STM32循迹小车系列教程(四)—— 使用OpenMV循迹

2023-12-22 21:30

本文主要是介绍STM32循迹小车系列教程(四)—— 使用OpenMV循迹,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 本章节主要讲解如何使用OpenMV循迹以及OpenMV与STM32串口通信

前言

软件:STM32CubeMx、Keil5 MDK、串口调试助手XCOM、OpenMV_IDE

硬件:OpenMV、STM32F103C8T6核心板、下载器ST_LINK、USB转TTL或J-LINK、小车一辆

OpenMV简介

OpenMV是一个开源,功能强大的机器视觉模块。

它以STM32F427CPU为核心,集成了OV7725摄像头芯片,在小巧的硬件模块上,用C语言高效地实现了核心机器视觉算法,提供Python编程接口。它的机器视觉算法包括 寻找色块、人脸检测、眼球跟踪、边缘检测、标志跟踪等等。

循迹方法

 运行起来的效果如图所示

该方法和一般循迹模块的原理差不多。

使用红框对图像进行分割,这些框作为我们用来巡线的依据,当出现在框内的颜色,符合设置的阙值,就相当于检测到了赛道线。

使用OpenMV循迹的方便之处在于各种颜色的线都可以寻,只需要将对应的阙值修改过了就可以了,并且OpenMV还可以同时完成识别数字或者物体的任务,具体资料可查看星瞳科技官网。

具体实现

接下来我们将展示如何实现OpenMV循迹。

首先,我们先设置我们摄像头拍摄到画面上的框大小和位置

    for rec in roi1:img.draw_rectangle(rec, color=(255,0,0))#绘制出roi区域   就画出框

绘制5个检测区域,对应五路循迹

roi1 =     [(0, 40, 20, 40),        # L1 x y w h        每个对应画的框的位置,最后两个是框的大小(35, 40, 20, 40),       # L2(70,40,10,10),          # M0(105,40,20,40),         # R1(140,40,20,40)]         # R2

设定要识别的颜色阙值,下面是黑线的阙值代码,如果要循其他颜色的线,需要将其修改成对应颜色的阈值即可

GROUND_THRESHOLD=(21, 100, -124, 32, -26, 22)#黑线  设置要寻的线的阈值。在颜色空间中,阈值被用于定义需要跟踪的颜色

主函数部分

检测到线返回1,否则返回0

    blob1=Noneblob2=Noneblob3=Noneblob4=Noneblob5=Noneflag = [0,0,0,0,0]img = sensor.snapshot().lens_corr(strength = 1.7 , zoom = 1.0)#畸变矫正  获取图像帧blob1 = img.find_blobs([GROUND_THRESHOLD1], roi=roi1[0]) #leftblob2 = img.find_blobs([GROUND_THRESHOLD1], roi=roi1[1]) #middleblob3 = img.find_blobs([GROUND_THRESHOLD1], roi=roi1[2])blob4 = img.find_blobs([GROUND_THRESHOLD1], roi=roi1[3])blob5 = img.find_blobs([GROUND_THRESHOLD1], roi=roi1[4])if blob1:flag[0] = 1  #左边检测到黑线if blob2:flag[1] = 1  #中间检测到黑线if blob3:flag[2] = 1  #右边检测到黑线if blob4:flag[3] = 1  #中间检测到黑线if blob5:flag[4] = 1  #右边检测到黑线

串口通信部分

控制小车循迹使用OpenMV往往是不够的,我们一般使用OpenMV对赛道图像进行处理,将处理过后的数据使用串口发送给STM32,使用STM32控制小车行驶。

它的目的是为了将OpenMV观测到的数据告诉STM32,让小车做出相对的反应。

代码如下:

初始化串口3,波特率115200,8 bit,无奇偶校验,1停止位,溢出时间1000ms

uart = UART(3,115200,bits=8, parity=None, stop=1, timeout_char = 1000)   #初始化串口

处理数据,将数组2进制数转换为16进制数打包发送

data=0
for i in (0,1,2,3,4): # 0 1 2 3 4      把从最左边到最右边,检测到的记1,然后转化成16进制data|=(flag[i]<<(4-i))

以一定协议的格式发送

def sending_data(data):  #A5 A6 dataglobal uart;data = ustruct.pack("<bbb",      #格式为俩个字符俩个短整型(2字节)0xA5,                      #帧头10xA6,data)        #数组大小为7,其中2,3,4,5为有效数据,0,1,6为帧头帧尾uart.write(data);   #必须要传入一个字节数组

STM32串口解析

使用中断回调函数对数据进行解析,串口具体配置详见往期教程STM32CubeMx使用教程(三)——串口通信、串口协议

void HAL_UART_RxCpltCallback(UART_HandleTypeDef *huart)
{UNUSED(huart);if(huart->Instance == USART1){rec_dat[rec_pointer++] = rec_buf;if(rec_pointer == 3)//接收完成{rec_pointer = 0;if(rec_dat[0] == 0xA5 && rec_dat[1] == 0xA6)//判断帧头sensor_val = rec_dat[2];elsememset(rec_dat,'\0',sizeof(rec_dat));}HAL_UART_Receive_IT(&huart1,(uint8_t *)&rec_buf,1);}
}

将STM32与OpenMV连接

OpenMV_RX P5接STM32_TX1 PA9
OpenMV_TX P4接STM32_RX1 PA10
OpenMV_GND接STM32_GND

进入Debug可以观察到sensor_val的变化,根据sensor_val的变化驱动左右轮转速沿着赛道线循迹,具体循迹部分可参考往期教程。

需要代码的朋友可以点击以下链接下载,有问题请私信我。 

x(85条消息) 【免费】STM32循迹小车(灰度+OpenMV权重判断)资源-CSDN文库 

这篇关于STM32循迹小车系列教程(四)—— 使用OpenMV循迹的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/525539

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言