CN114827460A - 基于无刷电机控制的云台图像跟随方法、装置及电子设备 - Google Patents
基于无刷电机控制的云台图像跟随方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114827460A CN114827460A CN202210394770.3A CN202210394770A CN114827460A CN 114827460 A CN114827460 A CN 114827460A CN 202210394770 A CN202210394770 A CN 202210394770A CN 114827460 A CN114827460 A CN 114827460A
- Authority
- CN
- China
- Prior art keywords
- initial
- brushless motor
- current
- image
- azimuth angle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000035484 reaction time Effects 0.000 abstract description 2
- 210000003128 head Anatomy 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Control Of Motors That Do Not Use Commutators (AREA)
Abstract
本申请公开了一种基于无刷电机控制的云台图像跟随方法、装置及电子设备，该方法包括：获取初始图像，根据初始图像确定包含有目标图像的目标区域；计算目标区域的中心点与初始图像的中心点的位置偏差；根据位置偏差确定无刷电机的期望方位角；调整无刷电机的当前方位角至期望方位角，使得目标区域的中心点与初始图像的中心点重合。本发明通过利用FOC算法确定无刷电机的期望方位角，并通过FOC调整无刷电机的当前方位角至期望方位角。由于FOC控制的无刷电机处理速度快，反应时间短，因此，本技术方案实现了云台摄像头在跟踪拍摄目标时能够实时调整拍摄目标至图像中心位置，使得目标图像能够一直居于整个图像的中心位置。
Description
技术领域
本发明涉及图像处理领域，尤其涉及一种基于无刷电机控制的云台图像跟随方法、装置及电子设备。
背景技术
随着计算机技术、机器视觉和人工智能的快速发展，云台技术研究已成为智能控制和运动目标检测及跟踪领域的热门课题。
我国摄像头大多采用的是两轴云台控制摄像头的转动，由于拍摄目标、环境、设备等存在诸多不确定性因素，经常存在因为拍摄目标的移动导致拍摄目标不在图像中心位置，难以获得需要的视频信息。另外，在图像处理领域，我国采用的电机大多是直流有刷电机，虽然直流有刷电机较无刷的便宜，但是处理精度低，获得的图像不能完美地达到预期目标。
因此，现有技术中存在着云台摄像头在跟踪拍摄目标时不能实时拍摄到图像中心位置的缺陷，且图像处理精度也不高。
发明内容
有鉴于此，有必要提供一种基于无刷电机控制的云台图像跟随方法、装置及电子设备，用以解决现有的云台摄像头在跟踪拍摄目标时不能实时拍摄到图像中心位置的的技术问题。
为了解决上述问题，本发明提供一种基于无刷电机控制的云台图像跟随方法，包括：
获取初始图像，根据所述初始图像确定包含有目标图像的目标区域；
计算目标区域的中心点与初始图像的中心点的位置偏差；
根据位置偏差确定无刷电机的期望方位角；
调整无刷电机的当前方位角至期望方位角，使得目标区域的中心点与初始图像的中心点重合。
其中，根据所述初始图像确定包含有目标图像的目标区域，包括：
建立初始区域识别模型；
获取多个样本图像输入至初始区域识别模型，预测多个样本图像的标签分类信息，并将标签分类信息对应的区域作为样本输出，训练初始区域识别模型，得到训练完备的区域识别模型；
获取初始图像，根据训练完备的区域识别模型，确定初始图像中包含有目标图像的目标区域。
其中，获取多个样本图像输入至初始区域识别模型，预测多个样本图像的标签分类信息，包括：
将多个分类标签输入至初始区域识别模型，通过逻辑分类器对多个样本图像进行分类预测，得到多个样本图像的标签分类信息。
其中，根据位置偏差确定无刷电机的期望方位角，包括：
根据位置偏差，通过FOC算法，计算得到位置偏差对应的无刷电机的角度偏差；
根据角度偏差，确定无刷电机对应的期望方位角。
其中，调整无刷电机的当前方位角至期望方位角，使得目标区域的中心点与初始图像的中心点重合，包括：
