提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
文章目录
前言
提示：本博文没有图片，原博文有图片
提示：如有侵权，请原作者留言
原文链接：https://blog.csdn.net/weixin_51583957/article/details/123958565
一、Openmv巡线
机器视觉巡线处理是参考openmv官方代码
Openmv官网源代码：book. openmv.cc/project/follow-lines.html
根据官网视频及教程将源码注入openmv中。
小车巡的是红线，所以颜色阈值要更改。
二、颜色阈值获取方法
1、在文件示例中打开helloworld.py。
2、打开工具/机器视觉/阈值编辑器/缓冲区。
3、将我们需要寻迹的黑线调至全白，背景全黑即可，环境光亮度不同阈值也会不同，调好后将LAB阈值复制粘贴到openmv上（自己的代码的“THRESHOLD=（）”命令中）就行。
4、对于openmv来说，引脚是已经配置好了，将小车和硬件搭好就可以驱动，但是我们是想利用STM32来驱动，所以要将数据通过串口发送给STM32。关于openmv底层驱动原理可以去官网找底层函数学习。
三、Openmv与STM32串口对接问题
1、重点在于如何将openmv与stm32进行串口通信，只要完成好这一步，后面的调试都会很容易。
2、经过调试，小车在黑线左右不同边的时候openmv算出来的output数值是有正负数的（例如右正左负）
3、因为STM32不好处理负数，所以要将openmv计算出的负数值取绝对值+100，stm32通过判断其值是否大于100来判断其是否为负数。
四、STM32处理信息并驱动小车
1、Stm32配置好串口波特率，与openmv相匹配，串口代码是移植正点原子的，这里的话要注意正点原子的字符接收必须是以0x0d、0x0a结尾（必须以回车换行为结束符），否则接收不了，所以要在openmv发送OUTPUT后加上发送回车换行。
2、STM32接收到串口数据后存储到了USART_RX_BUF数组中，然后再定义一个数组source将BUF数据转移过去。
3、字符串转整形是C语言知识，网上百度也能找到相关代码，自己看着理解。
4、最后只需要将返回的sum放入电机控速的占空比中就可以修改速度了。
5、每辆车的电机转速、总量、电量等等因素都不一样，所以要调好巡线的话要在openmv中进行调整PID。
6、调节PID重点调节rhoPID的P参数就行了，下面的西塔PID可以不用更改。
五、详细代码
1.Openmv
代码如下（示例）：
main.py（只用来识别红线，和pid.py搭配使用）
THRESHOLD = (42, 95, -128, 109, -124, 127)
import sensor, image, time, os, tf,math
from pyb import UART
from pyb import LED
from pid import PID
rho_pid = PID(p=0.4, i=0)
theta_pid = PID(p=0.001, i=0)
sensor.reset()
sensor.set_pixformat(sensor.GRAYSCALE)
sensor.set_framesize(sensor.QQQVGA)
sensor.set_windowing((320, 240))
sensor.skip_frames(time=2000)
threshold_index = 0
thresholds = [(70, 4, 18, 127, -125, 127),
(30, 100, -64, -8, -32, 32),
(0, 30, 0, 64, -128, 0)]
uart = UART(3, 115200)
LED(1).on()
LED(2).on()
LED(3).on()
crosstime=0
clock = time.clock()
roi=(0,0,0,0)
xun=0
flag=5
num=0
def xunxian(xun):
if(xun==6):
img = sensor.snapshot().binary([THRESHOLD])
line = img.get_regression([(100,100)], robust = True)
if (line):
rho_err = abs(line.rho())-img.width()/2
if line.theta()>90:
theta_err = line.theta()-180
else:
theta_err = line.theta()
img.draw_line(line.line(), color = 127)
if line.magnitude()>8:
rho_output = rho_pid.get_pid(rho_err,1)
theta_output = theta_pid.get_pid(theta_err,1)
output = rho_output+theta_output
print(output)
while(True):
clock.tick()
if(flag==5):
sensor.set_pixformat(sensor.RGB565)
img = sensor.snapshot().lens_corr(1.8)
found=0
for blob in img.find_blobs([thresholds[threshold_index]], pixels_threshold=200, area_threshold=200, merge=True):
if blob.elongation() > 0.5:
img.draw_edges(blob.min_corners(), color=(255,0,0))
img.draw_line(blob.major_axis_line(), color=(0,255,0))
img.draw_line(blob.minor_axis_line(), color=(0,0,255))
img.draw_rectangle(blob.rect())
img.draw_cross(blob.cx(), blob.cy())
img.draw_keypoints([(blob.cx(), blob.cy(), int(math.degrees(blob.rotation())))], size=20)
found=1
if blob.w()<40:
xunxian(6)
else:
output_str="[%3.d,%3.d]" % (0,1000000000000000000)
uart.write(output_str)
print(output_str)
if found==0:
output_str="[%3.d,%3.d]" % (0,10)
uart.write(output_str)
print(output_str)
pid.py
from pyb import millis
from math import pi, isnan
class PID:
_kp = _ki = _kd = _integrator = _imax = 0
_last_error = _last_derivative = _last_t = 0
_RC = 1/(2 * pi * 20)
def __init__(self, p=0, i=0, d=0, imax=0):
self._kp = float(p)
self._ki = float(i)
self._kd = float(d)
self._imax = abs(imax)
self._last_derivative = float('nan')
def get_pid(self, error, scaler):
tnow = millis()
dt = tnow - self._last_t
output = 0
if self._last_t == 0 or dt > 1000:
dt = 0
self.reset_I()
self._last_t = tnow
delta_time = float(dt) / float(1000)
output += error * self._kp
if abs(self._kd) > 0 and dt > 0:
if isnan(self._last_derivative):
derivative = 0
self._last_derivative = 0
else:
derivative = (error - self._last_error) / delta_time
derivative = self._last_derivative + \
((delta_time / (self._RC + delta_time)) * \
(derivative - self._last_derivative))
self._last_error = error
self._last_derivative = derivative
output += self._kd * derivative
output *= scaler
if abs(self._ki) > 0 and dt > 0:
self._integrator += (error * self._ki) * scaler * delta_time
if self._integrator < -self._imax: self._integrator = -self._imax
elif self._integrator > self._imax: self._integrator = self._imax
output += self._integrator
return output
def reset_I(self):
self._integrator = 0
self._last_derivative = float('nan')
2.Openmv识别数字＋寻迹（太卡了，带不动）
helloworld_1.py
# Edge Impulse - OpenMV Image Classification Example
THRESHOLD = (66, 20, 25, 67, 14, 52) # Grayscale threshold for dark things...
