使用python編寫一個視覺巡線程序
更新時間：2025年01月02日 11:05:14 作者：酷愛碼
這篇文章主要為大家詳細(xì)介紹了如何使用python編寫一個視覺巡線程序,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下
要寫一個視覺巡線程序，首先需要安裝OpenCV庫來進(jìn)行圖像處理。然后，需要攝像頭或者相機來獲取視頻流或者圖片。
下面是一個使用OpenCV進(jìn)行視覺巡線的簡單示例程序：
import cv2
def follow_line():
# 打開攝像頭或者讀取視頻文件
cap = cv2.VideoCapture(0) # 參數(shù)0表示打開默認(rèn)攝像頭
# 設(shè)置視頻流的寬和高
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
while True:
# 讀取一幀圖像
ret, frame = cap.read()
# 進(jìn)行圖像處理，例如灰度化、邊緣檢測等
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 50, 150)
# 在圖像上找到線條或者輪廓
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 遍歷每個輪廓
for contour in contours:
# 計算輪廓的中心坐標(biāo)
M = cv2.moments(contour)
if M["m00"] != 0:
cx = int(M["m10"] / M["m00"])
cy = int(M["m01"] / M["m00"])
# 在圖像上標(biāo)記出線條的中心點
cv2.circle(frame, (cx, cy), 5, (0, 255, 0), -1)
# 顯示圖像
cv2.imshow("Frame", frame)
# 按下Esc鍵退出循環(huán)
if cv2.waitKey(1) == 27:
break
# 釋放攝像頭或者關(guān)閉視頻文件
cap.release()
cv2.destroyAllWindows()
if __name__ == "__main__":
follow_line()
這是一個簡單的巡線程序，它使用Canny邊緣檢測算法來檢測圖像中的線條，然后計算線條的中心坐標(biāo)，并在圖像上標(biāo)記出來。你可以根據(jù)實際需求進(jìn)行進(jìn)一步的圖像處理和控制機器人運動的操作。
方法補充
除了上文的方法，小編還為大家整理了python實現(xiàn)視覺SLAM視覺巡線的方法，有需要的可以了解下
1.簡要概述：
通過攝像頭采集圖像，
將圖像灰度化、二值化、膨脹、腐蝕操作后，
提取第400行像素值v,接近于圖像底線位置，
提取中間值（這里為白色）的數(shù)量和位置，
根據(jù)數(shù)量和位置，利用簡單的數(shù)學(xué)公式，（首項+尾項）/2，計算出白色的中間位置，
然后對比實際的中間位置320（不需要改），計算出偏移量，
最后根據(jù)偏移量計算出電機應(yīng)有的轉(zhuǎn)角。
2.邊緣檢測實驗
#!/usr/bin/env python3
# 識別的是中線為白色
import cv2
import numpy as np
# center定義
center = 320
# 打開攝像頭，圖像尺寸640*480（長*高），opencv存儲值為480*640（行*列）
cap = cv2.VideoCapture(0)
while (1):
ret, frame = cap.read()
cv2.imshow("recognize_face", frame)
# 轉(zhuǎn)化為灰度圖
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)
# 膨脹，白區(qū)域變大
dst = cv2.dilate(dst, None, iterations=2)
cv2.imshow("dst2", dst)
# # 腐蝕，白區(qū)域變小 #
dst = cv2.erode(dst, None, iterations=6)
cv2.imshow("dst3", dst)
# 單看第400行的像素值v
color = dst[400]
try:
# 找到白色的像素點個數(shù)，如尋黑色，則改為0
white_count = np.sum(color == 255)
# 找到白色的像素點索引，如尋黑色，則改為0
white_index = np.where(color == 255)
# 防止white_count=0的報錯
if white_count == 0:
white_count = 1
# 找到黑色像素的中心點位置
# 計算方法應(yīng)該是邊緣檢測，計算白色邊緣的位置和/2，即是白色的中央位置。
center = (white_index[0][white_count - 1] + white_index[0][0]) / 2
# 計算出center與標(biāo)準(zhǔn)中心點的偏移量，因為圖像大小是640，因此標(biāo)準(zhǔn)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() #釋放cap
cv2.destroyAllWindows()#銷毀所有窗口2.樹莓派GPIO應(yīng)用
# coding:utf-8
# 實現(xiàn)樹莓派小車的變速控制
import RPi.GPIO as gpio
# 定義引腳
in1 = 12
in2 = 16
in3 = 18
in4 = 22
# 設(shè)置GPIO口為BOARD編號規(guī)范,從左到右，從上到下。
gpio.setmode(gpio.BOARD)
# 設(shè)置GPIO口為輸出
gpio.setup(in1, gpio.OUT)
gpio.setup(in2, gpio.OUT)
gpio.setup(in3, gpio.OUT)
gpio.setup(in4, gpio.OUT)
# 設(shè)置PWM波,頻率為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)
# 定義向前
def go():
pwm1.ChangeDutyCycle(50)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(50)
pwm4.ChangeDutyCycle(0)
# 定義向右
def right():
pwm1.ChangeDutyCycle(50)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(30)
pwm4.ChangeDutyCycle(0)
# 定義向左
def left():
pwm1.ChangeDutyCycle(30)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(50)
pwm4.ChangeDutyCycle(0)
# 定義向后
def back():
pwm1.ChangeDutyCycle(0)
pwm2.ChangeDutyCycle(50)
pwm3.ChangeDutyCycle(0)
pwm4.ChangeDutyCycle(50)
