试错

试错1：形态学处理

试错2：HSV色彩空间

基础理论

1、HSV与HSL色彩空间

2、PID调节

一、OpenCV图像处理

1、在HSL色彩空间下得到二值图

2、对二值图形态学处理

3、找出线的轮廓和中心点坐标

二、PID

三、运动控制

总代码

试错

试错1：形态学处理

一开始用的形态学处理，自行改变阈值，调试之后，进行处理，发现效果不是太好，于是改成了HSV色彩空间。

试错2：HSV色彩空间

之前没注意到，HSV色彩空间很难识别白色：

HSV：

不难看出，如果寻白色线的话，HSV色彩空间不是一个很好的选择，下面引入HSL色彩空间：

HSL：

所以，如果是巡白色的话，建议用HSL色彩空间。

注意：巡线小车的摄像头不能太低，如果太低了，可能让小车自己的影子会阻碍光线。

hsv中的效果：

hsl中的效果：

可以看出，已经能大致找到白线了。

基础理论

1、HSV与HSL色彩空间

HSV：

不难看出，如果寻白色线的话，HSV色彩空间不是一个很好的选择，下面引入HSL色彩空间：

HSL：

所以，如果是巡白色的话，建议用HSL色彩空间。

2、PID调节

个人理解：

P：拉力

I：推动力

D：阻力

一、OpenCV图像处理

1、在HSL色彩空间下得到二值图

# 在HSV色彩空间下得到二值图
def Get_HSV(image):# 1 get trackbar's valuehmin = cv2.getTrackbarPos('hmin', 'h_binary')hmax = cv2.getTrackbarPos('hmax', 'h_binary')smin = cv2.getTrackbarPos('smin', 's_binary')smax = cv2.getTrackbarPos('smax', 's_binary')lmin = cv2.getTrackbarPos('lmin', 'l_binary')lmax = cv2.getTrackbarPos('lmax', 'l_binary')# 2 to HSVhls = cv2.cvtColor(image, cv2.COLOR_BGR2HLS)cv2.imshow('hls', hls)h, l, s = cv2.split(hls)# 3 set threshold (binary image)# if value in (min, max):white; otherwise:blackh_binary = cv2.inRange(np.array(h), np.array(hmin), np.array(hmax))s_binary = cv2.inRange(np.array(s), np.array(smin), np.array(smax))l_binary = cv2.inRange(np.array(l), np.array(lmin), np.array(lmax))# 4 get binary（对H、S、V三个通道分别与操作）binary = 255 - cv2.bitwise_and(h_binary, cv2.bitwise_and(s_binary, l_binary))# 5 Showcv2.imshow('h_binary', h_binary)cv2.imshow('s_binary', s_binary)cv2.imshow('l_binary', l_binary)cv2.imshow('binary', binary)return binary

2、对二值图形态学处理

# 图像处理
def Image_Processing():global frame, binary# Capture the framesret, frame = camera.read()# to binarybinary = Get_HSV(frame)blur = cv2.GaussianBlur(binary, (5, 5), 0)cv2.imshow('blur', blur)kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (35, 35))Open = cv2.morphologyEx(blur, cv2.MORPH_OPEN, kernel)cv2.imshow('Open', Open)kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))Erode = cv2.morphologyEx(Open, cv2.MORPH_ERODE, kernel)cv2.imshow('Erode', Erode)kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))Dilate = cv2.morphologyEx(Erode, cv2.MORPH_DILATE, kernel)cv2.imshow('Dilate', Dilate)binary = Erode#Dilate

