使用python编写一个视觉巡线程序
作者：酷爱码
这篇文章主要为大家详细介绍了如何使用python编写一个视觉巡线程序,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下
要写一个视觉巡线程序，首先需要安装OpenCV库来进行图像处理。然后，需要摄像头或者相机来获取视频流或者图片。
下面是一个使用OpenCV进行视觉巡线的简单示例程序：
import cv2
def follow_line():
# 打开摄像头或者读取视频文件
cap = cv2.VideoCapture(0) # 参数0表示打开默认摄像头
# 设置视频流的宽和高
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
while True:
# 读取一帧图像
ret, frame = cap.read()
# 进行图像处理，例如灰度化、边缘检测等
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 50, 150)
# 在图像上找到线条或者轮廓
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 遍历每个轮廓
for contour in contours:
# 计算轮廓的中心坐标
M = cv2.moments(contour)
if M["m00"] != 0:
cx = int(M["m10"] / M["m00"])
cy = int(M["m01"] / M["m00"])
# 在图像上标记出线条的中心点
cv2.circle(frame, (cx, cy), 5, (0, 255, 0), -1)
# 显示图像
cv2.imshow("Frame", frame)
# 按下Esc键退出循环
if cv2.waitKey(1) == 27:
break
# 释放摄像头或者关闭视频文件
cap.release()
cv2.destroyAllWindows()
if __name__ == "__main__":
follow_line()
这是一个简单的巡线程序，它使用Canny边缘检测算法来检测图像中的线条，然后计算线条的中心坐标，并在图像上标记出来。你可以根据实际需求进行进一步的图像处理和控制机器人运动的操作。
方法补充
除了上文的方法，小编还为大家整理了python实现视觉SLAM视觉巡线的方法，有需要的可以了解下
1.简要概述：
通过摄像头采集图像，
将图像灰度化、二值化、膨胀、腐蚀操作后，
提取第400行像素值v,接近于图像底线位置，
提取中间值（这里为白色）的数量和位置，
根据数量和位置，利用简单的数学公式，（首项+尾项）/2，计算出白色的中间位置，
然后对比实际的中间位置320（不需要改），计算出偏移量，
最后根据偏移量计算出电机应有的转角。
2.边缘检测实验
#!/usr/bin/env python3
# 识别的是中线为白色
import cv2
import numpy as np
# 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()
cv2.imshow("recognize_face", frame)
# 转化为灰度图
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)
# 膨胀，白区域变大
dst = cv2.dilate(dst, None, iterations=2)
cv2.imshow("dst2", dst)
# # 腐蚀，白区域变小 #
dst = cv2.erode(dst, None, iterations=6)
cv2.imshow("dst3", dst)
# 单看第400行的像素值v
color = dst[400]
try:
# 找到白色的像素点个数，如寻黑色，则改为0
white_count = np.sum(color == 255)
# 找到白色的像素点索引，如寻黑色，则改为0
white_index = np.where(color == 255)
# 防止white_count=0的报错
if white_count == 0:
white_count = 1
# 找到黑色像素的中心点位置
# 计算方法应该是边缘检测，计算白色边缘的位置和/2，即是白色的中央位置。
center = (white_index[0][white_count - 1] + white_index[0][0]) / 2
# 计算出center与标准中心点的偏移量，因为图像大小是640，因此标准中心是320，因此320不能改。
direction = center - 320
print(direction)
except:
continue
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release() #释放cap
cv2.destroyAllWindows()#销毁所有窗口2.树莓派GPIO应用
# coding:utf-8
# 实现树莓派小车的变速控制
import RPi.GPIO as gpio
# 定义引脚
in1 = 12
in2 = 16
in3 = 18
in4 = 22
# 设置GPIO口为BOARD编号规范,从左到右，从上到下。
gpio.setmode(gpio.BOARD)
# 设置GPIO口为输出
gpio.setup(in1, gpio.OUT)
gpio.setup(in2, gpio.OUT)
gpio.setup(in3, gpio.OUT)
gpio.setup(in4, gpio.OUT)
# 设置PWM波,频率为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)
# 定义向前
def go():
pwm1.ChangeDutyCycle(50)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(50)
pwm4.ChangeDutyCycle(0)
# 定义向右
def right():
pwm1.ChangeDutyCycle(50)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(30)
pwm4.ChangeDutyCycle(0)
# 定义向左
def left():
pwm1.ChangeDutyCycle(30)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(50)
pwm4.ChangeDutyCycle(0)
# 定义向后
def back():
pwm1.ChangeDutyCycle(0)
pwm2.ChangeDutyCycle(50)
pwm3.ChangeDutyCycle(0)
pwm4.ChangeDutyCycle(50)
# 定义停止
def stop():
pwm1.ChangeDutyCycle(0)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(0)
pwm4.ChangeDutyCycle(0)
pwm1.stop()
pwm2.stop()
pwm3.stop()
pwm4.stop()
gpio.cleanup()3.视觉巡线
# 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
import serial
ser=serial.Serial('/dev/ttyAMA0',115200,timeout=1)
# 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()
cv2.imshow("recognize_face", frame)
# 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)
cv2.imshow("dst", dst)
# # 腐蚀，白区域变小 #
#dst = cv2.erode(dst, None, iterations=6)
# 单看第400行的像素值s
color = dst[400]
try:
# 找到白色的像素点个数，如寻黑色，则改为0
white_count = np.sum(color == 255)
# 找到白色的像素点索引，如寻黑色，则改为0
white_index = np.where(color == 255)
# 防止white_count=0的报错
if white_count == 0:
white_count = 1
# 找到黑色像素的中心点位置
# 计算方法应该是边缘检测，计算白色边缘的位置和/2，即是白色的中央位置。
center = (white_index[0][white_count - 1] + white_index[0][0]) / 2
# 计算出center与标准中心点的偏移量，因为图像大小是640，因此标准中心是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()到此这篇关于使用python编写一个视觉巡线程序的文章就介绍到这了,更多相关python视觉巡线内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！