|
设计原理：本产品综合机械，电子控制，计算机视觉等多领域技术。机械结构设计参照机械设计原理，底座根据三角稳定原理设计而成。根据理论力学进行受力分析，设计了多种稳定的姿态。脚架只有自重达到一定的份量，架设才能稳定，但是如果过于承重，携带有不太方便，尤其是对于经常外拍或长途旅游的用户，是一个不小的负担。脚架按照材质分类可以分为木质、高强塑料材质、合金材料、钢铁材料、碳纤维等多种，脚架的材质以铝合金和碳纤维居多，大部分中低端脚架为铝合金，它的优点是坚固耐用，但是重量较重，携带性能一般。碳纤维材料逐渐形成潮流，它具有比铝合金韧性好、重量轻等优点，在同等承重的条件下，它的重量仅为铝合金脚架的2/3，但是其价格昂贵，一般比铝合金材质贵两倍以上。三维云台通过三个不同方向的锁扣来确定相机的方向，优点是承重性能高，即能够以较轻的云台固定相对较重的相机和镜头，而且能够比较精确地调整角度；缺点是操作上比较慢，不能一步到位。与三维云台相反，球型云台操作非常方便、快捷，任意确定好一个角度，只要一个锁紧操作，就可以固定相机；缺点是它的承重能力比三维云台弱得多，而且在构图微调方面也不比三维云台。此外，球型云台活动的球体部分很容易磨损或跑进灰尘，对于没有时间或不善于保养脚架的人来说，三维云台更实用一些。
电子控制方面使用串级PID控制。串级控制系统是改善控制质量的有效方法之一，在过程控制中得到了广泛的应用。所谓串级控制，就是采用两个控制器串联工作，外环控制器的输出作为内环控制器的设定值，由内环控制器的输出去操纵控制阀，从而对外环被控量具有更好的控制效果。这样的控制系统被称为串级系统。PID串级控制就是串级控制中的两个控制器均为PID控制器。通过多种传感器利用通信协议的协同作用，实现了智能自适应调整的功能。
计算机视觉方面使用了深度学习识别算法，深度学习是通过一系列的数据变换（层）来实现输入数据到目标结果的映射。在深度学习中，每层的变换由一组权重来进行实现。因此，学习的意思就是为神经网络的所有层找到一组权重值，使得该网络能够将每个示例输入与其目标正确地一一对应。深度学习的基本技巧是利用这个距离值作为反馈信号来对权重值进行微调，以降低当前示例对应的损失值。这种调节有优化器（optimizer）完成，它实现了反向传播算法，这是深度学习中的核心算法。对神经网络的权重随机赋值，由于是对输入数据进行随机的变换，因此跟预期值可能差距很大，相应地，损失值也很高。根据损失值，利用反向传播算法来微调神经网络每层的参数，从而较低损失值；根据调整的参数继续计算预测值，并计算预测值和预期值的差距，即损失值；重复步骤2,3，直到整个网络的损失值达到最小，即算法收敛。
设计方案：机械：①稳定的底座支持传感器云台流畅的运动，可伸缩结构增加对环境的适应性。②云台保持水平，使得两个工业相机处于相对平行的姿态，保证识别和测距的准确性。③云台有可调视距滑轨，便于自动调整两个相机之间的视距。
电子控制：①精准丝滑地控制云台二轴运动，保证拍摄的画面能够清晰。②根据传感器传输的数据，进行自动控制三脚架的高度伸缩。③根据视觉识别的结果进报警等响应。
计算机视觉：①自动识别任何移动中的物体，对于有攻击性的物体进行预警标识。②精准测算物体的实时距离，根据距离远近进行不同的标识。
|
