python-opencv-視覺巡線

title: Python-opencv-視覺巡線
tags:

一、概述

通過攝像頭采集圖像，
將圖像灰度化、二值化、膨脹、腐蝕操作后，
提取第400行像素值v,接近于圖像底線位置，
提取中間值（這里為白色）的數(shù)量和位置，
根據(jù)數(shù)量和位置，利用簡(jiǎn)單的數(shù)學(xué)公式，（首項(xiàng)+尾項(xiàng)）/2，計(jì)算出白色的中間位置，
然后對(duì)比實(shí)際的中間位置320（不需要改），計(jì)算出偏移量，
最后根據(jù)偏移量計(jì)算出電機(jī)應(yīng)有的轉(zhuǎn)角。

邊緣檢測(cè)實(shí)驗(yàn)

#!/usr/bin/env python3

# 識(shí)別的是中線為白色

import cv2
import numpy as np

# center定義
center = 320
# 打開攝像頭，圖像尺寸640*480（長(zhǎng)*高），opencv存儲(chǔ)值為480*640（行*列）
cap = cv2.VideoCapture(0)
while (1):
    ret, frame = cap.read()
    cv2.imshow("recognize_face", frame)
    # 轉(zhuǎn)化為灰度圖
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    cv2.imshow("gray", gray)
    # 大津法二值化
    retval, dst = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)
    cv2.imshow("dst", dst)
    # 膨脹，白區(qū)域變大
    dst = cv2.dilate(dst, None, iterations=2)
    cv2.imshow("dst2", dst)
    # # 腐蝕，白區(qū)域變小 #
    dst = cv2.erode(dst, None, iterations=6)
    cv2.imshow("dst3", dst)
    # 單看第400行的像素值v
    color = dst[400]
    try:
        # 找到白色的像素點(diǎn)個(gè)數(shù)，如尋黑色，則改為0
        white_count = np.sum(color == 255)
        # 找到白色的像素點(diǎn)索引，如尋黑色，則改為0
        white_index = np.where(color == 255)
        # 防止white_count=0的報(bào)錯(cuò)
        if white_count == 0:
            white_count = 1
        # 找到黑色像素的中心點(diǎn)位置
        # 計(jì)算方法應(yīng)該是邊緣檢測(cè)，計(jì)算白色邊緣的位置和/2，即是白色的中央位置。
        center = (white_index[0][white_count - 1] + white_index[0][0]) / 2
        # 計(jì)算出center與標(biāo)準(zhǔn)中心點(diǎn)的偏移量，因?yàn)閳D像大小是640，因此標(biāo)準(zhǔn)中心是320，因此320不能改。
        direction = center - 320
        print(direction)
    except:
        continue
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release() #釋放cap
cv2.destroyAllWindows()#銷毀所有窗口

樹莓派GPIO應(yīng)用

# coding:utf-8 
# 實(shí)現(xiàn)樹莓派小車的變速控制 
import RPi.GPIO as gpio 
# 定義引腳 
in1 = 12 
in2 = 16 
in3 = 18 
in4 = 22 
# 設(shè)置GPIO口為BOARD編號(hào)規(guī)范,從左到右，從上到下。 
gpio.setmode(gpio.BOARD) 
# 設(shè)置GPIO口為輸出 
gpio.setup(in1, gpio.OUT) 
gpio.setup(in2, gpio.OUT) 
gpio.setup(in3, gpio.OUT) 
gpio.setup(in4, gpio.OUT) 
# 設(shè)置PWM波,頻率為500Hz 
pwm1 = gpio.PWM(in1, 500) 
pwm2 = gpio.PWM(in2, 500) 
pwm3 = gpio.PWM(in3, 500) 
pwm4 = gpio.PWM(in4, 500) 
# 初始化 
pwm1.start(0) 
pwm2.start(0) 
pwm3.start(0) 
pwm4.start(0) 
# 定義向前 
def go(): 
    pwm1.ChangeDutyCycle(50) 
    pwm2.ChangeDutyCycle(0) 
    pwm3.ChangeDutyCycle(50) 
    pwm4.ChangeDutyCycle(0) 
# 定義向右 
def right(): 
    pwm1.ChangeDutyCycle(50) 
    pwm2.ChangeDutyCycle(0) 
    pwm3.ChangeDutyCycle(30) 
    pwm4.ChangeDutyCycle(0) 
# 定義向左 
def left(): 
    pwm1.ChangeDutyCycle(30) 
    pwm2.ChangeDutyCycle(0) 
    pwm3.ChangeDutyCycle(50) 
    pwm4.ChangeDutyCycle(0) 
# 定義向后 
def back(): 
    pwm1.ChangeDutyCycle(0) 
    pwm2.ChangeDutyCycle(50) 
    pwm3.ChangeDutyCycle(0) 
    pwm4.ChangeDutyCycle(50) 
# 定義停止 
def stop(): 
    pwm1.ChangeDutyCycle(0) 
    pwm2.ChangeDutyCycle(0) 
    pwm3.ChangeDutyCycle(0) 
    pwm4.ChangeDutyCycle(0) 
pwm1.stop() 
pwm2.stop() 
pwm3.stop() 
pwm4.stop() 
gpio.cleanup()

