在VREP实现基于视觉的小车PID循迹（python）

最新推荐文章于 2024-07-03 13:05:54 发布
最新推荐文章于 2024-07-03 13:05:54 发布
阅读量757 收藏 8
点赞数
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43116224/article/details/130742240
版权
本文介绍如何在VREP环境中使用Python实现基于视觉的小车PID循迹。通过Canny算法检测路径并计算偏离误差，利用PID控制器进行轨迹跟踪。同时，还实现了简单的模板匹配障碍物检测，根据图像信息调整小车差速。
摘要由CSDN通过智能技术生成

在Vrep中设置路径和pioneer小车，网络上已有较多通信配置的优秀教程 这里不再班门弄斧。相机位置安装在小车上方。

 主要思路是通过canny检测路径曲线，通过某一列曲线和画面中心的距离，确定偏离的误差，通过PID控制器进行跟踪

vrep.simxFinish(-1) # 闭所有与VREP之前的连接
clientID = vrep.simxStart('127.0.0.1',19997,True,True,5000,5)  # 参数解释可查看API文档
if clientID!=-1:  #检查连接是否成功
    print ('Connected to remote API server')  
    #template_init begin
    template = cv2.imread("model.jpg")
    #template_init end
    #bot connection begin
    robot = Robot()
    fz = FZ()
    while True:
        # rgb
        res,resolution,image = vrep.simxGetVisionSensorImage(clientID,robot.visionSensor,0,vrep.simx_opmode_streaming)
        time.sleep(0.
最低0.47元/天 解锁文章
心本忧
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
V-rep（CoppeliaSim）添加相机，与python联合仿真，并使用python读取V-rep中的RGB图与深度图
weixin_41837701的博客
12-28 3111
本文主要介绍了如何使用python与V-rep联合仿真，并用OpenCV可视化V-rep中视觉传感器所能看到的 **RGB图**和**深度
STM32视觉循迹小车
11-13
基于STM32F427为主控，用openMV作为摄像头传输图像数据完成巡线操作，默认寻找黑线，电机用减速电机，完整的KILL代码，包含摄像头处理部分和按键，可用于参考学习或移植
PID轨迹跟踪|python实现
最新发布
TeenLucifer的博客
07-03 643
关于PID的基本概念网上有很多，简单来说就是用P项（比例项）实现负反馈效果，用I项（积分项）消除稳态误差，用D项（微分项）提供误差信号微分的预测效果。utKp​etTt​1​∫0t​etdtTD​dtdet​式中，ut表示PID控制器的输出，系统的控制输入；etref−feedback表示误差；Kp​表示比例增益系数；Tt​表示积分时间常数，Ki​Tt​Kp​​表示积分增益系数；TD。
【自动驾驶】PID实现轨迹跟踪 | python实现 | C++实现
热门推荐
weixin_42301220的博客
05-17 1万+
文章目录参考资料1. PID控制原理1.1 基本概念1.2 数字 PID 控制算法1. 位置式PIDpython代码实现2. 增量式PIDpython代码实现2. 车辆横向跟踪误差 参考资料 轨迹跟踪PID控制 PID控制概述 1. PID控制原理 1.1 基本概念 PID( Proportional Integral Derivative)是工业应用最为广泛 的控制器。学习过控制理论的同学对它一定不陌生（毕竟调参这事可以记一辈子呢~~）。 PID控制器（比例-积分-微分控制器），由比例单元（Propo
VREP与python实现基于视觉的小车PID循迹
05-18
VREP与python实现基于视觉的小车PID循迹
Python+Pid实现车辆速度跟踪
m520_520的博客
04-19 1221
