The scope of this project is to design, construct and build an automated camera rig with object recognition. The project explores if there are any advantages with an automated camera rig compared to a manual one, how an external camera module can be implemented to track an object and under what circumstances the camera module can register the objects for optimal performance. The construction is built to travel along a rail of two iron pipes. A camera is mounted on a small wagon that travels on top of the rail with the help of a DC-motor. On the wagon, an external camera module called Pixy2 detects a predetermined object that the user wants the main camera to detect and focus on. Using the feedback data from the Pixy2, two stepper motors run to rotate the main camera horizontally and vertically so that the object is placed in the middle of the frame while the wagon travels along the rail. / Syftet med detta projekt är att konstruera och bygga en automatiserad kamerarigg med objektigenkänning. Projektet undersöker om det finns några fördelar med en automatiserad kamerarigg gentemot en manuell, hur en extern kameramodul implementeras för att kamerariggen ska kunna följa ett objekt och under vilka förhållanden kameramodulen registrerar objekten bäst. Kamerariggen är byggd för att åka längsmed en räls som består av två järnrör. En filmkamera är monterad på en vagn som rullar ovanpå denna räls och drivs med hjälp av en DC-motor. Ovanpå vagnen ska en extern kameramodul vid namn Pixy2 upptäcka ett förbestämt objekt som användaren vill att filmkameran ska fokusera på. Med hjälp av återkoppling av datan som Pixy2 registrerar styrs två stycken stegmotorer som antingen roterar filmkameran horisontellt i x-led eller vertikalt i y-led tills objektet är placerat i mitten av Pixy2’s synfält. På detta sätt kommer konstruktionen att fokusera på objektet samtidigt som den rör sig i sidled på rälsen.

For people who suffer from visual impairment, getting around in traffic can be a great struggle. The robot PeCro, short for Pedestrian Crossing, was created as an aid for these people to use at pedestrian crossings equipped with traffic lights. The prototype was constructed in Solid Edge ST9 as a three wheeled mobile robot and consists of several components. The microcontroller, Arduino Uno, was programmed in Arduino IDE. The vision sensor used was a Pixy2 camera that can detect and track selected colour codes. A steering model called differential drive is used. It is controlled through magnetic encoders mounted on the two motor shafts. PeCro scans the environment looking for green light. If detected, PeCro searches for the blue box on the traffic light pillar on the opposite side of the street. When it is detected it crosses the street and turns 180 degrees to enable crossing the street again. The performance of a vision sensor in different light environments, the efficiency of magnetic encoders measuring travelled distance and regulating steering as well as linear interpolation as a distance calculation method, was studied. The results show that the detecting performance of PeCro is affected by the light environment and the maximum distance at which the used colour codes are detected, was 163 cm respective 150 cm. Another result shows that when measuring distance with magnetic encoders, a constant distance deviation from the desired distance occurs. This method is desirable compared to using linear interpolation to measure the distance. In conclusion, to implement and use PeCro in real life situations, further development has to be done. / Människor som lever med synnedsättning kan möta stora hinder när de rör sig i stadstrafik. Roboten PeCro, förkortning av Pedestrian Crossing (övergångsställe), skapades för att användas som ett hjälpmedel för dessa personer vid övergångsställen utrustade med trafikljus. Prototypen konstruerades som en mobil robot försedd med tre hjul i CAD-programmet Solid Edge ST9 och består av ett flertal komponenter. Mikrokontrollern, Arduino Uno, programmerades i Arduino IDE. En Pixy2-kamera användes som bildsensor som kan spåra och detektera färgkoder. Differentialstyrning användes för att enkelt kunna styra PeCro med hjälp av magnetiska givare som var fästa på motoraxlarna. PeCro skannar sin omgivning. Om den ser grönt ljus, börjar den leta efter den blå lådan på gatustolpen på motsatt sida vägen. När den blåa lådan detekteras åker roboten över övergångsstället och roterar 180 grader för att kunna användas i motsatt riktning, tillbaka över vägen. I projektet studerades en bildsensors prestanda i olika ljusmiljöer, de magnetiska givarnas effektivitet vid avståndsmätning och dess reglering av styrningen, samt avståndsmätning genom linjär interpolation. Från resultaten kan ses att PeCros detektering påverkas av ljusmiljön och att det maximala avståndet som respektive färgkod kan detekteras på är 163 respektive 150 cm. Vidare kan ses att vid avståndsmätning med magnetiska givare uppstår en konstant avvikelse från den önskade sträckan. Avståndsmätning med magnetiska givare är att föredra framför mätning med linjär interpolation. Avslutningsvis, om PeCro ska kunna användas i vardagliga situationer, kommer viss vidareutveckling behöva genomföras.

Triangulation is used in a wide range of applications of position estimation. Usually it is donebymeasuring angles by hand to estimate positions in land surveying, navigation and astronomy.Withthe rise of image recognition arises the possibility to triangulate automatically. The aim ofthis thesisis to use the image recognition camera Pixy2 to triangulate a target i threedimensions. It is basedon previous projects on the topic to extend the system to estimatepositions over a larger spaceusing more Pixy2s. The setup used five Pixy2s with pan-tilt kitsand one Raspberry Pi 4 B. Somelimitations to the hardware was discovered, limiting the extentof the space in which triangulationcould be successfully performed. Furthermore, there weresome issues with the image recognitionalgorithm in the environment positioning was performed.The thesis was successful in that it managesto triangulate positions over a larger area thanprevious projects and in all three dimensions. Thesystem could also follow a target’s trajectory,albeit, there were some gaps in the measurements.