基于OpenMV的颜色追踪与串口通信

黑旋风_李kui

已于 2024-09-17 21:52:31 修改

阅读量600

点赞数 18

文章标签：计算机视觉人工智能嵌入式硬件

于 2024-09-17 21:50:44 首次发布

本文链接：https://blog.csdn.net/2403_87412718/article/details/142301996

版权

引言

在现代嵌入式系统中，视觉处理技术扮演着越来越重要的角色。OpenMV摄像头模块以其低成本、高性能的特点，广泛应用于机器人、无人机、智能家居等领域。本文将介绍如何使用OpenMV摄像头进行颜色追踪，并通过串口将追踪到的目标位置信息发送给外部设备。

硬件准备

OpenMV摄像头模块：本文使用的是OpenMV H7 Plus，它具有强大的图像处理能力和丰富的接口。

USB线：用于连接OpenMV摄像头到计算机，进行程序烧录和调试。

外部设备：如Arduino、STM32等，用于接收OpenMV通过串口发送的数据。

软件环境

OpenMV IDE：用于编写、调试和烧录OpenMV的Python代码。

Python：OpenMV使用MicroPython作为其编程语言，因此需要对Python有一定的了解。

代码实现

以下是实现颜色追踪并通过串口发送数据的Python代码：

1. 导入模块

python
import sensor, image, time
from pyb import UART
sensor: 用于初始化和配置摄像头。
image: 用于图像处理和颜色识别。
time: 用于添加延迟，控制循环速度。

from pyb import UART：

from pyb import UART 语句用于从 pyb 库中导入 UART 模块。这意味着我们可以在代码中直接使用 UART 类，而不需要每次都写 pyb.UART。

UART 类：

UART 类提供了对UART接口的控制和操作。通过实例化 UART 类，我们可以配置和使用UART接口进行数据的发送和接收。

2.串口初始化

python
uart = UART(3, 9600)
这里我们初始化了串口，使用的是UART3，波特率为9600。

3.颜色阈值设置

python
red_threshold = (25, 100, -116, 127, 23, 127)
通过设置LAB颜色空间的阈值，我们可以定义要追踪的颜色范围。在这个例子中，我们追踪的是红色。

可以使用OpenMV IED 软件里的工具，机器视觉，阈值编辑器，将需要识别的颜色白覆盖

4.摄像头初始化

python
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QQVGA)
sensor.skip_frames(time=2000)
sensor.set_auto_gain(False)
sensor.set_auto_whitebal(False)
sensor.reset(): 重置摄像头，确保其处于初始状态。
sensor.set_pixformat(sensor.RGB565): 设置图像的像素格式为 RGB565，即每个像素使用 16 位表示，其中 5 位用于红色，6 位用于绿色，5 位用于蓝色。
sensor.set_framesize(sensor.QVGA): 设置图像的分辨率为 QVGA，即 320x240 像素。
sensor.skip_frames(time=2000): 跳过一些帧，使图像稳定。time=2000 表示跳过 2000 毫秒（2 秒）的帧。

5.帧率追踪

python
clock = time.clock()
我们使用time.clock()来追踪帧率，以便在调试时了解程序的运行效率。

6.最小色块面积阈值
MIN_BLOB_AREA = 100
我们设置了一个最小色块面积阈值，只有面积大于这个阈值的色块才会被处理。

7.主循环
while True:
    clock.tick()
    img = sensor.snapshot()
    blobs = img.find_blobs([red_threshold])
    if blobs:
        for b in blobs:
            if b.pixels() > MIN_BLOB_AREA:
                img.draw_rectangle(b.rect(), color=(255, 0, 0))
                img.draw_cross(b.cx(), b.cy(), color=(255, 0, 0))
                data = "%d,%d\n" % (b.cx(), b.cy())
                uart.write(data)
    print(clock.fps())
    print(data)
在主循环中，我们不断获取图像，查找符合颜色阈值的色块，并在图像上绘制矩形框和中心点十字。如果色块的面积大于设定的最小阈值，我们将色块的中心坐标通过串口发送出去。最后，我们打印帧率和发送的数据，以便调试。

8.完整程序

import sensor, image, time
from pyb import UART

# 初始化串口，波特率为115200
uart = UART(3, 9600)

# 颜色追踪的例子，一定要控制环境的光，保持光线是稳定的。
red_threshold = (25, 100, -116, 127, 23, 127)
# 设置红色的阈值，括号里面的数值分别是L A B 的最大值和最小值（minL, maxL, minA,
# maxA, minB, maxB），LAB的值在图像左侧三个坐标图中选取。如果是灰度图，则只需
# 设置（min, max）两个数字即可。

sensor.reset()  # 初始化摄像头
sensor.set_pixformat(sensor.RGB565)  # 格式为 RGB565.
sensor.set_framesize(sensor.QQVGA)  # 使用 QQVGA 速度快一些
sensor.skip_frames(time=2000)  # 跳过2000ms，使新设置生效,并自动调节白平衡
sensor.set_auto_gain(False)  # 关闭自动增益。在颜色识别中，一定要关闭自动增益。
sensor.set_auto_whitebal(False)  # 关闭白平衡。在颜色识别中，一定要关闭白平衡。

clock = time.clock()  # 追踪帧率

MIN_BLOB_AREA = 100  # 最小色块面积阈值

while True:
    clock.tick()  # 记录时间以追踪帧率
    img = sensor.snapshot()  # 从感光芯片获得一张图像

    blobs = img.find_blobs([red_threshold])

    if blobs:
        for b in blobs:
            if b.pixels() > MIN_BLOB_AREA:
                img.draw_rectangle(b.rect(), color=(255, 0, 0))  # 画出矩形框
                img.draw_cross(b.cx(), b.cy(), color=(255, 0, 0))  # 画出中心点十字

                # 通过串口发送色块中心的位置
                data = "%d,%d\n" % (b.cx(), b.cy())
                uart.write(data)

    # 打印帧率
   # print(clock.fps())
    print(data)