Mocap-Drones项目中红外标记供电方案解析
2025-07-06 05:51:40作者:钟日瑜
在无人机动作捕捉系统中,红外标记(IR Marker)的供电是一个需要仔细考虑的技术问题。本文将以Mocap-Drones项目为例,详细分析红外标记的供电方案设计要点。
红外标记的电气特性
典型的红外LED标记工作电压通常为1.5V左右,这与普通LED的特性相似。在实际应用中,我们需要考虑以下参数:
- 正向电压(Vf):1.5V(不同型号可能略有差异)
- 工作电流(If):通常20-30mA
- 最大反向电压:约5V(需要防止反向击穿)
多标记串联供电方案
当使用3.7V锂电池为多个红外标记供电时,常见的做法是将多个LED串联连接。对于三个1.5V的标记:
理论总电压需求 = 1.5V × 3 = 4.5V
由于3.7V电池的电压低于这个理论值,实际应用中会出现:
- LED亮度不足
- 电流低于额定工作电流
- 发光效率降低
正确的供电方案设计
1. 并联供电方案
推荐采用并联方式连接多个红外标记,每个标记串联适当的限流电阻。计算电阻值的公式为:
R = (Vbat - Vf) / If
以3.7V电池、1.5V标记、20mA电流为例: R = (3.7 - 1.5) / 0.02 = 110Ω
可选择标准阻值100Ω的电阻。
2. 恒流驱动方案
对于更专业的应用,建议使用恒流驱动电路:
- 可确保每个标记获得稳定电流
- 亮度一致性好
- 延长LED使用寿命
3. 电源管理考虑
- 锂电池电压会随放电过程下降(4.2V-3.0V)
- 设计时应按最低工作电压计算
- 考虑增加DC-DC稳压电路
实际应用建议
-
对于三个标记的系统:
- 采用三个独立支路并联
- 每个支路:电池 → 100Ω电阻 → LED → 地
-
功率计算: 单支路功率:(3.7V - 1.5V) × 20mA = 44mW 总功率:约132mW(考虑效率损失)
-
散热考虑:
- 电阻功率选择至少1/8W
- 确保良好散热条件
通过合理设计供电方案,可以确保红外标记系统稳定工作,为动作捕捉提供可靠的光学特征点。在实际应用中,还应考虑标记的安装角度、辐射模式等因素,以获得最佳的动作捕捉效果。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0155- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.76 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
155
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
暂无简介
Dart
987
253