需根据实际云台机械结构和响应调试确定[^1]。 --- ```python def PID_Pos(Sx_PD, erro): Sx_PD.now_error = erro # 误差 Sx_PD.now_error_LeiJi = Sx_PD.now_error + Sx_PD.now_error_LeiJi # 累计误差_求和 Sx_PD.P = Sx_PD.Kp * Sx_PD.now_error Sx_PD.I = Sx_PD.Ki * Sx_PD.now_error_LeiJi Sx_PD.D = Sx_PD.Kd * (Sx_PD.now_error - Sx_PD.last_error) Sx_PD.Out_posPID = Sx_PD.P + Sx_PD.I + Sx_PD.D Sx_PD.last_error = Sx_PD.now_error Sx_PD.OUT_PWM = Sx_PD.Out_posPID return Sx_PD.OUT_PWM ``` - **功能**：实现位置式PID控制算法[^1][^4]。 - 输入：PID控制器实例`Sx_PD`和当前误差`erro`。 - 计算步骤： 1. 更新当前误差（`now_error`）。 2. 累加误差（积分项计算基础）。 3. 计算比例项（`P`）、积分项（`I`）和微分项（`D`）。 4. 输出控制量（`Out_posPID`）为三项之和。 5. 更新上一次误差（`last_error`）并返回输出值。 --- ```python class color_property(): cx = 0 cy = 0 flag = 0 color = 0 density = 0 pixels_max = 0 led_flag = 0 color_threshold = (0, 0, 0, 0, 0, 0) color_roi = (0, 0, 320, 240) color_x_stride = 1 color_y_stride = 1 color_pixels_threshold = 10 color_area_threshold = 10 color_merge = True color_margin = 1 ``` - **功能**：定义色块检测的属性类。 - 包含色块中心坐标（`cx`, `cy`）、颜色阈值（`color_threshold`）、检测区域（`color_roi`）等参数。 - 其他参数如`color_x_stride`（水平扫描步长）、`color_merge`（是否合并相邻色块）等用于优化检测过程。 --- ```python black = color_property() black.color_threshold = (31, 91, 6, 33, 19, 6) # 示例阈值，实际需调整 black.color_roi = (0, 0, 320, 240) black.color_x_stride = 1 black.color_y_stride = 1 black.color_pixels_threshold = 10 black.color_area_threshold = 10 black.color_merge = True black.color_margin = 1 ``` - **功能**：创建黑色色块的检测配置实例。 - 设置颜色阈值（LAB色彩空间，格式为`(L_min, L_max, A_min, A_max, B_min, B_max)`）。 - 其他参数保持默认，如全图检测（ROI为整个图像）等。 --- ```python tim = Timer(Timer.TIMER0, Timer.CHANNEL0, mode=Timer.MODE_PWM) S1 = PWM(tim, freq=50, duty=0, pin=Servo1_Pin) tim2 = Timer(Timer.TIMER2, Timer.CHANNEL2, mode=Timer.MODE_PWM) S2 = PWM(tim2, freq=50, duty=0, pin=Servo2_Pin) ``` - **功能**：初始化舵机控制的PWM信号[^1][^3]。 - 使用定时器（`Timer0`和`Timer2`）生成50Hz的PWM信号（舵机标准控制频率）。 - `S1`和`S2`为PWM对象，分别控制两个舵机，初始占空比为0。 --- ```python def Servo(S_num): global Angle if Angle > 90: Angle = 90 elif Angle < -90: Angle = -90 S_num.duty((Angle + 90) / 180 * 10 + 2.5) # 占空比范围从0到1 ``` - **功能**：控制舵机1（水平方向）转动到目标角度。 - 限幅：角度`Angle`限制在$[-90^\circ, 90^\circ]$范围内。 - 占空比计算：将角度映射到舵机控制脉冲宽度（通常0°对应2.5%占空比，180°对应12.5%占空比）。公式解析： - 角度范围$[-90, 90]$ → 映射到$[0, 180]$：`(Angle + 90)` - 转换为占空比：`(角度值)/180 * (12.5-2.5) + 2.5` → 简化为`(Angle+90)/180*10+2.5` --- ```python def Servo2(S_num): global Angle2 if Angle2 > 90: Angle2 = 90 elif Angle2 < -90: Angle2 = -90 S_num.duty((Angle2 + 90) / 180 * 10 + 2.5) ``` - **功能**：控制舵机2（垂直方向），逻辑同`Servo`。 --- ```python def find_max(blobs): max_size = 0 max_blob = None for blob in blobs: if blob[2] * blob[3] > max_size: max_blob = blob max_size = blob[2] * blob[3] return max_blob ``` - **功能**：从检测到的色块列表中找出面积最大的色块[^2][^4]。 - 遍历所有色块，比较其面积（宽度`blob[2]` × 高度`blob[3]`）。 - 返回面积最大的色块对象。 --- ```python while True: err = 0 img = sensor.snapshot() blobs = img.find_blobs([black.color_threshold], area_threshold=50, pixels_threshold=50) ``` - **功能**：主循环，持续捕获图像并检测色块。 - `img = sensor.snapshot()`：捕获一帧图像。 - `blobs = img.find_blobs(...)`：根据设定的阈值检测黑色色块，面积阈值和像素数阈值均为50（过滤小噪点）。 --- ```python if blobs: b = find_max(blobs) img.draw_rectangle(b[0:4]) img.draw_cross(b[5], b[6], color=(0, 255, 0), size=15) ``` - **功能**：如果检测到色块，则处理最大色块。 - `b = find_max(blobs)`：获取最大色块。 - `img.draw_rectangle(b[0:4])`：绘制色块矩形框。 - `img.draw_cross(b[5], b[6], ...)`：在色块中心绘制绿色十字（`b[5]`和`b[6]`为中心坐标）。 --- ```python x_pos = b[5] # 中心位置 y_pos = b[6] # 中心位置 width = b[2] # 宽度 height = b[3] # 高度 area = width * height # 面积 X = '%03d' % x_pos Y = '%05d' % y_pos DATA = '@' + X + Y + 'A' + 'F' uart.write(DATA) print(DATA) ``` - **功能**：提取色块信息并通过串口发送。 - 中心坐标`(x_pos, y_pos)`、宽度、高度和面积。 - 格式化坐标：`X`为3位数字（不足补0），`Y`为5位数字。 - 构造数据包`@XXXYYYYAF`（`@`开头，`AF`结尾）并通过串口发送[^2]。 --- ```python Angle = PID_Pos(S1_PD, x_pos - 160) Angle2 = PID_Pos(S2_PD, y_pos - 120) Servo2(S2) Servo(S1) ``` - **功能**：计算舵机角度并驱动云台[^1][^4]。 - 水平误差：`x_pos - 160`（图像中心X坐标为160）。 - 垂直误差：`y_pos - 120`（图像中心Y坐标为120）。 - 通过PID计算舵机角度（`Angle`和`Angle2`）。 - 调用`Servo`和`Servo2`函数更新舵机位置。 --- ```python # 打印占空比和坐标信息（略） # 在图像上叠加显示数据（略） else: # 未检测到色块时发送默认坐标(160,120) x_pos = 160 y_pos = 120 # 构造相同格式的数据包并发送 # 在图像上显示"NO"提示 lcd.display(img) # 刷新LCD显示 ``` - **功能**：无论是否检测到色块，都更新LCD显示内容。 - 检测到色块：显示舵机占空比、坐标等信息。 - 未检测到：显示默认坐标和"NO"提示。 ### 总结 该代码实现了以下核心功能： 1. **摄像头配置**：初始化并设置参数，确保稳定采集图像。 2. **色块检测**：在每帧图像中查找符合阈值条件的最大黑色色块。 3. **PID控制**：根据色块中心与图像中心的误差，计算舵机调整角度。 4. **云台驱动**：通过PWM信号控制舵机转动，使色块向图像中心移动。 5. **数据通信**：将色块坐标通过串口发送（格式为`@XXXYYYYAF`）。 6. **状态显示**：在LCD上实时显示图像和调试信息。 此系统可用于电赛云台追踪等场景[^4]，通过调整PID参数和颜色阈值可优化追踪效果[^1]。 §§相关问题§§ 1. 如何调试PID参数以提高K210云台追踪的稳定性？ 2. 在K210上如何优化颜色阈值以适应不同光照条件？ 3. K210的串口通信协议如何设计以实现与其他设备（如STM32）的数据交互？ 4. 如何扩展此代码以实现多目标追踪？ [^1]: 第七章 K210 云台追踪物体教程（基于Maix bit）。 [^2]: 基于STM32与K210的云台追踪装置。 [^3]: 基于K210开源AI智能跟随云台OpenFollow（基础篇）--（三）K210的MaixPy外设基础。 [^4]: 2023电赛E题云台激光追踪视觉实现（K210）。</think>### 逐行解析 K210 云台追踪色块代码 #### 1. 硬件初始化与参数配置 ```python import sensor, time, image, lcd from machine import Timer, UART, PWM from Maix import GPIO from fpioa_manager import fm ``` - **功能**：导入核心库 - `sensor`：摄像头控制 - `machine`：硬件底层控制（定时器/UART/PWM） - `fpioa_manager`：引脚功能映射管理[^3] ```python Angle = 0 # 水平舵机角度 Angle2 = 0 # 垂直舵机角度 Servo1_Pin = 1 # 水平舵机引脚 Servo2_Pin = 2 # 垂直舵机引脚 ``` - **功能**：初始化全局变量，存储舵机角度和硬件映射 #### 2. 