利用增量式PID 并利用Python中的matplotlib库输出打印 import matplotlib.pyplot as plt class Pid: def __init__(self, target, p, i, d): self.target = target self.kp = p self.ki = i self.kd = d self.target_val = target sel
基于opencv的视觉循迹小车
07-01
在视觉循迹中，根据OpenCV识别出的线路位置，PID控制器不断调整电机的转速，使得小车始终保持在赛道中央。 5. **串口通信**：香橙派Zero2通过串行通信接口（如UART）将处理后的图像信息发送给STM32F103C8T6，下位机...
循迹识别小车（上传版）.zip
01-20
在这个项目中，我们利用STM32微控制器、树莓派3B+单片机、Python编程语言、OpenCV计算机视觉库以及OpenMV4摄像头，构建了一个功能强大的小车系统，能够自主识别并追踪路径。 STM32是意法半导体推出的基于ARM Cortex...
zhinengxiaoche.rar_循迹_循迹小车_循迹智能小车
09-24
智能小车循迹技术是一种广泛应用在机器人领域中的自动化控制技术，尤其在教育、科研和娱乐领域，具有广泛的实践价值。这种技术使小车能够沿着预设的路径，通常是黑色线条，自主行驶，无需人工干预。在...
vrep/CoppeliaSim关节抖动问题原因总结
c823622061的博客
07-08 2219
vrep/CoppeliaSim关节抖动问题原因总结
人工智能作业——python实现洗衣机模糊推理系统实验
yijiangzhao的博客
11-09 1万+
人工智能作业——python实现洗衣机模糊推理系统实验实验环境实验要求代码实验结果 书中实验要求用Matlab实现，但是Matlab包太大了，且还需要重新学习Matlab的使用。发现python也可以实现，故使用python完成。 实验环境 python3.6 开发环境Pycharm 需要安装的包：scikit-fuzzy，numpy cmd命令：pip install scikit-fuzzy pip install numpy 实验要求 污泥{SD(污泥少), MD(中等污泥), LD(
vrep/coppeliasim 仿真：差速小车通过比例控制跟随动点
10-16
vrep/coppeliasim 仿真：左右差速运动小车，通过比例控制器进行转向以及移动，跟随目标点进行移动，从而到达不同地点进行不同的工作任务。
PID智能小车快速入门（一）
m0_57455750的博客
01-07 7906
本文旨在快速了解学习基本PID构成，原理，以及简单部署到控制器上。
神经网络视觉循迹小车
sinat_37794644的博客
04-11 9062
大四狗下学期想学习机器学习、深度学习等相关知识，于是毕设想做些神经网络相关的东西，因为本科期间参加过大学生智能车竞赛，于是想利用小车，通过神经网络，实现自主学习，完成在规定赛道上的行驶。现在在这里，记录，归纳，整理下过程，持续更新……
基于STM32和树莓派的视觉小车开发记录
weixin_52089270的博客
09-13 3744
基于STM32和树莓派实现的简单视觉追踪小车
【CVRP】节约算法求解带容量的车辆路径规划问题【含Matalb源码 157期】
Matlab领域的博客
01-29 173
节约算法求解带容量的车辆路径规划问题 完整的代码，方可运行；可提供运行操作视频！适合小白！
Vrep学习笔记（二）
Catog的博客
08-06 3121
四、基于Dummy和path的路径规划 4.1 Dummy和path Path是Scene的一种“实体”，可以使用Path来自定义各种运动路径，从Path上我们可以给定某一个时刻机器人运动到某一点的位置以及其姿态，定义机器人在整个路径中每一时刻的运动过程，V-REP中默认的Path是通过给定一些关键的控制点，并在这些控制点中间采用贝塞尔曲线插值来得到光滑路径的。 Dummy是一种带有姿态信息的虚拟“质点”，Dummy可以沿着Path向前运动，实时获取当前时刻在Path上的位置和姿态，作为路径上的一个“领航
VREP探索（一）——认识VREP
hyhop150的专栏
01-15 1万+
机器人仿真软件VREP（ Virtual Robot Experimentation Platform）的介绍
Coppeliasim（vrep） 中小车会跑出轨迹线（path）的问题解答
xu19950525的博客
12-04 2321
问题由来： 当创建完轨迹（path）后，轨迹的z-position和floor的z-position是一样的。这样就会造成一个结果，我们有时会看到floor，有时会看到path。这种情况在图形学上被认为是Z-fighting。 当场景中的两个模型在同一个像素生成的渲染结果对应到一个相同的深度值时，渲染器就不知道该使用哪个模型的渲染结果了，或者说，不知道哪个面在前，哪个面在后，于是便开始“胡作非...