根据角度偏差，得到交轴期望电流，并设置直轴期望电流；
获取无刷电机的初始三相电流；
根据初始三相电流，得到无刷电机的初始交轴电流和初始直轴电流；
根据交轴期望电流、直轴期望电流、初始交轴电流和初始直轴电流，确定无刷电机的期望电流方向；
根据无刷电机的期望电流方向，控制无刷电机从当前方位角至期望方位角，使得目标区域的中心点与初始图像的中心点重合。
其中，根据初始三相电流，得到无刷电机的初始交轴电流和初始直轴电流，包括：
根据初始三相电流，通过Clark矩阵变换，得到无刷电机的初始横轴电流和初始纵轴电流；
根据初始横轴电流和初始纵轴电流，通过Park矩阵变换，得到无刷电机的初始交轴电流，初始直轴电流。
其中，根据交轴期望电流、直轴期望电流、初始交轴电流和初始直轴电流，确定无刷电机的期望电流方向，包括：
根据交轴期望电流和初始交轴电流的差值、直轴期望电流和初始直轴电流的差值，通过控制器，计算得到交轴偏差电压和直轴偏差电压；
根据交轴偏差电压和直轴偏差电压，通过反Park矩阵变换，得到横轴偏差电压和纵轴偏差电压；
根据轴偏差电压和纵轴偏差电压，得到偏差电压空间矢量；
根据偏差电压空间矢量，确定无刷电机的期望电流方向。
为了解决上述问题，本发明还提供一种基于无刷电机控制的云台图像跟随装置，包括：
目标区域获取模块，用于根据初始图像确定包含有目标图像的目标区域；
位置偏差计算模块，用于计算目标区域的中心点与初始图像的中心点的位置偏差；
期望方位角确定模块，用于根据所述位置偏差确定所述无刷电机的期望方位；
FOC控制模块，用于调整无刷电机的当前方位角至期望方位角，使得目标区域的中心点与初始图像的中心点重合。
为了解决上述问题，本发明还提供一种电子设备，包括处理器以及存储器，存储器上存储有计算机程序，计算机程序被处理器执行时，实现如前文所述的基于无刷电机控制的云台图像跟随方法。
为了解决上述问题，本发明还提供一种存储介质，存储介质存储有计算机程序指令，当计算机程序指令被计算机执行时，使计算机执行如前文所述的基于无刷电机控制的云台图像跟随方法。
采用上述实施例的有益效果是：本发明提供一种基于无刷电机控制的云台图像跟随方法、装置及电子设备，该方法包括：获取初始图像，根据初始图像确定包含有目标图像的目标区域；计算目标区域的中心点与初始图像的中心点的位置偏差；根据位置偏差确定无刷电机的期望方位角；调整无刷电机的当前方位角至期望方位角，使得目标区域的中心点与初始图像的中心点重合。本发明通过计算确定目标区域的中心点与初始图像的中心点的位置偏差，然后利用FOC算法，根据位置偏差确定无刷电机的期望方位角，最后，通过FOC调整无刷电机的当前方位角至期望方位角，使得目标区域的中心点与初始图像的中心点重合。由于FOC控制的无刷电机处理速度快，反应时间短，因此，通过本技术方案实现了云台摄像头在跟踪拍摄目标时能够实时调整拍摄目标至图像中心位置，使得目标图像能够一直居于整个图像的中心位置。
附图说明
图1为本发明提供的基于无刷电机控制的云台图像跟随方法一实施例的流程示意图；
图2为本发明提供的确定初始图像中的目标区域一实施例的流程示意图；
图3为本发明提供的调整无刷电机的当前方位角至期望方位角一实施例的流程示意图；
图4为本发明提供的确定无刷电机的期望电流方向一实施例的流程示意图；
图5为本发明提供的基于无刷电机控制的云台图像跟随装置的结构示意图；
图6为本发明提供的电子设备一实施例的结构框图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
在陈述实施例之前，先对FOC控制的无刷电机进行阐述：
无刷直流电机由电动机主体和驱动器组成，是一种典型的机电一体化产品。由于无刷直流电动机是以自控式运行的，所以不会像变频调速下重载启动的同步电机那样在转子上另加启动绕组，也不会在负载突变时产生振荡和失步，因此，相对于目前普遍使用的直流有刷电机，无刷直流电动机本身具有较高的灵敏度。
FOC，磁场定向控制系统，又称为矢量控制系统，通过选择电机某一旋转磁场轴作为特定的同步旋转坐标轴。磁场定向轴的选择有三种：转子磁场定向、气隙磁场定向和定子磁场定向；气隙磁场定向和定子磁场定向在磁链关系中均存在耦合，使得矢量控制结构更加复杂；转子磁场定向是仿照直流电动机的控制方式，利用坐标变换的手段，把交流电动机的定子电流分解成磁场分量电流(相当于励磁电流)和转矩分量电流(相当于负载电流)并分别加以控制，即磁通电流分量和转矩电流分量二者完全解耦，从而获得类似于直流调速系统的动态性能。
目前，FOC控制系统的电流反馈、转子角度反馈以及转速反馈的速度快，精度高，与直流无刷电机结合使用，能使得无刷电机具备低速平顺性和可靠精度。
