查看: 64160|回复: 0

[M10项目] 行空板视觉循迹车

【项目背景】
之前，有个网友咨询用行空板做视觉循迹车，我做了一个，给这个网友参考。之后这个车就被再“利用”了，今天再重新做一个。
【项目设计】
在佳立创重新打板，实现固定电机及电机驱动板。这个板子是为给micro:bit设计的小车底板，因行空行板也可使用这个电机驱动板，并且Mind+中Python模式下已有这个电机驱动板的扩展。
【佳立创打板】
电路比较简单，设置好布局和尺寸。

【组装小车】
电机驱动板使用3.7V锂电池供电。

【程序编写】
Mind+ Python模式下连接行空板编写程序。
行空板视觉循迹车图8

1.测试驱动电机使用pinpong库加载“DFMotor”驱动电机。


#  -*- coding: UTF-8 -*-

# MindPlus
# Python
import time
from pinpong.board import Board
from pinpong.libs.microbit_motor import DFMotor


Board().begin()
p_dfr0548_motor_M1 = DFMotor(1)
p_dfr0548_motor_M2 = DFMotor(2)
p_dfr0548_motor_M3 = DFMotor(3)
p_dfr0548_motor_M4 = DFMotor(4)
p_dfr0548_motor_ALL = DFMotor(5)

while True:
    p_dfr0548_motor_M1.speed(200)
    p_dfr0548_motor_M1.run(p_dfr0548_motor_M1.CCW)
    p_dfr0548_motor_M2.speed(200)
    p_dfr0548_motor_M2.run(p_dfr0548_motor_M2.CCW)
    p_dfr0548_motor_M3.speed(200)
    p_dfr0548_motor_M3.run(p_dfr0548_motor_M3.CCW)
    p_dfr0548_motor_M4.speed(200)
    p_dfr0548_motor_M4.run(p_dfr0548_motor_M4.CCW)
    time.sleep(2)
    p_dfr0548_motor_ALL.stop()
    time.sleep(2)

复制代码

2.行空板 Opencv 视频识线加载opencv 库函数头文件”cv2“，开启USB摄像头采集图像，通过图像处理，获取目标颜色，进而识别目标”线“所在区域。


import cv2            # opencv 库函数头文件引用
import numpy as np    # python 库引用
import math           # python 库引用

import sys
class Twist:    
    x = 0
    z = 0
    linear=0
    angular=0
# 利用opencv 库函数，从摄像头采集一帧图像
cap = cv2.VideoCapture(0)
ret, cv_image = cap.read()
while ret:  
   ret, cv_image = cap.read()
   # 对图像进行裁剪
   height, width, channels = cv_image.shape
   descentre = 50
   rows_to_watch = 100
   crop_img = cv_image[(int((height)/4) + descentre):(int((height)/4)+ (descentre+rows_to_watch))][1:width]

   #将图像从RGB转换成HSV色彩空间
   hsv = cv2.cvtColor(crop_img,cv2.COLOR_RGB2HSV)
   # 设置需要提取的颜色的是绿色，然后确认其HSV空间下的范围
   lower = np.array([0,0,5])
   upper = np.array([180,255,100])

   #制作模板，绿色部分和其他颜色二值化后变为白色和黑色
   mask = cv2.inRange(hsv,lower ,upper)

   #将模板图像和原始图像按照 像素 位相与，提取出目标颜色
   res = cv2.bitwise_and(crop_img,crop_img,mask = mask)
   m = cv2.moments(mask,False)
   try:
        cx, cy = m['m10']/m['m00'], m['m01']/m['m00']
   except ZeroDivisionError:
        cx, cy = height/2, width/2
   height, width, channels = cv_image.shape
   error_x = cx - width / 2
   twist_object = Twist()
   # 设置固定的线速度值，单位 m/s
   twist_object.linear = 0.05

   # 将横向像素的偏差除以一个系数，该系数决定角速度值的大小，需要根据线速度和图像总宽度进行调节，才能达到比较好的循迹效果
   twist_object.angular = error_x / 80

# 二值化图像的像素统计，即统计目标颜色区域所占的像素个数
   no_red = cv2.countNonZero(mask)

   # 添加角速度和目标颜色像素判别，避免过大的角速度出现，防止车疯狂旋转
   if ((math.fabs(twist_object.angular)) < 10 and (no_red > 20000)):
        print(twist_object.angular)
   else:
      twist_object.linear = 0
      print("out of range")
      twist_object.angular = 0
   cv2.imshow("dst",mask)
   if cv2.waitKey(1) & 0xff== 27:
       break
复制代码