import sensor, image, time, os, tf,math
from pyb import UART
from pyb import LED
from pid import PID
rho_pid = PID(p=0.4, i=0)
theta_pid = PID(p=0.001, i=0)
sensor.reset() # Reset and initialize the sensor.
sensor.set_pixformat(sensor.GRAYSCALE) # Set pixel format to RGB565 (or GRAYSCALE)
sensor.set_framesize(sensor.QQQVGA) # Set frame size to QVGA (320x240)
sensor.set_windowing((320, 240)) # Set 240x240 window.
sensor.skip_frames(time=2000) # Let the camera adjust.
threshold_index = 0 # 0 for red, 1 for green, 2 for blue
# Color Tracking Thresholds (L Min, L Max, A Min, A Max, B Min, B Max)
# The below thresholds track in general red/green/blue things. You may wish to tune them...
thresholds = [(70, 4, 18, 127, -125, 127), # generic_red_thresholds
(30, 100, -64, -8, -32, 32), # generic_green_thresholds
(0, 30, 0, 64, -128, 0)] # generic_blue_thresholds
uart = UART(3, 115200)
LED(1).on()
LED(2).on()
LED(3).on()
crosstime=0
clock = time.clock()
roi=(0,0,0,0)
xun=0
flag=5#4识别数字 5巡线 6匹配数字 1继续寻找 0找到数字
num=0 #第一个数据判断左右 0直行 1左拐 2右拐
def xunxian(xun):
if(xun==6):
img = sensor.snapshot().binary([THRESHOLD])
line = img.get_regression([(100,100)], robust = True)
if (line):
rho_err = abs(line.rho())-img.width()/2
if line.theta()>90:
theta_err = line.theta()-180
else:
theta_err = line.theta()
img.draw_line(line.line(), color = 127)
#print(rho_err,line.magnitude(),rho_err)
if line.magnitude()>8:
#if -40<b_err<40 and -30<t_err<30:
rho_output = rho_pid.get_pid(rho_err,1)
theta_output = theta_pid.get_pid(theta_err,1)
output = rho_output+theta_output
if(output<0):
output = abs(output) + 100
OUTPUT = str(round(output))
uart.write(OUTPUT)
uart.write('\r\n')
print(OUTPUT)
while(True):
clock.tick()
# size = uart.any();
# if size != 0:
# command = " "
# command = uart.read()
# flag = len(str(command))
#size = 0
#print(flag)
if(flag==5):
sensor.set_pixformat(sensor.RGB565)
img = sensor.snapshot().lens_corr(1.8)
#img = sensor.snapshot().binary([THRESHOLD])
found=0
for blob in img.find_blobs([thresholds[threshold_index]], pixels_threshold=200, area_threshold=200, merge=True):
# These values depend on the blob not being circular - otherwise they will be shaky.
if blob.elongation() > 0.5:
img.draw_edges(blob.min_corners(), color=(255,0,0))
img.draw_line(blob.major_axis_line(), color=(0,255,0))
img.draw_line(blob.minor_axis_line(), color=(0,0,255))
# These values are stable all the time.
img.draw_rectangle(blob.rect())
img.draw_cross(blob.cx(), blob.cy())
# Note - the blob rotation is unique to 0-180 only.
img.draw_keypoints([(blob.cx(), blob.cy(), int(math.degrees(blob.rotation())))], size=20)
#print(blob.corners())
found=1 #找到红线
if blob.w()<40:
#if xun=0:
#output_str="[%3.d,%3.d]" % (0,xun) #巡线
xunxian(6)
else:
output_str=50000 #十字 切换至数字寻找数字
OUTPUT = str(round(output_str))
uart.write(OUTPUT)
uart.write('\r\n')
print(OUTPUT)
print('Z')
#print(blob.cx(),blob.w(),blob.rotation_deg())
if found==0:
output_str=10000 #十字 切换至数字寻找数字
OUTPUT = str(round(output_str))
uart.write(OUTPUT)
uart.write('\r\n')
print(OUTPUT)
print('T')
3.STM32程序
串口接收，正点原子有教程，需要将接受到的source中的数据，按照字符串转int函数进行转化。
也就是这段代码：
总结
提示：原博客代码包：
文件链接：
Bai度网盘
链接：https://pan.baidu.com/s/1zNNBOC183Lvu9ocPBAdu9w
提取码：5642
5408
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