3、找出线的轮廓和中心点坐标

# 找线
def Find_Line():global x, y, image# 1 找出所有轮廓bin2, contours, hierarchy = cv2.findContours(binary, 1, cv2.CHAIN_APPROX_NONE)# 2 找出最大轮廓if len(contours) > 0:# 最大轮廓c = max(contours, key=cv2.contourArea)M = cv2.moments(c)# 中心点坐标x = int(M['m10'] / M['m00'])y = int(M['m01'] / M['m00'])#print(x, y)# 显示image = frame.copy()# 标出中心位置cv2.line(image, (x, 0), (x, 720), (0, 0, 255), 1)cv2.line(image, (0, y), (1280, y), (0, 0, 255), 1)# 画出轮廓cv2.drawContours(image, contours, -1, (128, 0, 128), 2)cv2.imshow("image", image)else:print("not found the line")(x,y) = (0, 0)

二、PID

比例：获取当前时刻白线中心点与图像中点的误差，作为当前误差。

积分：获取上一时刻的误差。

def Pid():global turn_speed, x, y, speedglobal error, last_error, pre_error, out_piderror = abs(x - width / 2)out_pid = int(proportion * error - integral * last_error + derivative * pre_error)turn_speed = out_pid# 保存本次误差，以便下一次运算pre_error = last_errorlast_error = error# 限值if (turn_speed < 30):turn_speed = 30elif (turn_speed > 100):turn_speed = 100if (speed < 0):speed = 0elif (speed > 100):speed = 100print(error, out_pid, turn_speed, (x, y))

三、运动控制

# 巡线
def Follow_Line():global turn_speed, x, y,speed, back_speed'''if(x < width / 2 and y>2*height/3):Left(turn_speed)elif(x>3*width/2 and y>2*height/3):Right(turn_speed)'''if(0<x<width/4):Left(turn_speed)print("turn left")elif(3*width/4<x<width):Right(turn_speed)print("turn right")#直角拐弯elif(y>3*height/4):if(x<width/2):Left(turn_speed*2)print("turn left")elif(x>=width/2):Right(turn_speed*2)print("turn right")elif(x>=width/4 and x<=3*width/4):Forward(speed)elif(x==0 and y==0):Back(back_speed)

总代码

#!/usr/bin/env python2
# -*- coding: utf-8 -*-import numpy as np
import cv2
import Adafruit_PCA9685
import RPi.GPIO as GPIO
import timel_motor = 18
left_Forward = 22
left_back = 27r_motor = 23
right_Forward = 25
right_back = 24pwm_servo = Adafruit_PCA9685.PCA9685()width, height = 160, 120
camera = cv2.VideoCapture(0)
camera.set(3, width)
camera.set(4, height)# pid
error = 0  # 当前误差e[k]
last_error = 0  # 上一次误差e[k-1]
pre_error = 0  # 上上次误差e[k-2]
proportion = 1  # 比例系数3 0.2
integral = 0.5  # 积分系数1.2
derivative = 0  # 微分系数1.2stop_flag = 1
control_flag = 1
turn_speed = 30
speed = 30
back_speed = 30def Motor_Init():global L_Motor, R_MotorL_Motor = GPIO.PWM(l_motor, 100)R_Motor = GPIO.PWM(r_motor, 100)L_Motor.start(0)R_Motor.start(0)def Direction_Init():GPIO.setup(left_back, GPIO.OUT)GPIO.setup(left_Forward, GPIO.OUT)GPIO.setup(l_motor, GPIO.OUT)GPIO.setup(right_Forward, GPIO.OUT)GPIO.setup(right_back, GPIO.OUT)GPIO.setup(r_motor, GPIO.OUT)def set_servo_angle(channel, angle):angle = 4096 * ((angle * 11) + 500) / 20000pwm_servo.set_pwm_freq(50)  # frequency==50Hz (servo)pwm_servo.set_pwm(channel, 0, int(angle))def TrackBar_Init():# 1 create windowscv2.namedWindow('h_binary')cv2.namedWindow('s_binary')cv2.namedWindow('l_binary')# 2 Create Trackbarcv2.createTrackbar('hmin', 'h_binary', 0, 179, call_back)cv2.createTrackbar('hmax', 'h_binary', 110, 179, call_back)cv2.createTrackbar('smin', 's_binary', 0, 255, call_back)cv2.createTrackbar('smax', 's_binary', 51, 255, call_back)  # 51cv2.createTrackbar('lmin', 'l_binary', 0, 255, call_back)cv2.createTrackbar('lmax', 'l_binary', 255, 255, call_back)'''cv2.namedWindow('binary')cv2.createTrackbar('thresh', 'binary', 154, 255, call_back)  '''#   创建滑动条     滑动条值名称 窗口名称   滑动条值 滑动条阈值 回调函数def Init():GPIO.setwarnings(False)GPIO.setmode(GPIO.BCM)Direction_Init()Motor_Init()TrackBar_Init()def Forward(turn_speed):L_Motor.ChangeDutyCycle(turn_speed)GPIO.output(left_Forward, 1)  # left_ForwardGPIO.output(left_back, 0)  # left_backR_Motor.ChangeDutyCycle(turn_speed)GPIO.output(right_Forward, 1)  # right_ForwardGPIO.output(right_back, 0)  # right_backdef Back(turn_speed):L_Motor.ChangeDutyCycle(turn_speed)GPIO.output(left_Forward, 0)  # left_ForwardGPIO.output(left_back, 1)  # left_backR_Motor.ChangeDutyCycle(turn_speed)GPIO.output(right_Forward, 0)  # right_ForwardGPIO.output(right_back, 1)  # right_backdef Left(turn_speed):L_Motor.ChangeDutyCycle(turn_speed)GPIO.output(left_Forward, 0)  # left_ForwardGPIO.output(left_back, 1)  # left_backR_Motor.ChangeDutyCycle(turn_speed)GPIO.output(right_Forward, 1)  # right_ForwardGPIO.output(right_back, 0)  # right_backdef Right(turn_speed):L_Motor.ChangeDutyCycle(turn_speed)GPIO.output(left_Forward, 1)  # left_ForwardGPIO.output(left_back, 0)  # left_backR_Motor.ChangeDutyCycle(turn_speed)GPIO.output(right_Forward, 0)  # right_ForwardGPIO.output(right_back, 1)  # right_backdef Stop():L_Motor.ChangeDutyCycle(0)GPIO.output(left_Forward, 0)  # left_ForwardGPIO.output(left_back, 0)  # left_backR_Motor.ChangeDutyCycle(0)GPIO.output(right_Forward, 0)  # right_ForwardGPIO.output(right_back, 0)  # right_back# 回调函数
def call_back(*arg):pass# 在HSV色彩空间下得到二值图
def Get_HSV(image):# 1 get trackbar's valuehmin = cv2.getTrackbarPos('hmin', 'h_binary')hmax = cv2.getTrackbarPos('hmax', 'h_binary')smin = cv2.getTrackbarPos('smin', 's_binary')smax = cv2.getTrackbarPos('smax', 's_binary')lmin = cv2.getTrackbarPos('lmin', 'l_binary')lmax = cv2.getTrackbarPos('lmax', 'l_binary')# 2 to HSVhls = cv2.cvtColor(image, cv2.COLOR_BGR2HLS)cv2.imshow('hls', hls)h, l, s = cv2.split(hls)# 3 set threshold (binary image)# if value in (min, max):white; otherwise:blackh_binary = cv2.inRange(np.array(h), np.array(hmin), np.array(hmax))s_binary = cv2.inRange(np.array(s), np.array(smin), np.array(smax))l_binary = cv2.inRange(np.array(l), np.array(lmin), np.array(lmax))# 4 get binary（对H、S、V三个通道分别与操作）binary = 255 - cv2.bitwise_and(h_binary, cv2.bitwise_and(s_binary, l_binary))# 5 Showcv2.imshow('h_binary', h_binary)cv2.imshow('s_binary', s_binary)cv2.imshow('l_binary', l_binary)cv2.imshow('binary', binary)return binary# 手动控制小车（上下左右，案件事件判断）