視覺巡線

# coding:utf-8 
# 加入攝像頭模塊，讓小車實(shí)現(xiàn)自動(dòng)循跡行駛 
# 思路為：攝像頭讀取圖像，進(jìn)行二值化，將白色的賽道凸顯出來 
# 選擇下方的一行像素，黑色為0，白色為255 # 找到白色值的中點(diǎn) 
# 目標(biāo)中點(diǎn)與標(biāo)準(zhǔn)中點(diǎn)（320）進(jìn)行比較得出偏移量 
# 根據(jù)偏移量來控制小車左右輪的轉(zhuǎn)速 
# 考慮了偏移過多失控->停止;偏移量在一定范圍內(nèi)->高速直行(這樣會(huì)速度不穩(wěn)定，已刪) 
import RPi.GPIO as gpio 
import time 
import cv2 
import numpy as np 
import serial

ser=serial.Serial('/dev/ttyAMA0',115200,timeout=1)
# 定義引腳 
pin1 = 12 
pin2 = 16 
pin3 = 18 
pin4 = 22 
# 設(shè)置GPIO口為BOARD編號(hào)規(guī)范 
gpio.setmode(gpio.BOARD) 
# 設(shè)置GPIO口為輸出 
gpio.setup(pin1, gpio.OUT) 
gpio.setup(pin2, gpio.OUT) 
gpio.setup(pin3, gpio.OUT) 
gpio.setup(pin4, gpio.OUT) 
# 設(shè)置PWM波,頻率為500Hz 
pwm1 = gpio.PWM(pin1, 500) 
pwm2 = gpio.PWM(pin2, 500) 
pwm3 = gpio.PWM(pin3, 500) 
pwm4 = gpio.PWM(pin4, 500) 
# pwm波控制初始化 
pwm1.start(0) 
pwm2.start(0) 
pwm3.start(0) 
pwm4.start(0) 
# center定義 
center = 320 
# 打開攝像頭，圖像尺寸640*480（長(zhǎng)*高），opencv存儲(chǔ)值為480*640（行*列） 
cap = cv2.VideoCapture(0) 
while (1): 
    ret, frame = cap.read()
    cv2.imshow("recognize_face", frame) 
    # 轉(zhuǎn)化為灰度圖 
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) 
    # 大津法二值化 
    retval, dst = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU) 
    # 膨脹，白區(qū)域變大 
    dst = cv2.dilate(dst, None, iterations=2) 
    cv2.imshow("dst", dst)
    # # 腐蝕，白區(qū)域變小 # 
    #dst = cv2.erode(dst, None, iterations=6) 
    # 單看第400行的像素值s 
    color = dst[400] 
    try:
        # 找到白色的像素點(diǎn)個(gè)數(shù)，如尋黑色，則改為0
        white_count = np.sum(color == 255)
        # 找到白色的像素點(diǎn)索引，如尋黑色，則改為0
        white_index = np.where(color == 255)
        # 防止white_count=0的報(bào)錯(cuò)
        if white_count == 0:
            white_count = 1
        # 找到黑色像素的中心點(diǎn)位置
        # 計(jì)算方法應(yīng)該是邊緣檢測(cè)，計(jì)算白色邊緣的位置和/2，即是白色的中央位置。
        center = (white_index[0][white_count - 1] + white_index[0][0]) / 2
        # 計(jì)算出center與標(biāo)準(zhǔn)中心點(diǎn)的偏移量，因?yàn)閳D像大小是640，因此標(biāo)準(zhǔn)中心是320，因此320不能改。
        direction = center - 320
        print(direction)
        ser.write(direction)
    except:
        continue

    # 停止 
    if abs(direction) > 250: 
        pwm1.ChangeDutyCycle(0) 
        pwm2.ChangeDutyCycle(0) 
        pwm3.ChangeDutyCycle(0) 
        pwm4.ChangeDutyCycle(0) 
    # 右轉(zhuǎn) 
    elif direction >= 0: 
        # 限制在70以內(nèi) 
        if direction > 70: 
            direction = 70 
        pwm1.ChangeDutyCycle(30 + direction) 
        pwm2.ChangeDutyCycle(0) 
        pwm3.ChangeDutyCycle(30) 
        pwm4.ChangeDutyCycle(0) 
    # 左轉(zhuǎn) 
    elif direction < -0: 
        if direction < -70: 
            direction = -70 
        pwm1.ChangeDutyCycle(30) 
        pwm2.ChangeDutyCycle(0) 
        pwm3.ChangeDutyCycle(30 - direction) 
        pwm4.ChangeDutyCycle(0) 
    if cv2.waitKey(1) & 0xFF == ord('q'): 
        break 
# 釋放清理 
cap.release() 
cv2.destroyAllWindows() 
pwm1.stop() 
pwm2.stop() 
pwm3.stop() 
pwm4.stop() 
gpio.cleanup()

文章參考德強(qiáng)師兄博客https://purethought.cn/

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容