Raspberry PiとOpenCVによる自動ビジョンベース物体追跡

コンピュータビジョンを用いて色物体を自動追跡するパン/チルトサーボシステム。

ストーリー

はじめに

前回のチュートリアルでは、パン/チルトサーボを制御してRaspberry Piカメラを位置決めする方法を学びました。今回は、カメラが色物体を自律的に追跡できるよう、そのセットアップを拡張します。

これは私のOpenCV初体験ですが、このオープンソースコンピュータビジョンライブラリの虜になりました。

OpenCVは学術/商用利用無料、C++、C、Python、Javaインターフェースを提供、Windows、Linux、macOS、iOS、Androidで動作。このシリーズでは、OpenCVが計算効率とリアルタイムアプリケーション向けに構築されているため、Raspberry Pi（Raspbian）とPythonに焦点を当てます—まさにフィジカルコンピューティングプロジェクトに必要なものです。

ステップ1：BOM – 部品表

主要パーツ：

• Raspberry Pi V3 – 32.00ドル
• 500万画素 1080p OV5647 ミニカメラビデオモジュール – 13.00ドル
• TowerPro SG90 9G 180度マイクロサーボ（2個） – 4.00ドル
• ミニパン/チルトカメラプラットフォーム アンチバイブレーションマウント（サーボ2個付き）（*） – 8.00ドル
• 赤色LED
• 抵抗 220Ω
• 抵抗 1kΩ（2個） – オプション
• その他：金属パーツ、バンド等（自作パン/チルト機構の場合）

(*) 完成品パン/チルトプラットフォーム（サーボ付き）を購入するか、自作可能。

ステップ2：OpenCV 3のインストール

最新Raspbian Stretch搭載Raspberry Pi V3では、 Adrian Rosebrockのチュートリアル （Raspbian Stretch: Install OpenCV 3 + Python on your Raspberry Pi）に従うのが最も確実です。ソースからOpenCVをビルドし、専用Python仮想環境をセットアップする手順をガイドします。

チュートリアル完了後、仮想環境をアクティブ化してインストール確認：

source ~/.profile
workon cv
python
import cv2
print(cv2.__version__)

バージョン3.3.0以降が表示されるはず。 cv 仮想環境内でOpenCVが使用可能であることを確認。

ステップ3：カメラのテスト

OpenCVインストール後、PiCameraが正しくストリーミングするか検証。以下のスクリプトを実行（または simpleCamTest.py をダウンロード）：

import cv2
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    frame = cv2.flip(frame, -1)  # 必要に応じて垂直反転
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    cv2.imshow('frame', frame)
    cv2.imshow('gray', gray)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

q または Ctrl+C で終了。正常実行時、カラーとグレースケールの両フィードが表示されます。

ステップ4：OpenCVによるPythonでの色検出

OpenCVはHSV（色相、彩度、明度）空間で動作し、人間の色知覚により適合。特定色を検出するには、まずBGR値を特定し、HSVに変換して下限/上限境界を設定。

例：黄色物体の追跡。カラーピッカー（例：PowerPoint）でBGR値 (71, 234, 213) を取得。以下のスクリプトでHSVに変換（または bgr_hsv_converter.py をダウンロード）：

import sys, numpy as np, cv2
blue, green, red = int(sys.argv[1]), int(sys.argv[2]), int(sys.argv[3])
color = np.uint8([[[blue, green, red]]])
hsv = cv2.cvtColor(color, cv2.COLOR_BGR2HSV)
hue = hsv[0][0][0]
print('Lower bound:', [hue-10, 100, 100])
print('Upper bound:', [hue+10, 255, 255])

python bgr_hsv_converter.py 71 234 213 実行結果：

Lower bound: [24, 100, 100]
Upper bound: [44, 255, 255]

これらの境界で画像内の色をマスク：

import cv2, numpy as np
img = cv2.imread('yellow_object.JPG', 1)
img = cv2.resize(img, (0,0), fx=0.2, fy=0.2)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
lower = np.array([24, 100, 100], dtype=np.uint8)
upper = np.array([44, 255, 255], dtype=np.uint8)
mask = cv2.inRange(hsv, lower, upper)
cv2.imshow('mask', mask)
cv2.imshow('image', img)
while True:
    k = cv2.waitKey(0)
    if k == 27:
        break
cv2.destroyAllWindows()

colorDetection.py として保存し、 python colorDetection.py で実行（画像を同ディレクトリに配置）。

ステップ5：リアルタイム物体追跡

マスクを基に、フレームごとに物体の重心を追跡。以下のコードは、Adrian Rosebrockの Ball Trackingチュートリアル を参考に、先ほど定義したHSV境界を組み込んでいます。

