3D Camera Stabilization and Tracking System with ESP32

Abstract

fonctionnel a été conçu avec la caméra ESP32-CAM et les algorithmes nécessaires. Les résultats montrent que le système peut traiter des données visuelles en temps réel malgré les contraintes matérielles. Toutefois, des limites ont été observées dans la précision de la détection de la profondeur. Cette recherche prouve la faisabilité de systèmes de vision 3D à faible coût, tout en suggérant des améliorations possibles, telles que l’intégration de la vision stéréoscopique et l’utilisation d’accélérateurs d’IA à faible consommation. Summary This research aims to design and implement a functional 3D camera prototype using the ESP32 microcontroller, capable of real-time object tracking and color recognition. The project focuses on low-cost, efficient visual systems within embedded computer vision and artificial intelligence. The study covers the fundamentals of computer vision and a detailed review of the ESP32 microcontroller and its development environment. A functional prototype was designed using the ESP32-CAM camera and necessary algorithms. Results show that the system can process visual data in real-time despite hardware limitations. However, depth detection accuracy showed some constraints. This work demonstrates the feasibility of low-cost 3D vision systems and suggests improvements, such as integrating stereoscopic vision and using low-power AI accelerators. يهدف هذا العمل إلى تصميم وتنفيذ نموذج عملي لكاميرا ثلاثية الأبعاد باستخدام المتحكم ESP32، قادرة على تتبّع الأجسام والتعرّف على الألوان في الزمن الحقيقي. يعتمد المشروع على تقنيات الذكاء الاصطناعي ورؤية الحاسوب، مع التركيز على تطوير أنظمة بصرية منخفضة التكلفة وفعّالة في معالجة البيانات المحدودة. تم في البداية استعراض المبادئ الأساسية لرؤية الحاسوب، متبوعة بدراسة تحليلية مفصلة للمتحكم ESP32 من حيث خصائصه التقنية وقدراته الحسابية. بعد ذلك، تم تطوير نموذج تطبيقي متكامل يعتمد على كاميرا ESP32-CAM، مع استخدام خوارزميات مخصّصة للكشف عن الأجسام والتعرّف على الألوان في بيئات مختلفة. أظهرت النتائج أن النظام المقترح قادر على معالجة البيانات البصرية بكفاءة عالية رغم القيود المتعلقة بالذاكرة وسرعة المعالجة. ومع ذلك، لوحظت بعض القيود في دقة تحديد العمق وتتبّع التفاصيل الدقيقة. يُبرز هذا البحث إمكانية تطوير أنظمة رؤية ثلاثية الأبعاد منخفضة التكلفة باستخدام منصات الذكاء الاصطناعي المدمجة، ويقترح تحسينات مستقبلية في مجال الرؤية الاصطناعية والذكاء الاصطناعي منخفض الطاقة.