摄像头舵机云台怎么做视觉追踪？两轴PID避坑实操

想让机器人"长眼睛"盯着目标走，最常见也最好上手的做法，就是给舵机云台装个摄像头，再用程序实现追踪。很多朋友一上来就奔着深度学习识别人脸去，其实用OpenCV加最简单的颜色/轮廓跟踪，就能跑通一个很实用的两轴云台追踪小车。先说结论：这套东西的原理不复杂，真正让人翻车的都在接线、供电和PID调参上。

我这次用的是树莓派跑Python做视觉，配上两路舵机做云台的俯仰和偏航，摄像头固定在一个自制的小支架上。整体思路是：摄像头把画面传给树莓派，程序在每一帧里找出"目标"的像素坐标，算出它相对画面中心的偏移，再用这个偏移去控制舵机把镜头转过去。目标跟丢了也不要紧，先做"逮到就追、丢了就原地找"，一步一步来。

云台结构：两个舵机怎么分工

两轴云台一般用两个舵机，一个负责左右（偏航，yaw），一个负责上下（俯仰，pitch）。底层舵机管水平转动，上层舵机管抬头低头。选舵机的时候，俯仰那个选扭矩中等的就能带住摄像头，左右那个如果云台支架偏重，最好选大一号的，不然转向一卡就抖。

安装上有个很容易踩的坑：两个舵机的摇臂和轴心要对正，金属齿舵机比塑料齿的顺滑、虚位小，反应也更快。如果预算能接受，直接选全金属齿轮的数字舵机，追踪跟手程度会明显好一截。

供电：这是最多人翻车的地方

舵机启动瞬间电流很猛，尤其是同时转两个的时候。切记不要把两路舵机直接接在树莓派或Arduino的5V口上，那样一通电就掉压、复位，甚至烧电流大的舵机。正确做法是给舵机单独配一个5V电源模块，供电和信号线分开，地线共地。我踩过的坑就是图省事从板子取电，结果云台一转头，主控就死机重启。

信号线直接接在主控PWM脚上就行。两路舵机各自一对PWM脚，别混一起。共地的意思就是舵机电源模块的负极和主控的GND要连到同一根地线上，不然信号参考电位不一致，舵机乱抖。

视觉追踪：OpenCV找目标

程序这块，用OpenCV的inRange做颜色阈值就够入门用。先把摄像头标定到目标颜色上，把目标框出来拿到它的中心坐标，再和画面中心做个差，这个差值就是云台的"纠偏量"。差值大就转快点，差值小就转慢点，这就是最朴素的追踪逻辑。

进阶一点用PID：P按比例放大纠偏量让云台跟得快，I消除长时间积累的微小偏差，D提前刹车防止转过头来回抖动。实际调的时候先把P从0慢慢往上加，等到云台会轻微来回摆就说明P偏大了，再加点D压震荡。这个调参过程很磨人，但调顺了之后追踪会稳定很多。

帧率和处理速度要匹配

摄像头画面处理要花时间，如果一帧处理太久，舵机跟不上就会显得"一愣一愣"的。树莓派跑，可以先把画面缩小一点、降分辨率再处理，追踪其实用不到多高的分辨率。把每帧的耗时打印出来看，控制在20毫秒上下，舵机转起来就是流畅的。

还有一个细节：追踪目标离开画面再回来，程序里要留一段"记忆"，让云台保持上次方向缓慢搜索，不要一丢目标就回正，那样看起来很傻也很容易把目标彻底弄丢。丢帧时保持姿态、微动作扫描，是让追踪显得自然的关键。

最后说两句

这套摄像头舵机云台追踪，是我给DIY机器人做"自主看物"做的第一版，虽然只是颜色追踪，但把视觉、运动、控制三条链路全打通了，之后换识别模型、换算法逻辑都有底子。真金白银的经验就是：供电分开、地线共地、先在低分辨率下调PID。能做到这三点，云台追踪基本就十拿九稳了。