# 控制方式：w、s、a、d分别表示：上、下、左、右
def Key_Control(keyboard):global stop_flag, control_flagif keyboard == ord("w"):Forward(50)time.sleep(0.1)Stop()elif keyboard == ord("s"):Back(50)time.sleep(0.1)Stop()elif keyboard == ord("a"):Left(50)time.sleep(0.1)Stop()elif keyboard == ord("d"):Right(50)time.sleep(0.1)Stop()# 图像处理
def Image_Processing():global frame, binary# Capture the framesret, frame = camera.read()# to binarybinary = Get_HSV(frame)blur = cv2.GaussianBlur(binary, (5, 5), 0)cv2.imshow('blur', blur)kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (35, 35))Open = cv2.morphologyEx(blur, cv2.MORPH_OPEN, kernel)cv2.imshow('Open', Open)kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))Erode = cv2.morphologyEx(Open, cv2.MORPH_ERODE, kernel)cv2.imshow('Erode', Erode)kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))Dilate = cv2.morphologyEx(Erode, cv2.MORPH_DILATE, kernel)cv2.imshow('Dilate', Dilate)binary = Erode  # Dilate# 找线
def Find_Line():global x, y, image# 1 找出所有轮廓bin2, contours, hierarchy = cv2.findContours(binary, 1, cv2.CHAIN_APPROX_NONE)# 2 找出最大轮廓if len(contours) > 0:# 最大轮廓c = max(contours, key=cv2.contourArea)M = cv2.moments(c)# 中心点坐标x = int(M['m10'] / M['m00'])y = int(M['m01'] / M['m00'])# print(x, y)# 显示image = frame.copy()# 标出中心位置cv2.line(image, (x, 0), (x, 720), (0, 0, 255), 1)cv2.line(image, (0, y), (1280, y), (0, 0, 255), 1)# 画出轮廓cv2.drawContours(image, contours, -1, (128, 0, 128), 2)cv2.imshow("image", image)else:print("not found the line")(x, y) = (0, 0)def Pid():global turn_speed, x, y, speedglobal error, last_error, pre_error, out_piderror = abs(x - width / 2)out_pid = int(proportion * error - integral * last_error + derivative * pre_error)turn_speed = out_pid# 保存本次误差，以便下一次运算pre_error = last_errorlast_error = error# 限值if (turn_speed < 30):turn_speed = 30elif (turn_speed > 100):turn_speed = 100if (speed < 0):speed = 0elif (speed > 100):speed = 100print(error, out_pid, turn_speed, (x, y))# 巡线
def Follow_Line():global turn_speed, x, y, speed, back_speed'''if(x < width / 2 and y>2*height/3):Left(turn_speed)elif(x>3*width/2 and y>2*height/3):Right(turn_speed)'''if (0 < x < width / 4):Left(turn_speed)print("turn left")elif (3 * width / 4 < x < width):Right(turn_speed)print("turn right")# 直角拐弯elif (y > 3 * height / 4):if (x < width / 2):Left(turn_speed * 2)print("turn left")elif (x >= width / 2):Right(turn_speed * 2)print("turn right")elif (x >= width / 4 and x <= 3 * width / 4):Forward(speed)elif (x == 0 and y == 0):Back(back_speed)def Control():global control_flag, speed, proportion, integralkeyboard = cv2.waitKey(1)# 加速减速if (keyboard == ord('k')):speed += 5elif (keyboard == ord('l')):speed -= 5print(speed)if keyboard == ord("n"):integral += 0.01elif keyboard == ord("m"):integral -= 0.01print(integral)if (control_flag == -1):Follow_Line()if keyboard == 32:control_flag *= -1Stop()else:Key_Control(keyboard)if keyboard == 32:control_flag *= -1Stop()print(control_flag)if __name__ == '__main__':Init()set_servo_angle(4, 140)  # top servo     lengthwise# 0:back    180:frontset_servo_angle(5, 90)  # bottom servo  crosswise# 0:left    180:rightwhile True:Image_Processing()Find_Line()Pid()Control()if cv2.waitKey(1) == ord('q'):cv2.destroyAllWindows()break