3.完整程序


import cv2            # opencv 库函数头文件引用
import numpy as np    # python 库引用
import math           # python 库引用

import sys
import time
from pinpong.board import Board
from pinpong.libs.microbit_motor import DFMotor


Board().begin()
p_dfr0548_motor_M1 = DFMotor(1)
p_dfr0548_motor_M2 = DFMotor(2)
p_dfr0548_motor_M3 = DFMotor(3)
p_dfr0548_motor_M4 = DFMotor(4)
p_dfr0548_motor_ALL = DFMotor(5)
def speed(left,right):
    p_dfr0548_motor_M1.speed(left)
    p_dfr0548_motor_M1.run(p_dfr0548_motor_M1.CW)
    p_dfr0548_motor_M2.speed(left)
    p_dfr0548_motor_M2.run(p_dfr0548_motor_M2.CW)
    p_dfr0548_motor_M3.speed(right)
    p_dfr0548_motor_M3.run(p_dfr0548_motor_M3.CW)
    p_dfr0548_motor_M4.speed(right)
    p_dfr0548_motor_M4.run(p_dfr0548_motor_M4.CW)
def numberMap(x, in_min, in_max, out_min, out_max):
  return (x - in_min) * (out_max - out_min) / (in_max - in_min) + out_min
num=30#电机启动基数
num2=100#电机调整范围
class Twist:    
    x = 0
    z = 0
    linear=0
    angular=0
# 利用opencv 库函数，从摄像头采集一帧图像
cap = cv2.VideoCapture(0)
ret, cv_image = cap.read()
while ret:  
   ret, cv_image = cap.read()
   # 对图像进行裁剪
   height, width, channels = cv_image.shape
   descentre = 50
   rows_to_watch = 100
   crop_img = cv_image[(int((height)/4) + descentre):(int((height)/4)+ (descentre+rows_to_watch))][1:width]

   #将图像从RGB转换成HSV色彩空间
   hsv = cv2.cvtColor(crop_img,cv2.COLOR_RGB2HSV)
   # 设置需要提取的颜色的是绿色，然后确认其HSV空间下的范围
   lower = np.array([0,0,5])
   upper = np.array([180,255,100])

   #制作模板，绿色部分和其他颜色二值化后变为白色和黑色
   mask = cv2.inRange(hsv,lower ,upper)

   #将模板图像和原始图像按照 像素 位相与，提取出目标颜色
   res = cv2.bitwise_and(crop_img,crop_img,mask = mask)
   m = cv2.moments(mask,False)
   try:
        cx, cy = m['m10']/m['m00'], m['m01']/m['m00']
   except ZeroDivisionError:
        cx, cy = height/2, width/2
   height, width, channels = cv_image.shape
   error_x = cx - width / 2
   twist_object = Twist()
   # 设置固定的线速度值，单位 m/s
   twist_object.linear = 0.05

   # 将横向像素的偏差除以一个系数，该系数决定角速度值的大小，需要根据线速度和图像总宽度进行调节，才能达到比较好的循迹效果
   twist_object.angular = error_x / 80

# 二值化图像的像素统计，即统计目标颜色区域所占的像素个数
   no_red = cv2.countNonZero(mask)

   # 添加角速度和目标颜色像素判别，避免过大的角速度出现，防止车疯狂旋转
   if ((math.fabs(twist_object.angular)) < 10 and (no_red > 20000)):
        print(twist_object.angular)
        if(twist_object.angular>0):
           left=int(numberMap(int(twist_object.angular*100),0,300,0,num2))
           print("left:"+str(left))
           speed(num-left,num+left)
        if(twist_object.angular<0):
           right=int(numberMap(int(abs(twist_object.angular)*100),0,300,0,num2))
           print("right:"+str(right))
           speed(num+right,num-right)

   else:
      twist_object.linear = 0
      print("out of range")
      twist_object.angular = 0
   #cv2.imshow("dst",mask)
   #if cv2.waitKey(1) & 0xff== 27:
       #break
复制代码