树莓派4B 视觉智能小车循迹 PID控制
05-10
循迹控制是机器人控制中的一个重要应用场景，其中 PID 控制器是一种常用的控制算法。在树莓派上实现循迹控制需要相应的硬件和软件支持。 硬件方面，你需要一辆小车，同时安装循迹传感器并将其连接到树莓派上。循迹传感器可以检测小车所在的轨道，并输出相应的信号，以便树莓派进行控制。此外，你还需要购买电机和电调板，以便树莓派控制小车的运动。 软件方面，你需要在树莓派上安装 Python 和相关的库，如 GPIO、RPi.GPIO 和 numpy。然后，你可以使用 PID 算法来控制小车的运动。PID 算法可以根据当前偏差、偏差变化率和偏差积分值来计算输出信号，以便调整小车的方向和速度。 以下是一个基本的循迹 PID 控制程序的示例代码： ```python import RPi.GPIO as GPIO import time import numpy as np # 设置 GPIO 引脚模式 GPIO.setmode(GPIO.BOARD) # 定义引脚号 left_pin = 11 mid_pin = 13 right_pin = 15 motor1_pin1 = 16 motor1_pin2 = 18 motor2_pin1 = 22 motor2_pin2 = 24 # 设置引脚为输入模式 GPIO.setup(left_pin, GPIO.IN) GPIO.setup(mid_pin, GPIO.IN) GPIO.setup(right_pin, GPIO.IN) # 设置引脚为输出模式 GPIO.setup(motor1_pin1, GPIO.OUT) GPIO.setup(motor1_pin2, GPIO.OUT) GPIO.setup(motor2_pin1, GPIO.OUT) GPIO.setup(motor2_pin2, GPIO.OUT) # 定义 PID 参数 Kp = 0.5 Ki = 0.1 Kd = 0.2 # 定义 PID 变量 last_error = 0 integral = 0 # 定义循迹 PID 控制函数 def track_pid(): # 读取传感器信号 left = GPIO.input(left_pin) mid = GPIO.input(mid_pin) right = GPIO.input(right_pin) # 计算偏差 error = left - right # 计算偏差变化率 delta_error = error - last_error # 计算偏差积分值 integral += error # 计算输出信号 output = Kp * error + Ki * integral + Kd * delta_error # 更新 PID 变量 last_error = error # 控制小车运动 if output > 0: GPIO.output(motor1_pin1, GPIO.HIGH) GPIO.output(motor1_pin2, GPIO.LOW) GPIO.output(motor2_pin1, GPIO.HIGH) GPIO.output(motor2_pin2, GPIO.LOW) else: GPIO.output(motor1_pin1, GPIO.LOW) GPIO.output(motor1_pin2, GPIO.HIGH) GPIO.output(motor2_pin1, GPIO.LOW) GPIO.output(motor2_pin2, GPIO.HIGH) # 延时一段时间 time.sleep(0.1) # 循环执行循迹 PID 控制函数 while True: track_pid() ``` 在这个示例代码中，我们使用 GPIO 库来控制树莓派的引脚，使用 numpy 库来进行数学计算。我们定义了三个循迹传感器，分别对应左、中、右三个位置。在每次循迹 PID 控制函数中，我们读取传感器信号，并根据 PID 算法计算输出信号，以控制小车的运动。最后，我们使用一个无限循环来不断执行循迹 PID 控制函数。 你可以根据自己的需要调整 PID 参数，以获得更好的控制效果。同时，你还可以添加其他功能，如超声波避障、图像识别等，以进一步提高小车的智能化水平。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

心本忧

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值