机器人大作业基于opencv的gogopi循迹小车实现（树莓派4b加官方自带的小车运动包）

需要视频的话后台私信

机器人运行要求：
1、机器人在出发线之后等待操作人员发出的出发指令，机器人利用摄像头识别
到相应的指令后出发，进入自动控制流程；
2、在运行过程中，机器人能沿着预设轨道线自动行驶，轨迹线始终在两轮中间，
轮子不得碾压轨迹线，参考姿态见图 1；
3、机器人实时监测轨迹信息，识别到停止线后，待车身全部越过停止线后自动
停止，结束程序。参考姿态见图 2。
4、机器人利用摄像头识别地面轨道和停止线，全程自动运行，禁止任何形式的
人为干预；

提交机器人小车自动循迹行驶完整录像
2、提交机器人小车自动循迹完整源代码
3、提交一份设计分析文档

#部分功能未能实现，但是在此基础上可以进行改善开发
import HiwonderSDK.Board as Board
import time
import threading
import cv2
import numpy as np

print("start")
#小车运行
def Motor_TurnLeft():#左转
    Board.setMotor(1,50)
    Board.setMotor(2,-80)

def Mortor_TurnRight():#右转
    Board.setMotor(1,60)
    Board.setMotor(2,-50)

def Motor_Forward():
    Board.setMotor(1,75)
    Board.setMotor(2,-75)

def Motor_Stop():
    Board.setMotor(1, 0)
    Board.setMotor(2, 0)
#图像处理
def PathDect(func):
    global Path_Dect_px #巡线中心点坐标值
    global Path_Dect_fre_count #黑色像素点个数和
    while True:
        print('中心点坐标值%d'%Path_Dect_px)#打印巡线中心点坐标值
        print('num%d'%Path_Dect_fre_count)
        if(Path_Dect_fre_count>30):
            Motor_Forward()
            time.sleep(0.7)
            Motor_Stop()
            break
        if  Path_Dect_px<320:#如果巡线中心点偏左，就需要左转来校正
            print("turn left")
            Motor_TurnLeft()
        elif  Path_Dect_px>360:#如果巡线中心点偏右，就需要右转来校正
            print("turn right")
            Mortor_TurnRight()

        else :
            print("go stright")
            Motor_Forward()
        time.sleep(0.007)
        Motor_Stop()
        time.sleep(0.007)
cap=cv2.VideoCapture(0) #摄像头处理
Path_Dect_px_sum=0 #坐标值求和
Path_Dect_px=300
Path_Dect_fre_count =1
threads = []
t1=threading.Thread(target=PathDect,args=(u'监听',))
threads.append(t1)
for t in threads:
        t.setDaemon(True)
        t.start()


while True:
    ret,frame = cap.read() #capture frame_by_frame
    gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) #获取灰度图像
    ret,thresh1=cv2.threshold(gray,70,255,cv2.THRESH_BINARY)#对灰度图像进行二值化
    Path_Dect_fre_count = 1
    Path_Dect_px_sum = 0
    for j in range(0,640,5): #采样像素点，5为步进，一共 128 个点
        if thresh1[240,j] ==0: #对第240行进行判断
            Path_Dect_px_sum =Path_Dect_px_sum+j #黑色像素点坐标值求和
            Path_Dect_fre_count= Path_Dect_fre_count+1 #黑色像素点个数求和
    Path_Dect_px=(Path_Dect_px_sum)/(Path_Dect_fre_count)#黑色像素中心点为坐标和除以个数
    Path_Dect_pxsum =0
    cv2.imshow('BINARY',thresh1)  #树莓派桌面显示二值化图像，比较占资源默认注释掉调试时可以打开
    cv2.waitKey(1)

cap.release()
cv2.destroyAllWindows()#小车停止

望有用