为了解决现有技术中，云台摄像头在跟踪拍摄目标时不能实时拍摄到图像中心位置的问题，本发明提供了一种基于无刷电机控制的云台图像跟随方法，以下分别进行详细说明。
如图1所示，图1为本发明提供的基于无刷电机控制的云台图像跟随方法一实施例的流程示意图，包括：
步骤S11：获取初始图像，并确定包含有目标图像的目标区域；
步骤S12：计算目标区域的中心点与初始图像的中心点的位置偏差；
步骤S13：根据位置偏差确定无刷电机的期望方位角；
步骤S14：调整无刷电机的当前方位角至期望方位角，使得目标区域的中心点与初始图像的中心点重合。
在本发明实施例中，首先，获取初始图像，并确定初始图像中包含有目标图像的目标区域，其中，目标图像是初始图像中最为关注的组成部分，包括：人脸、动物头像、建筑物、车辆等其他需要关注的对象；为了便于确定目标区域的中心点，目标区域为规则图形，优选正方形；其次，计算目标区域的中心点与初始图像的中心点的位置偏差，也就是确定目标图像与目标图像的期望位置的位置偏差；然后，根据位置偏差确定无刷电机的期望方位角，利用FOC算法的高精度特点，计算得到无刷电机具备较高精度的期望方位角；最后，调整无刷电机的当前方位角至期望方位角，使得目标区域的中心点与初始图像的中心点重合。
本发明提供的实施例中，利用FOC算法，计算得到无刷电机的期望方位角具备较高精度；同时，利用FOC控制系统控制无刷电机旋转，使得无刷电机具备低速平顺性和可靠精度。另外，由于调整控制无刷电机的时间间隔很短，也就是说，根据人眼判断时，无刷电机调整过程中的所依据的上一帧图像的中心与下一帧图像的中心之间的误差可以忽略不计，从而实现了摄像过程中，目标图像能够一直居于整个图像的中心位置。
作为优选的实施例，在步骤S11中，根据初始图像，为了实现自动确定包含有目标图像的目标区域，本申请提出建立区域识别模型，如图2所示，图2为本发明提供的确定初始图像中的目标区域一实施例的流程示意图，确定初始图像中的目标区域包括：
步骤S111：建立初始区域识别模型；
步骤S112：获取多个样本图像输入至初始区域识别模型，预测多个样本图像的标签分类信息，并将标签分类信息对应的区域作为样本输出，训练初始区域识别模型，得到训练完备的区域识别模型；
步骤S113：获取初始图像，根据训练完备的区域识别模型，确定初始图像中包含有目标图像的目标区域。
可以理解的是，将多个样本图像和多种标签分类信息输入至初始区域识别模型，并将标签分类信息对应的区域作为样本输出，通过训练，不断迭代并验证模型的有效性，直至得到训练完备的区域识别模型；将初始图像输入至训练完备的区域识别模型，确定初始图像中包含有目标图像的目标区域。
也就是说，本申请中通过建立区域识别模型，实现了根据初始图像，直接得到包含有目标图像的目标区域。
作为优选的实施例，在步骤S112中，为了实现自动识别样本图像的标签分类，以便于后续自动获取目标图像对应的目标区域，本申请将多个样本图像输入至初始区域识别模型，预测多个样本图像的标签分类信息，包括：
将多个分类标签输入至初始区域识别模型，其中，每个样本图像对应一个分类标签，通过逻辑分类器对每个样本图像进行分类预测，实现预测多个样本图像的标签分类信息。
在其他实施例中，还可以对每个样本图像进行区域划分，每个区域对应一个分类标签，这样根据一个样本图像就能够得到多个分类标签。然后再通过逻辑分类器对每个区域进行分类预测，得到每个区域的标签分类信息，最后根据每个区域的标签分类信息与目标的相关性，将与目标最相关的区域的标签分类信息确定为该样本图像的标签分类信息，从而得到多个样本图像的标签分类信息。
作为优选的实施例，在步骤S13中，在获取到目标区域的中心点与初始图像的中心点的位置偏差之后，还需要根据位置偏差得到无刷电机的期望方位角，包括：
对于有传感器FOC，编码器能实时反馈电机转子的位置信息，因此，能够实时获取无刷电机的当前位置。
根据位置偏差，利用FOC算法，得到该位置偏差对应的无刷电机的方位角偏差，基于无刷电机的当前位置和方位角偏差，从而确定无刷电机的期望角度。
作为优选的实施例，在步骤S14中，在获取到无刷电机的期望角度后，为了调整图像的目标图像至图像的中心位置，如图3所示，图3为本发明提供的调整无刷电机的当前方位角至期望方位角一实施例的流程示意图，调整无刷电机的当前方位角至期望方位角包括：
步骤S141：根据角度偏差，得到交轴期望电流，并设置直轴期望电流。
将角度偏差输入位置环的PID控制器，计算得到交轴期望电流，设置直轴期望电流为零。
步骤S142：获取无刷电机的初始三相电流。
通过电流传感器对无刷电机的三相电流进行采样，得到无刷电机的初始三相电流。
