pid摄像头循迹（opencv和openmv）

用摄像头进行循迹的方法参考

去年用openmv做了一个循迹小车，效果还不错，实验室里做了汇报，这里也同步分享一下制作的一些细节。
小车灰常简陋，当时硬件水平有限，轻喷>_<

csdn视频放不出来，只能放已经投稿的视频，这里就不展示了叭。
运行效果其实和openmv官方教程给的视频里小车效果类似，大家可以作为参考。

硬件选型方面

1. 稳压模块x2
2. 9v锂电池x1
3. openmv
4. 减速电机（6v 280rpm）
5. 万向轮
6. L298N直流电机驱动模块
   （插一下，这里的稳压可以稳压到7V和3.3V,L298N本身可以将电压稳压到5V）

软件思路

如上图所示，分为图像预处理、线性拟合以及PID控制转速。

一.图像预处理：

1.按阈值取二值化 （可以加入中值滤波或高斯滤波）
2.腐蚀操作 （去除噪点）
3.膨胀操作（可有可无）
因为openmv的算力有限，若是同时加上了膨胀和腐蚀操作，运行循迹程序时帧率会变得很低（可能低于15fps）。

代码部分

图像预处理在openmv和opencv中均有现成的库函数，直接调用即可。
1.openmv：

img.dilate(2) #膨胀
img.erode(2)# 腐蚀
img = sensor.snapshot().binary([THRESHOLD]) # 按阈值二值化

2.opencv：

mask=cv2.inRange(img,black_min,black_max) #二值化
kernel=np.ones((3,3),np.uint8) #半径大小
erode=cv2.morphologyEx(mask,cv2.MORPH_ERODE,kernel)# 腐蚀

腐蚀膨胀 示意图如下所示：

二.线性拟合

这里的线性拟合采用的是最小二乘法进行拟合，遍历所有像素点，复杂度为O(n²)
openmv有现成的库函数：

line = img.get_regression([(100,100,0,0,0,0)], robust = True)

官网给的解释是快速鲁棒线性回归
可以直接返回得到拟合的直线对象

参考文档：https://docs.singtown.com/micropython/zh/latest/openmvcam/library/omv.image.html?highlight=get_regression#image.get_regression

官方文档介绍：

opencv线性拟合：

由于我没有找到相关的线性拟合函数，于是自己写了一个函数：
传入参数img为二值化图像，result为原图。

# 线性拟合
def liner(img,result):
    # print(img)
    n=[len(img[: