文章目录

  • 追小球的小车
  • 巡线小车
  • 这个例子展示了在OpenMV Cam上使用get_regression()方法获得ROI的线性回归。使用这种方法,可以轻松让机器人跟踪所有指向相同大致方向的线。

    本例程可以用于机器人巡线,效果非常好。

    “巡线小车”的原理和“追小球的小车”是差不多一样的,其中car.py和pid.py完全一样,改动的就只有主函数main.py

    追小球的小车

    采用的是颜色识别算法,调用的是find_blobs()函数

    巡线小车

    采用的是线性回归算法,调用的是get_regression()函数:快速线性回归,返回视野中的一条回归直线,该函数可以得到直线的斜率、角度(或者说是偏移的距离),然后我们就可以用直线返回来的角度来控制我们的小球进行运动
    如果我们在OpenMV视野中看到的直线正好是竖直的,说明我们看到的是一条位于正前方的直线,那么我们就可以控制小车的两个电机转速一样往前跑
    如果我们在OpenMV视野中看到的直线是左偏45°,那么我们就可以控制我们的小车右边的电机比左边的速度快让小车稍微向左前方进行移动,右前方同理

    car.py和pid.py详见"追小球的小车"
    使用时要将car.py和pid.py保存到OpenMV内置的flash中!

    main.py

    THRESHOLD = (5, 70, -23, 15, -57, 0) # 追踪的线的颜色阈值
    
    import sensor, image, time
    from pyb import LED
    import car
    from pid import PID
    
    # 一条线的表示方法 " y = ax + b "   其中:
    rho_pid = PID(p=0.4, i=0)   # 相当于“ b ”——> 截距        控制直线在视野中的位置(左右距离的偏移)最终目的是线在视野的中央
    theta_pid = PID(p=0.001, i=0)   # 相当于“ a ”——> 斜率    控制直线偏移的角度    
            # 如果在运动过程中小车偏移得比较大或者是转弯转得比较大,那么就减小相应pid的值
    
    
    # 打开OpenMV的RGB灯——>用于补光  因为颜色会受到环境光照的影响,所以我们建议最好打开OpenMV自带的补光灯来保持环境的稳定
    LED(1).on()
    LED(2).on()
    LED(3).on()
        #如果开灯会造成严重反光,则关闭灯!
    
    sensor.reset()
    
    # 在安装时我们的OpenMV是倒着安装的,因此我们需要相应地在代码里把图像正过来!以下两句函数均是对图像进行镜像处理
    sensor.set_vflip(True)      # 设置OpenMV图像“水平方向进行翻转”
    sensor.set_hmirror(True)    # 设置OpenMV图像“竖直方向进行翻转”
    sensor.set_pixformat(sensor.RGB565)
    sensor.set_framesize(sensor.QQQVGA) # 线性回归算法的运算量大,越小的分辨率识别的效果越好,运算速度越快
    #sensor.set_windowing([0,20,80,40])
    sensor.skip_frames(time = 2000)     # 等待2秒    
            # 警告:如果使用QQVGA,有时处理帧可能需要几秒钟。
    clock = time.clock()                
    
    while(True):
        clock.tick()
        img = sensor.snapshot().binary([THRESHOLD]) # 截取一张图片,进行 “阈值分割”
                            # 阈值分割函数image.binary()对图像进行二值化(binary:二元的;由两部分组成的)
                            # 得到的效果是:将阈值颜色变成白色,非阈值颜色变成黑色
        
        # 调用线性回归函数
        line = img.get_regression([(100,100)], robust = True)# 对所有的阈值像素进行线性回归
                                                             # 线性回归的效果就是将我们视野中“二值化”分割后的图像回归成一条直线
                    # get_regression()返回的是一条直线line
       
        #如果发现了线                                       
        if (line):# 利用得到的line对象来计算pid的值——>进而控制小车运动
            rho_err = abs(line.rho())-img.width()/2 # 计算我们的直线相对于中央位置偏移的距离(偏移的像素)
                        # abs()函数:返回数字的绝对值  line.rho():返回霍夫变换后的直线p值。
            
            # 进行坐标的变换:y轴方向为0°,x轴正方向为90°,x轴负方向为-90°
            if line.theta()>90:# line.theta()是我们得到的直线的角度
                theta_err = line.theta()-180
            else:
                theta_err = line.theta()
                
                
            # 将我们得到的直线画出来    
            img.draw_line(line.line(), color = 127)# line.line():返回一个直线元组(x1, y1, x2, y2)  
            
            print(rho_err,line.magnitude(),rho_err) #line.magnitude()返回一个表示“线性回归效果”的值,这个值越大,线性回归效果越好;
                                                                   # 如果越接近于0,说明我们的线性回归效果越接近于一个圆,效果越差 
            if line.magnitude()>8:  # 如果线性回归的效果比较好
                #进行pid的运算
                rho_output = rho_pid.get_pid(rho_err,1) # 将刚刚计算出的rho_err传递进rho_pid中
                theta_output = theta_pid.get_pid(theta_err,1)
                output = rho_output+theta_output    # 将得到的两个pid参数进行相加,利用得到的参数output来控制小车电机的运动
                
                car.run(50+output, 50-output)# 对于左轮子来说就是+output,对于右轮子来说就是-output
                                             # 以中央速度50为基准值进行加减(car.run()函数中小车电机的速度为0-100)
                                             # 如果想让小车快一点就设置为大于50的数,慢一点就设置为小于50的数   
            else:# 如果线性回归的效果并不好
                car.run(0,0)    # 那么就停止运动
       
        # 如果没有发现线
        else:
            car.run(50,-50)# 原地旋转,寻找视野中的线
            pass
        #print(clock.fps())
    
    

    来源:Lionetxx

    物联沃分享整理
    物联沃-IOTWORD物联网 » OpenMV:14巡线小车

    发表评论