步骤S143：根据初始三相电流，得到无刷电机的初始交轴电流和初始直轴电流。
三相系统中的电压、电流等状态变量存在不同程度的耦合，通过三相坐标变换可以将耦合的对称三相系统解耦为可以独立控制的两相系统，从而降低控制器设计的复杂程度。
作为优选的实施例，得到无刷电机的初始三相电流之后，通过Clark矩阵变换，将三相系统中的状态变量变换成二维形式，得到所述无刷电机的初始横轴电流和初始纵轴电流，且未丢失有用信息。
在一具体实施例中，Clark矩阵变换的表达式可以表示为：
其中，Ix为无刷电机的初始横轴电流，Iy为无刷电机的初始纵轴电流，Ia，Ib，Ic分别为无刷电机的初始三相电流。
作为优选的实施例，在得到初始横轴电流和初始纵轴电流后，为了能够对应交轴电流和直轴电流，本实施例中，根据无刷电机的初始横轴电流、初始纵轴电流和转子当前的角度，通过Park矩阵变换，得到无刷电机的初始交轴电流，初始直轴电流。
在一具体实施例中，Park矩阵变换的表达式可以表示为：
其中，Id为无刷电机的初始交轴电流，Iq为无刷电机的初始直轴电流，Ix为无刷电机的初始横轴电流，Iy为无刷电机的初始纵轴电流，θ为无刷电机转子当前的角度。
步骤S144：根据交轴期望电流、直轴期望电流、初始交轴电流和初始直轴电流，确定无刷电机的期望电流方向。
在得到无刷电机的交轴期望电流、直轴期望电流、初始交轴电流，初始直轴电流后，还需要通过转换得到无刷电机的期望电流方向，才能实现调整无刷电机的方位角。
作为优选的实施例，在步骤S144中，如图4所示，图4为本发明提供的确定无刷电机的期望电流方向一实施例的流程示意图，确定无刷电机的期望电流方向包括：
步骤S1441：根据交轴期望电流和初始交轴电流的差值、直轴期望电流和初始直轴电流的差值，通过控制器，计算得到交轴偏差电压和直轴偏差电压。
步骤S1442：根据交轴偏差电压和直轴偏差电压，通过反Park矩阵变换，得到横轴偏差电压和纵轴偏差电压。
与Park矩阵变换相比，反Park矩阵变换是Park矩阵变换的逆运算。
步骤S1443：根据横轴偏差电压和纵轴偏差电压，得到偏差电压空间矢量。
将横轴偏差电压和纵轴偏差电压合成空间矢量，得到偏差电压空间矢量。
步骤S1444：根据偏差电压空间矢量，确定无刷电机的期望电流方向。
将偏差电压空间矢量转换成偏差电流空间矢量，基于当前电流方向，确定无刷电机的期望电流方向。
步骤S145：根据无刷电机的期望电流方向，控制无刷电机从当前方位角至期望方位角，使得目标区域的中心点与初始图像的中心点重合。
根据无刷电机的期望电流方向，得到对应的三相电流的方向，驱动无刷电机从当前方位角至期望方位角，使得目标区域的中心点与初始图像的中心点重合。
通过上述方式，在得到初始图像的位置偏差后，通过FOC算法，计算得到无刷电机的角度偏差；然后根据无刷电机的角度偏差，通过运算，确定无刷电机的期望方位角；最后，由FOC算法控制无刷电机进行转动，调整无刷电机的当前方位角至期望方位角，实现目标区域的中心点与初始图像的中心点重合。
通过本申请提供的技术方案处理摄像过程中的图像，基于FOC算法和无刷电机的组合能够快速识别偏差并调整的特点，同时人眼观物是有一定的时间延迟，因此，通过本技术方案，实现了在摄像过程中，目标图像的中心点与初始图像的中心点，即摄像机的物理中心点，一直保持重合的状态，从而实现了目标图像能够一直保持在摄像机图像的中心位置。
为了解决上述问题，本发明还提供了一种基于无刷电机控制的云台图像跟随装置，如图5所示，图5为本发明提供的基于无刷电机控制的云台图像跟随装置的结构示意图，基于无刷电机控制的云台图像跟随装置500包括：
目标区域获取模块501，用于获取初始图像中的目标区域，其中，所述目标区域包括所述初始图像中的人脸、动物头像、建筑物或车辆；
位置偏差计算模块502，用于计算所述目标区域的中心点与所述初始图像的中心点的位置偏差；
期望方位角确定模块503，用于计算所述无刷电机的期望方位角；
FOC控制模块504，用于调整所述无刷电机至所述期望方位角，使得所述目标区域的中心点与所述初始图像的中心点重合。
本发明还相应提供了一种电子设备，如图6所示，图6为本发明提供的电子设备一实施例的结构框图。电子设备600可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。电子设备600包括处理器601以及存储器602，其中，存储器602上存储有基于无刷电机控制的云台图像跟随程序603。
