【方法】树莓派小车自动循迹（摄像头）

布满荆棘的人生 2022-04-10 06:24 1068阅读 0赞

Github上有更多代码，按需自取

文章目录

  • 说明
  • 注意
  • 代码

今天我们来介绍一下树莓派小车的循迹教程
首先看一个效果视频
在这里插入图片描述

说明

该小车的硬件是：树莓派+L298N，其实用Arduino也是一样的，下位机只提供一个车轮的控制，视觉识别都是通过树莓派完成的

视觉利用Opencv来实现，关于如何安装Opencv以及使用摄像头请参看我另一篇博客。

算法逻辑：看到这样一个赛道，赛道是白色的，其余部分是我们都看成非白色，这样很自然而然地就想到了二值化，将赛道的白色单独显示出来，通过一个二值化就能够很好的区分开赛道与背景。（二值化参考博客）
我们不需要分析整个摄像头范围，其实只需要选取图像中的一行像素，类似于一个线阵摄像头，中间部分是白色的，左右是黑色，所以只需要找到白色部分的中点，然后让小车一直朝着这个中点矫正就好了，如果偏左了，就让左轮加快速度，另一边同理。重点是过弯的时候，需要仔细调整这个速度，否则容易转不过去。

主要是GPIO口的一些操控，可以看我的另一篇博客

注意

尽量自己学会调试，查找问题，我的代码不是万能的，但你是万能的

一、腐蚀膨胀问题，原理我不在这里多解释了，自己选择是否腐蚀膨胀/先后顺序/迭代次数，会满足你不同的使用场景

二、转弯速度问题
30 + direction …
这些速度参数设置自己调节，甚至都可以采用缩放倍率

三、检查摄像头拍的图片
有发现拍出来的图最右边多了一列全白，解决办法有俩：1、先腐蚀，把白色去掉。2、别膨胀，把最后一列去掉，怎么去掉呢？white_index[0][white_count - 1] 把这个1改为2，相当于不去考虑最后一列

代码

  1. # coding:utf-8
  3. # 加入摄像头模块，让小车实现自动循迹行驶
  4. # 思路为：摄像头读取图像，进行二值化，将白色的赛道凸显出来
  5. # 选择下方的一行像素，黑色为0，白色为255
  6. # 找到白色值的中点
  7. # 目标中点与标准中点（320）进行比较得出偏移量
  8. # 根据偏移量来控制小车左右轮的转速
  9. # 考虑了偏移过多失控->停止;偏移量在一定范围内->高速直行(这样会速度不稳定，已删)
  11. import RPi.GPIO as gpio
  12. import time
  13. import cv2
  14. import numpy as np
  16. # 定义引脚
  17. pin1 = 12
  18. pin2 = 16
  19. pin3 = 18
  20. pin4 = 22
  22. # 设置GPIO口为BOARD编号规范
  23. gpio.setmode(gpio.BOARD)
  25. # 设置GPIO口为输出
  26. gpio.setup(pin1, gpio.OUT)
  27. gpio.setup(pin2, gpio.OUT)
  28. gpio.setup(pin3, gpio.OUT)
  29. gpio.setup(pin4, gpio.OUT)
  31. # 设置PWM波,频率为500Hz
  32. pwm1 = gpio.PWM(pin1, 500)
  33. pwm2 = gpio.PWM(pin2, 500)
  34. pwm3 = gpio.PWM(pin3, 500)
  35. pwm4 = gpio.PWM(pin4, 500)
  37. # pwm波控制初始化
  38. pwm1.start(0)
  39. pwm2.start(0)
  40. pwm3.start(0)
  41. pwm4.start(0)
  43. # center定义
  44. center = 320
  45. # 打开摄像头，图像尺寸640*480（长*高），opencv存储值为480*640（行*列）
  46. cap = cv2.VideoCapture(0)
  47. while (1):
  48.     ret, frame = cap.read()
  49.     # 转化为灰度图
  50.     gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
  51.     # 大津法二值化
  52.     retval, dst = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)
  53.     # 膨胀，白区域变大
  54.     dst = cv2.dilate(dst, None, iterations=2)
  55.     # # 腐蚀，白区域变小
  56.     # dst = cv2.erode(dst, None, iterations=6)
  58.     # 单看第400行的像素值
  59.     color = dst[400]
  60.     # 找到白色的像素点个数
  61.     white_count = np.sum(color == 255)
  62.     # 找到白色的像素点索引
  63.     white_index = np.where(color == 255)
  65.     # 防止white_count=0的报错
  66.     if white_count == 0:
  67.         white_count = 1
  69.     # 找到白色像素的中心点位置
  70.     center = (white_index[0][white_count - 1] + white_index[0][0]) / 2
  72.     # 计算出center与标准中心点的偏移量
  73.     direction = center - 320
  75.     print(direction)
  77.     # 停止
  78.     if abs(direction) > 250:
  79.         pwm1.ChangeDutyCycle(0)
  80.         pwm2.ChangeDutyCycle(0)
  81.         pwm3.ChangeDutyCycle(0)
  82.         pwm4.ChangeDutyCycle(0)
  84.     # 右转
  85.     elif direction >= 0:
  86.         # 限制在70以内
  87.         if direction > 70:
  88.             direction = 70
  89.         pwm1.ChangeDutyCycle(30 + direction)
  90.         pwm2.ChangeDutyCycle(0)
  91.         pwm3.ChangeDutyCycle(30)
  92.         pwm4.ChangeDutyCycle(0)
  94.     # 左转
  95.     elif direction < 0:
  96.         if direction < -70:
  97.             direction = -70
  98.         pwm1.ChangeDutyCycle(30)
  99.         pwm2.ChangeDutyCycle(0)
  100.         pwm3.ChangeDutyCycle(30 - direction)
  101.         pwm4.ChangeDutyCycle(0)
  103.     if cv2.waitKey(1) & 0xFF == ord('q'):
  104.         break
  106. # 释放清理
  107. cap.release()
  108. cv2.destroyAllWindows()
  109. pwm1.stop()
  110. pwm2.stop()
  111. pwm3.stop()
  112. pwm4.stop()
  113. gpio.cleanup()

发表评论

表情：
评论列表 （有 0 条评论，1068人围观）

还没有评论，来说两句吧...

相关阅读