# 定義停止
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.視覺巡線
# coding:utf-8
# 加入攝像頭模塊，讓小車實現(xiàn)自動循跡行駛
# 思路為：攝像頭讀取圖像，進(jìn)行二值化，將白色的賽道凸顯出來
# 選擇下方的一行像素，黑色為0，白色為255 # 找到白色值的中點
# 目標(biāo)中點與標(biāo)準(zhǔn)中點（320）進(jìn)行比較得出偏移量
# 根據(jù)偏移量來控制小車左右輪的轉(zhuǎn)速
# 考慮了偏移過多失控->停止;偏移量在一定范圍內(nèi)->高速直行(這樣會速度不穩(wěn)定，已刪)
import RPi.GPIO as gpio
import time
import cv2
import numpy as np
import serial
ser=serial.Serial('/dev/ttyAMA0',115200,timeout=1)
# 定義引腳
pin1 = 12
pin2 = 16
pin3 = 18
pin4 = 22
# 設(shè)置GPIO口為BOARD編號規(guī)范
gpio.setmode(gpio.BOARD)
# 設(shè)置GPIO口為輸出
gpio.setup(pin1, gpio.OUT)
gpio.setup(pin2, gpio.OUT)
gpio.setup(pin3, gpio.OUT)
gpio.setup(pin4, gpio.OUT)
# 設(shè)置PWM波,頻率為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定義
center = 320
# 打開攝像頭，圖像尺寸640*480（長*高），opencv存儲值為480*640（行*列）
cap = cv2.VideoCapture(0)
while (1):
ret, frame = cap.read()
cv2.imshow("recognize_face", frame)
# 轉(zhuǎn)化為灰度圖
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 大津法二值化
retval, dst = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)
# 膨脹，白區(qū)域變大
dst = cv2.dilate(dst, None, iterations=2)
cv2.imshow("dst", dst)
# # 腐蝕，白區(qū)域變小 #
#dst = cv2.erode(dst, None, iterations=6)
# 單看第400行的像素值s
color = dst[400]
try:
# 找到白色的像素點個數(shù)，如尋黑色，則改為0
white_count = np.sum(color == 255)
# 找到白色的像素點索引，如尋黑色，則改為0
white_index = np.where(color == 255)
# 防止white_count=0的報錯
if white_count == 0:
white_count = 1
# 找到黑色像素的中心點位置
# 計算方法應(yīng)該是邊緣檢測，計算白色邊緣的位置和/2，即是白色的中央位置。
center = (white_index[0][white_count - 1] + white_index[0][0]) / 2
# 計算出center與標(biāo)準(zhǔn)中心點的偏移量，因為圖像大小是640，因此標(biāo)準(zhǔn)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)
# 右轉(zhuǎn)
elif direction >= 0:
# 限制在70以內(nèi)
if direction > 70:
direction = 70
pwm1.ChangeDutyCycle(30 + direction)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(30)
pwm4.ChangeDutyCycle(0)
# 左轉(zhuǎn)
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
# 釋放清理
cap.release()
cv2.destroyAllWindows()
pwm1.stop()
pwm2.stop()
pwm3.stop()
pwm4.stop()
gpio.cleanup()到此這篇關(guān)于使用python編寫一個視覺巡線程序的文章就介紹到這了,更多相關(guān)python視覺巡線內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了python實現(xiàn)目錄樹生成示例,需要的朋友可以參考下2014-03-03
這篇文章主要介紹了Python tkinter 下拉日歷控件代碼，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03
這篇文章主要為大家詳細(xì)介紹了python中對列表的相關(guān)操作，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-03-03
Python Loguru日志封裝裝飾器實現(xiàn)過程
這篇文章主要介紹了Python Loguru日志封裝裝飾器實現(xiàn)過程,本文通過實例代碼給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友參考下吧2024-03-03
這篇文章主要給大家介紹了關(guān)于Python詞云的正確實現(xiàn)方法的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-05-05
Django實現(xiàn)jquery select2帶搜索的下拉框
最近在開發(fā)一個web應(yīng)用中需要用到帶搜索功能下拉框，本文實現(xiàn)Django實現(xiàn)jquery select2帶搜索的下拉框，感興趣的小伙伴們可以參考一下2021-06-06
這篇文章主要介紹了Python with語句和過程抽取思想,本文給大家介紹的非常詳細(xì)，具有一定的參考借鑒價值，需要的朋友可以參考下2019-12-12
深入探討PythonLogging模塊的高級用法與性能優(yōu)化
在Python應(yīng)用程序中，日志處理是一項至關(guān)重要的任務(wù)，本文將探索Logging模塊的高級用法，包括日志級別、格式化、處理程序等方面的功能，需要的可以參考下2024-04-04
Python3基礎(chǔ)教程之遞歸函數(shù)簡單示例
這篇文章主要給大家介紹了關(guān)于Python3基礎(chǔ)教程之遞歸函數(shù)簡單示例的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家學(xué)習(xí)或者使用Python3具有一定的參考學(xué)習(xí)價值，需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2019-06-06
在看了很多Python教程之后，覺得是時候做點什么小項目來練練手了，于是想來想去，用python寫了一個小雪人，代碼注釋無比詳細(xì)清楚，快來看看吧2021-09-09