存储器602在一些实施例中可以是计算机设备的内部存储单元，例如计算机设备的硬盘或内存。存储器602在另一些实施例中也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器602还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器602用于存储安装于计算机设备的应用软件及各类数据，例如安装计算机设备的程序代码等。存储器602还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，基于无刷电机控制的云台图像跟随程序603可被处理器601所执行，从而实现本发明各实施例的基于无刷电机控制的云台图像跟随方法。
处理器601在一些实施例中可以是一中央处理器(Central Processing Unit，CPU)，微处理器或其他数据处理芯片，用于运行存储器602中存储的程序代码或处理数据，例如执行基于无刷电机控制的云台图像跟随程序等。
本实施例还提供了一种计算机可读存储介质，其上存储有基于无刷电机控制的云台图像跟随程序，计算机该程序被处理器执行时，实现如上述任一技术方案所述的基于无刷电机控制的云台图像跟随方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于无刷电机控制的云台图像跟随方法，其特征在于，包括：
获取初始图像，根据所述初始图像确定包含有目标图像的目标区域；
计算所述目标区域的中心点与所述初始图像的中心点的位置偏差；
根据所述位置偏差确定所述无刷电机的期望方位角；
调整所述无刷电机的当前方位角至所述期望方位角，使得所述目标区域的中心点与所述初始图像的中心点重合。
2.根据权利要求1所述的基于无刷电机控制的云台图像跟随方法，其特征在于，所述根据所述初始图像确定包含有目标图像的目标区域，包括：
建立初始区域识别模型；
获取多个样本图像输入至所述初始区域识别模型，预测所述多个样本图像的标签分类信息，并将所述标签分类信息对应的区域作为样本输出，训练所述初始区域识别模型，得到训练完备的区域识别模型；
获取所述初始图像，根据所述训练完备的区域识别模型，确定所述初始图像中包含有目标图像的目标区域。
3.根据权利要求2所述的基于无刷电机控制的云台图像跟随方法，其特征在于，所述获取多个样本图像输入至所述初始区域识别模型，预测所述多个样本图像的标签分类信息，包括：
将多个分类标签输入至所述初始区域识别模型，通过逻辑分类器对所述多个样本图像进行分类预测，得到所述多个样本图像的标签分类信息。
4.根据权利要求1所述的基于无刷电机控制的云台图像跟随方法，其特征在于，所述根据所述位置偏差确定所述无刷电机的期望方位角，包括：
根据所述位置偏差，通过FOC算法，计算得到所述位置偏差对应的无刷电机的角度偏差；
根据所述角度偏差，确定所述无刷电机对应的所述期望方位角。
5.根据权利要求4所述的基于无刷电机控制的云台图像跟随方法，其特征在于，所述调整所述无刷电机的当前方位角至所述期望方位角，使得所述目标区域的中心点与所述初始图像的中心点重合，包括：
根据所述角度偏差，得到交轴期望电流，并设置直轴期望电流；
获取所述无刷电机的初始三相电流；
根据所述初始三相电流，得到所述无刷电机的初始交轴电流和初始直轴电流；
根据所述交轴期望电流、所述直轴期望电流、所述初始交轴电流和所述初始直轴电流，确定所述无刷电机的期望电流方向；
根据所述无刷电机的期望电流方向，控制所述无刷电机从所述当前方位角至所述期望方位角，使得所述目标区域的中心点与所述初始图像的中心点重合。
6.根据权利要求5所述的基于无刷电机控制的云台图像跟随方法，其特征在于，所述根据所述初始三相电流，得到所述无刷电机的初始交轴电流和初始直轴电流，包括：
根据所述初始三相电流，通过Clark矩阵变换，得到所述无刷电机的初始横轴电流和初始纵轴电流；
根据所述初始横轴电流和所述初始纵轴电流，通过Park矩阵变换，得到所述无刷电机的初始交轴电流，初始直轴电流。
7.根据权利要求5所述的基于无刷电机控制的云台图像跟随方法，其特征在于，所述根据所述交轴期望电流、所述直轴期望电流、所述初始交轴电流和所述初始直轴电流，确定所述无刷电机的期望电流方向，包括：
根据所述交轴期望电流和所述初始交轴电流的差值、所述直轴期望电流和所述初始直轴电流的差值，通过控制器，计算得到交轴偏差电压和直轴偏差电压；
根据所述交轴偏差电压和所述直轴偏差电压，通过反Park矩阵变换，得到横轴偏差电压和纵轴偏差电压；
根据所述轴偏差电压和所述纵轴偏差电压，得到偏差电压空间矢量；
根据所述偏差电压空间矢量，确定所述无刷电机的期望电流方向。
8.一种基于无刷电机控制的云台图像跟随装置，其特征在于，包括：