其实一开始主要是想玩机器视觉，小车的运动控制研究的不算精细，PID研究的也不深。

有很多是自己的想法，有错误欢迎指正，有建议也欢迎交流，谢谢。

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)相关推荐

单光感pid巡线_技术解析——单颜色传感器巡线中的PID控制器
1PID控制器是什么? 百度百科: 工业生产过程中,对于生产装置的温度.压力.流量.液位等工艺变量常常要求维持在一定的数值上,或按一定的规律变化,以满足生产工艺的要求.PID控制器是根据PID控制原理 ...
树莓派视觉小车 -- 小球追踪（颜色追踪）（OpenCV色彩空间HSV）
目录效果展示基础理论(HSV) 为什么用HSV空间而不是RGB空间? HSV 1.Hue(色相) 2.Value(明度) 3.Saturation(饱和度) 一.初始化滑动条初始化 1.创建回调 ...
树莓派视觉小车 -- 物体跟踪（OpenCV）
目录物体跟踪效果展示过程: 一.初始化二.运动控制函数三.舵机角度控制四.摄像头&&图像处理 1.打开摄像头 2.把图像转换为灰度图 3. 高斯滤波(去噪) 4.亮度增强 5 ...
树莓派视觉小车 -- 人脸追踪（人脸识别、PID控制舵机运动）
目录效果展示基础理论(人脸识别) 1.基于特征的算法 2.基于图像的算法 3.Haar特征 4.Adaboost级联决策器 API 基础理论(PID算法) 1.作用应用场景 2.PID原理 1. ...
# 基于Arduino巡线机器人的PID控制算法 #
#位式控制算法特点:(1)位式控制算法输出信号只有HIGH和LOW两种状态: (2)位式算法输出信号OUT的依据: Pv < Sv 输出HIGH ...
基于opencv的巡线方案
目录背景实际效果: 两侧车道线效果: 单侧车道线效果: 十字路口车道线补齐代码讲解: 基础部分: 十字路口补线: 缺点: 注意事项: 背景在参加17届智能车百度智慧交通组竞赛的时候我脑子里就有 ...
基于STC89C52RC模块的巡线小车
基于STC89C52RC模块的巡线小车在STC89C52RC的基础上使用电机驱动使小车完成巡线,停站,避障,掉头等多功能智能小车所需头文件: #include <reg52.h> #i ...
Arduino案例实操 -- 智能巡防小车（三）图形化巡线小车编程
巡防小车的巡线功能同时可以用图形化编程软件来实现.博主这里用的图形化编程软件是KRobot. 三.图形化巡线小车编程 3.1 编程环境配置 3.1.1 下载编程软件 3.1.2 安装编程软件 3.2 ...
基于STM32F103智能巡线小车
项目描述: 巡线小车是我作为新手入手的第一个项目,基本巡线功能是使用红外传感器循迹模块判断黑线的路径来确定转向方向,同时控制单片机配置PWM占空比波控制小车前进的L298N电机模块,实现前后退,左 ...

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

试错

试错1：形态学处理

试错2：HSV色彩空间

基础理论

1、HSV与HSL色彩空间

2、PID调节

一、OpenCV图像处理

1、在HSL色彩空间下得到二值图

2、对二值图形态学处理

3、找出线的轮廓和中心点坐标

二、PID

三、运动控制

总代码

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)相关推荐

最新文章

热门文章

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

试错

试错1：形态学处理

试错2：HSV色彩空间

基础理论

1、HSV与HSL色彩空间

2、PID调节

一、OpenCV图像处理

1、在HSL色彩空间下得到二值图

2、 对二值图形态学处理

3、找出线的轮廓和中心点坐标

二、PID

三、运动控制

总代码

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)相关推荐

最新文章

热门文章

2、对二值图形态学处理