まず imutils ライブラリをインストール：

pip install imutils

その後 ball_tracking.py を実行：

python ball_tracking.py

スクリプトはフレームを垂直反転（必要に応じて）し、マスクを適用。物体検知時に円と重心を描画。

ステップ6：GPIOのテスト

赤色LEDをPiに追加し、GPIO制御可能か確認。

配線：LEDカソードをGPIO 21、アノードを220Ω抵抗経由でグラウンドに接続。

cv 環境に RPi.GPIO が未インストールの場合：

pip install RPi.GPIO

テストスクリプト（LED_simple_test.py）：

import sys, time, RPi.GPIO as GPIO
led = int(sys.argv[1])
freq = int(sys.argv[2])
GPIO.setmode(GPIO.BCM)
GPIO.setup(led, GPIO.OUT)
GPIO.setwarnings(False)
print(f'GPIO {led} のLEDを {freq}秒ごとに点滅、5回実行。')
for _ in range(5):
    GPIO.output(led, GPIO.LOW)
    time.sleep(freq)
    GPIO.output(led, GPIO.HIGH)
    time.sleep(freq)
GPIO.cleanup()

python LED_simple_test.py 21 1 でLEDを1秒ごとに5回点滅。

ステップ7：色認識とGPIO連携

追跡ロジックとGPIO制御を組み合わせ、対象色検知時にLED点灯。核心追加部分：

import RPi.GPIO as GPIO
led = 21
GPIO.setmode(GPIO.BCM)
GPIO.setwarnings(False)
GPIO.setup(led, GPIO.OUT)
GPIO.output(led, GPIO.LOW)
ledOn = False

検知ループ内で有効な半径確認後、以下を追加：

if not ledOn:
    GPIO.output(led, GPIO.HIGH)
    ledOn = True

完全スクリプト： object_detection_LED.py。 python object_detection_LED.py で実行。物体の色がHSV境界内にあるときのみLED点灯。

ステップ8：パン/チルト機構

OpenCVとGPIOが動作したら、サーボを外部5V電源に接続。データピン配線：

• GPIO 17 → チルトサーボ
• GPIO 27 → パンサーボ

Pi、サーボ、電源のグラウンドを共通化。オプションで、Pi GPIOとサーボデータピン間に1kΩ抵抗を直列挿入し、電流スパイクからPiを保護。

angleServoCtrl.py でサーボ制御テスト：

from time import sleep
import RPi.GPIO as GPIO
GPIO.setmode(GPIO.BCM)
GPIO.setwarnings(False)

def setServoAngle(servo, angle):
    pwm = GPIO.PWM(servo, 50)
    pwm.start(8)
    duty = angle / 18. + 3.
    pwm.ChangeDutyCycle(duty)
    sleep(0.3)
    pwm.stop()

if __name__ == '__main__':
    import sys
    servo = int(sys.argv[1])
    GPIO.setup(servo, GPIO.OUT)
    setServoAngle(servo, int(sys.argv[2]))
    GPIO.cleanup()

例： python angleServoCtrl.py 17 45 でチルトサーボを45°に移動。

ステップ9：物体のリアルタイム位置特定

カメラでターゲットを中央に捉えるには、まず物体の重心座標が必要。 objectDetect_LED.py を修正し、 x と y を出力：

def mapObjectPosition(x, y):
    print(f'[INFO] Object center at X={x}, Y={y}')

座標範囲： x は0〜500（左→右）、 y は0〜350（上→下）。物体を動かしライブ出力を観察。

ステップ10：物体位置追跡システム

「中央」領域を定義（例： 220 < x < 280 かつ 160 < y < 210）。領域外ならパン/チルトサーボを調整：

def mapServoPosition(x, y):
    global panAngle, tiltAngle
    if x < 220:
        panAngle = min(panAngle + 10, 140)
        positionServo(panServo, panAngle)
    if x > 280:
        panAngle = max(panAngle - 10, 40)
        positionServo(panServo, panAngle)
    if y < 160:
        tiltAngle = min(tiltAngle + 10, 140)
        positionServo(tiltServo, tiltAngle)
    if y > 210:
        tiltAngle = max(tiltAngle - 10, 40)
        positionServo(tiltServo, tiltAngle)

ヘルパー positionServo(servo, angle) は単に angleServoCtrl.py を呼び出し：

import os
def positionServo(servo, angle):
    os.system(f'python angleServoCtrl.py {servo} {angle}')
    print(f'[INFO] Positioning servo GPIO {servo} to {angle}°')

すべてのスクリプトは同一ディレクトリに配置。完全実装は objectDetectTrack.py からダウンロード。

ステップ11：結論

このプロジェクトは、OpenCV、Raspberry Pi GPIO、パン/チルトサーボマウントを組み合わせ、自律的な色物体追跡システムを作成する方法を示します。異なる色、形状、サーボ速度で自由に実験してください。

全コードと追加リソースは GitHub と MJRoBot.org ブログで公開中。

お読みいただきありがとうございました—次回のチュートリアルでお会いしましょう！