目标区域获取模块，用于根据初始图像确定包含有目标图像的目标区域；
位置偏差计算模块，用于计算所述目标区域的中心点与所述初始图像的中心点的位置偏差；
期望方位角确定模块，用于根据所述位置偏差确定所述无刷电机的期望方位；
FOC控制模块，用于调整所述无刷电机的当前方位角至所述期望方位角，使得所述目标区域的中心点与所述初始图像的中心点重合。
9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-7任一项所述的基于无刷电机控制的云台图像跟随方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行根据权利要求1至7中任一所述的基于无刷电机控制的云台图像跟随方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210394770.3A CN114827460A (zh) | 2022-04-15 | 2022-04-15 | 基于无刷电机控制的云台图像跟随方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210394770.3A CN114827460A (zh) | 2022-04-15 | 2022-04-15 | 基于无刷电机控制的云台图像跟随方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114827460A true CN114827460A (zh) | 2022-07-29 |
Family
ID=82536081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210394770.3A Pending CN114827460A (zh) | 2022-04-15 | 2022-04-15 | 基于无刷电机控制的云台图像跟随方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114827460A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115562369A (zh) * | 2022-09-22 | 2023-01-03 | 北京富吉瑞光电科技股份有限公司 | 云台的控制方法及装置、存储介质和处理器 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104734592A (zh) * | 2015-04-01 | 2015-06-24 | 南车株洲电力机车研究所有限公司 | 一种永磁同步电机的控制方法及系统 |
| CN107147341A (zh) * | 2017-06-16 | 2017-09-08 | 中国科学院长春光学精密机械与物理研究所 | 用于控制电机转动的矢量控制方法及控制系统及稳定云台 |
| CN107357318A (zh) * | 2017-06-16 | 2017-11-17 | 中国科学院长春光学精密机械与物理研究所 | 稳定云台转动的控制方法及控制系统及稳定云台 |
| CN108549413A (zh) * | 2018-04-27 | 2018-09-18 | 全球能源互联网研究院有限公司 | 一种云台旋转控制方法、装置及无人飞行器 |
| CN112990432A (zh) * | 2021-03-04 | 2021-06-18 | 北京金山云网络技术有限公司 | 目标识别模型训练方法、装置及电子设备 |
-
2022
- 2022-04-15 CN CN202210394770.3A patent/CN114827460A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104734592A (zh) * | 2015-04-01 | 2015-06-24 | 南车株洲电力机车研究所有限公司 | 一种永磁同步电机的控制方法及系统 |
| CN107147341A (zh) * | 2017-06-16 | 2017-09-08 | 中国科学院长春光学精密机械与物理研究所 | 用于控制电机转动的矢量控制方法及控制系统及稳定云台 |
| CN107357318A (zh) * | 2017-06-16 | 2017-11-17 | 中国科学院长春光学精密机械与物理研究所 | 稳定云台转动的控制方法及控制系统及稳定云台 |
