【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 1043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][20181228102628396.GIF]

# 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][Link 1]。

**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][Link 2]）  
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][Link 3]

# 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 #

# coding:utf-8
    
    # 加入摄像头模块，让小车实现自动循迹行驶
    # 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
    # 选择下方的一行像素，黑色为0，白色为255
    # 找到白色值的中点
    # 目标中点与标准中点（320）进行比较得出偏移量
    # 根据偏移量来控制小车左右轮的转速
    # 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)
    
    import RPi.GPIO as gpio
    import time
    import cv2
    import numpy as np
    
    # 定义引脚
    pin1 = 12
    pin2 = 16
    pin3 = 18
    pin4 = 22
    
    # 设置GPIO口为BOARD编号规范
    gpio.setmode(gpio.BOARD)
    
    # 设置GPIO口为输出
    gpio.setup(pin1, gpio.OUT)
    gpio.setup(pin2, gpio.OUT)
    gpio.setup(pin3, gpio.OUT)
    gpio.setup(pin4, gpio.OUT)
    
    # 设置PWM波,频率为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定义
    center = 320
    # 打开摄像头，图像尺寸640*480（长*高），opencv存储值为480*640（行*列）
    cap = cv2.VideoCapture(0)
    while (1):
        ret, frame = cap.read()
        # 转化为灰度图
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 大津法二值化
        retval, dst = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)
        # 膨胀，白区域变大
        dst = cv2.dilate(dst, None, iterations=2)
        # # 腐蚀，白区域变小
        # dst = cv2.erode(dst, None, iterations=6)
    
        # 单看第400行的像素值
        color = dst[400]
        # 找到白色的像素点个数
        white_count = np.sum(color == 255)
        # 找到白色的像素点索引
        white_index = np.where(color == 255)
    
        # 防止white_count=0的报错
        if white_count == 0:
            white_count = 1
    
        # 找到白色像素的中心点位置
        center = (white_index[0][white_count - 1] + white_index[0][0]) / 2
    
        # 计算出center与标准中心点的偏移量
        direction = center - 320
    
        print(direction)
    
        # 停止
        if abs(direction) > 250:
            pwm1.ChangeDutyCycle(0)
            pwm2.ChangeDutyCycle(0)
            pwm3.ChangeDutyCycle(0)
            pwm4.ChangeDutyCycle(0)
    
        # 右转
        elif direction >= 0:
            # 限制在70以内
            if direction > 70:
                direction = 70
            pwm1.ChangeDutyCycle(30 + direction)
            pwm2.ChangeDutyCycle(0)
            pwm3.ChangeDutyCycle(30)
            pwm4.ChangeDutyCycle(0)
    
        # 左转
        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
    
    # 释放清理
    cap.release()
    cv2.destroyAllWindows()
    pwm1.stop()
    pwm2.stop()
    pwm3.stop()
    pwm4.stop()
    gpio.cleanup()

[Github]: https://github.com/yzy1996/RaspberryPi-Arduino
[20181228102628396.GIF]: /images/20220402/d36dd6299b794310815d7d760df5f66a.png
[Link 1]: https://blog.csdn.net/yzy_1996/article/details/83756198
[Link 2]: https://crazyang.blog.csdn.net/article/details/89519702
[Link 3]: https://crazyang.blog.csdn.net/article/details/83756357