树莓派4B 智能小车循迹（PID控制）

树莓派4B 智能小车循迹（PID控制）

---

1.循迹原理

智能小车的前置摄像机实时采集前方的图像，调整底部舵机和顶部舵机的角度，使轨道能被摄像机捕捉到并将采集到的图像传回树莓派系统。利用OpenCV对图像进行处理，系统通过处理后得到的图像信息调整小车的运动状态，使小车沿着轨道行驶。OpenCV对图像的处理过程如下：
（1）图像裁剪：对采集的图像进行进一步的裁剪，得到含有轨道的图像；
（2）图像灰度化处理：调用cv2模块中的cvtColor函数，将图像转换为灰度图；
（3）高斯模糊去除噪声干扰：调用GaussianBlur函数对其进行高斯模糊处理，去除噪声的干扰，根据实际情况调整卷积核的大小，使噪声干扰尽可能被去除；
（4）图像二值化处理：根据轨道与周围环境颜色偏差选择较优的阈值，调用threshold函数对图像进行二值化处理得到二值图像，此时轨道部分变为白色，周围环境的颜色变为黑色。
（5）图像膨胀、腐蚀处理：由于光线、周围环境等干扰的存在，得到的二值化图像依然存在一些干扰，此时调用erode、dilate函数对图形进行膨胀、腐蚀处理，使剩下的干扰尽可能被去除；
（6）求最大轮廓中心点：调用findContours函数检测图像的轮廓，并找出最大的轮廓（轨迹），调用drawContours绘制出最大轮廓，求出最大轮廓的中心点坐标。

计算两个中心点横坐标的偏差，利用PID控制实现对小车左右轮速度的控制。假设中心点偏差在区间内，则左右轮电机转速相同，智能小车直行；假设中心点偏差大于区间最大值（小车偏左），此时小车应该右转，左轮的电机转速大于右轮的电机转速，使小车右转，回到轨道上，中心点偏右的调节过程一样。经过这样反复调节，使小车沿着轨道行驶。

2.轨道图

下图为笔者所使用的小车循迹的轨道图。读者可根据实际轨道调节图像灰度化处理的阈值，使得到的二值化图像能满足循迹要求。

3.循迹视频

由于文件大小有限，只截取了部分循迹结果如下所示。

4.部分代码

PID参数初始化

# PID控制参数初始化
Kp = 0.85
Ki = 0
Kd = 0
Target_value = 150   # 设定值初始化
last_Err = 0         # 上一个误差值初始化
total_Err = 0        # 误差累加初始化
output = 0           # PID输出初始化

PID控制算法

Error = Target_value - cx   # 计算偏差
total_Err = total_Err + Error    # 偏差累加
output = Kp * Error + Ki * total_Err + Kd * (Error - last_Err)   # PID运算
last_Err = Error   # 将本次偏差赋给上次一偏差
u = output   # cx的调整值直接传给速度（调整速度）

完整代码见树莓派4B 视觉智能小车循迹 PID控制完整代码