摄像头配置 ```python sensor.reset() sensor.reset(freq=24000000, dual_buff=True) sensor.set_auto_gain(1, gain_db=12) sensor.set_auto_whitebal(0, rgb_gain_db=(0, 0, 0)) sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) # 320x240分辨率 sensor.set_vflip(1) # 垂直翻转（后置摄像头） sensor.run(1) sensor.skip_frames(30) # 跳过初始不稳定帧 ``` - **关键参数**： - `dual_buff=True`：双缓冲提升帧率[^3] - `gain_db=12`：固定增益值防止自动调整干扰识别 - `RGB565`：16位色深平衡性能与质量 - `QVGA`：优化处理速度（全分辨率VGA需更高算力）[^4] #### 3. 通信接口初始化 ```python fm.register(15, fm.fpioa.UART1_RX, force=True) fm.register(16, fm.fpioa.UART1_TX, force=True) uart = UART(UART.UART1, 9600, read_buf_len=4096) # 串口通信 lcd.init() # 显示屏初始化 clock = time.clock() # 帧率计时器 ``` - **功能**：配置UART引脚映射和参数，用于调试数据输出[^2] #### 4. PID控制器实现 ```python class PID_property(): # PID参数和状态变量定义 ... def PID_Pos(Sx_PD, erro): # 位置式PID计算 Sx_PD.now_error = erro Sx_PD.now_error_LeiJi += erro # 误差累积（积分项） Sx_PD.P = Sx_PD.Kp * Sx_PD.now_error Sx_PD.I = Sx_PD.Ki * Sx_PD.now_error_LeiJi Sx_PD.D = Sx_PD.Kd * (Sx_PD.now_error - Sx_PD.last_error) Sx_PD.Out_posPID = Sx_PD.P + Sx_PD.I + Sx_PD.D Sx_PD.last_error = Sx_PD.now_error return Sx_PD.Out_posPID ``` - **控制原理**： $$u(t) = K_p e(t) + K_i \int e(t)dt + K_d \frac{de(t)}{dt}$$ - $K_p$：比例系数（快速响应） - $K_i$：积分系数（消除稳态误差） - $K_d$：微分系数（抑制振荡）[^1] #### 5. 色块识别参数 ```python class color_property(): # 颜色识别参数容器 ... black = color_property() black.color_threshold = (31, 91, 6, 33, 19, 6) # LAB色域阈值 black.color_roi = (0, 0, 320, 240) # 全图检测区域 ``` - **阈值说明**：LAB格式 `(L_min, L_max, A_min, A_max, B_min, B_max)` - 适用于黑色物体识别（需根据实际光照调整）[^2] #### 6. 舵机驱动 ```python tim = Timer(Timer.TIMER0, Timer.CHANNEL0, mode=Timer.MODE_PWM) S1 = PWM(tim, freq=50, duty=0, pin=Servo1_Pin) # 水平舵机 def Servo(S_num): global Angle Angle = max(-90, min(90, Angle)) # 角度限幅 duty = (Angle + 90)/180*10 + 2.5 # 角度转占空比 S_num.duty(duty) ``` - **舵机控制原理**： - 50Hz PWM信号（周期20ms） - 占空比范围：2.5%（-90°）~12.5%（+90°） - 转换公式：$duty = \frac{\theta + 90}{180} \times 10 + 2.5$[^1] #### 7. 主控制循环 ```python while True: img = sensor.snapshot() # 捕获图像 blobs = img.find_blobs([black.color_threshold], area_threshold=50, ...) if blobs: b = find_max(blobs) # 找最大色块 x_pos, y_pos = b[5], b[6] # 中心坐标 # PID计算舵机角度 Angle = PID_Pos(S1_PD, x_pos - 160) # 水平误差 Angle2 = PID_Pos(S2_PD, y_pos - 120) # 垂直误差 # 串口输出坐标数据 DATA = f'@{x_pos:03d}{y_pos:05d}AF' uart.write(DATA) # LCD显示调试信息 img.draw_string(2, 5, f"Servo1:{duty:.2f}", ...) else: # 目标丢失处理 uart.write('@160120AF') # 发送中心坐标 ``` - **工作流程**： 1. 图像采集 → 2. 色块识别 → 3. 中心坐标计算 → 4. PID误差控制 → 5. 舵机驱动 → 6. 数据显示[^4] ### 关键技术与优化点 1. **双缓冲机制**：`dual_buff=True` 提升图像采集效率 2. **动态PID调参**：水平/垂直舵机使用独立参数（$K_p$不同） 3. **目标丢失处理**：无目标时输出图像中心坐标防止舵机失控 4. **数据协议优化**：`@XXXYYYYAF` 格式串口数据帧（含校验）[^2] ### 典型应用场景 - 电赛E题激光追踪系统[^4] - 智能跟随云台 - 工业分拣机械臂视觉引导