| CN108549413A (zh) * | 2018-04-27 | 2018-09-18 | 全球能源互联网研究院有限公司 | 一种云台旋转控制方法、装置及无人飞行器 |
| CN112990432A (zh) * | 2021-03-04 | 2021-06-18 | 北京金山云网络技术有限公司 | 目标识别模型训练方法、装置及电子设备 |
Non-Patent Citations (3)
| Title |
|---|
| 郭阳志等: "微小型无刷云台电机驱动的研究", 《湖北工业大学学报》 * |
| 郭阳志等: "微小型无刷云台电机驱动的研究", 《湖北工业大学学报》, no. 01, 15 February 2016 (2016-02-15), pages 63 - 66 * |
| 黎泽宇，张 祺: "有感FOC无刷直流电机驱动技术的三轴增稳云台研究", 《电子世界》, no. 4, pages 49 - 52 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115562369A (zh) * | 2022-09-22 | 2023-01-03 | 北京富吉瑞光电科技股份有限公司 | 云台的控制方法及装置、存储介质和处理器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109101602B (zh) | 图像检索模型训练方法、图像检索方法、设备及存储介质 | |
| CN110853100B (zh) | 一种基于改进点线特征的结构化场景视觉slam方法 | |
| CN109102525B (zh) | 一种基于自适应位姿估计的移动机器人跟随控制方法 | |
| EP1612731B1 (en) | Computer modeling of physical scenes | |
| CN111161446A (zh) | 一种巡检机器人的图像采集方法 | |
| CN114898313B (zh) | 驾驶场景的鸟瞰图生成方法、装置、设备及存储介质 | |
| CN111325798B (zh) | 相机模型纠正方法、装置、ar实现设备及可读存储介质 | |
| CN109816698A (zh) | 基于尺度自适应核相关滤波的无人机视觉目标跟踪方法 | |
| CN114827460A (zh) | 基于无刷电机控制的云台图像跟随方法、装置及电子设备 | |
| CN110943659B (zh) | 一种激光终端粗指向机构工作模式识别及位置控制系统 | |
| CN110686676A (zh) | 机器人重定位方法、装置及机器人 | |
| CN113437922B (zh) | 有限转角力矩电动机的驱动控制方法和系统 | |
| CN116360492B (zh) | 一种扑翼飞行机器人目标跟踪方法及系统 | |
| CN111950419A (zh) | 图像信息预测方法、装置、计算机设备和存储介质 | |
| JP4570764B2 (ja) | 運動情報認識システム | |
| CN116309719A (zh) | 目标跟踪方法、装置、计算机设备和存储介质 | |
| US8903124B2 (en) | Object learning method, object tracking method using the same, and object learning and tracking system | |
| CN118071792A (zh) | 一种无人机目标检测跟踪方法及系统 | |
| CN111179342B (zh) | 物体位姿的估计方法、装置、存储介质和机器人 | |
| Tsai et al. | Implementation of a real-time moving object tracking system using visual servoing | |
| CN102682445B (zh) | 一种仿蜥蜴亚目避役科生物视觉坐标提取算法 | |
| CN109542094A (zh) | 无期望图像的移动机器人视觉镇定控制 | |
| CN115082526B (zh) | 目标追踪方法及装置 | |
| CN117291974A (zh) | 地图数据的处理方法、装置、电子设备及移动设备 | |
| CN112492196B (zh) | 一种直播进行中主播跟踪方法、装置及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220729 |