效果展示：
最新的巡线代码已经编写完毕，并且拥有stm32端的代码。你可以通过给我的Github项目点赞来免费的向我获取代码。联系我的时候请附带备注以及点赞的截图，谢谢啦
通过使用不同阈值的方法可以得到当前区域中什么区域有红线，对于电控而言作用类似于红外对管，之后电控通过逻辑判断如何运动，这就是我们队伍目前的思想。最后会不会用上还不确定。
同时，如果你的题目是白底黑线，那么建议使用二值化的方法。
这种方法对于只有黑白两色的识别精度会更高。
当然你也可以直接修改成黑色阈值，这个需要自己去调整
如果对代码有不了解，可以点击上方的gitee连接来向我询问
代码大致思路为选出五个roi区域，然后进行二值化或者阈值设定，将某种颜色的设定为1，另外的颜色设置为0，那么当openmv识别到的是特定的颜色的时候，就会返回1，这就类似于红外对管，红外对管遇到黑线和白线也会返回不同的值，这就是本套代码的思路。
之后通过位移运算以及串口便可以发送对应的框中此时的数值了，从而起到红外对管的作用。
如果对你有帮助就点个赞吧
import pyb, sensor, image, math, time from pyb import UART import ustruct from image import SEARCH_EX, SEARCH_DS #传感器配置 sensor.set_contrast(1) sensor.set_gainceiling(16) #可以通过设置窗口来减少搜索的图像 #sensor.set_windowing(((640-80)//2, (480-60)//2, 80, 60)) #加载模板 #模板应该是一个小的灰度图像，如32×32. clock = time.clock() #-----------------------以下是巡线部分----------------------------- # qq460219753 uart = UART(3,115200,bits=8, parity=None, stop=1, timeout_char = 1000) #led = pyb.LED(3) roi1 = [(0, 40, 20, 40), # 左 x y w h (35, 40, 20, 40), # 中 (70,40,10,10), (105,40,20,40), (140,40,20,40)] # 右 #160 120 sensor.reset() # 初始化摄像头 sensor.set_pixformat(sensor.RGB565) # 格式为 RGB565. sensor.set_framesize(sensor.QQVGA)#160x120 sensor.skip_frames(time=2000) # 跳过10帧，使新设置生效 sensor.set_auto_whitebal(True) # turn this off. sensor.set_auto_gain(False) # must be turned off for color tracking sensor.set_vflip(False)# 垂直方向翻转 sensor.set_hmirror(False)# 水平方向翻转 clock = time.clock() #low_threshold = (0, 100) # 105--115 #GRAYSCALE_THRESHOLD = [(20,100)] #思路 现在需要除红线外全是黑色，红线为白 GROUND_THRESHOLD=(59, 25, 127, 19, -128, 89) def sending_data(data): global uart; data = ustruct.pack("<bbb", #格式为俩个字符俩个短整型(2字节) 0xA5, #帧头1 0xA6, 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 #print("head",data[0],"status",data[1],"tail",data[2]) print(data[2]) getp=0 #GRAYSCALE_THRESHOLD =(59, 25, 127, 19, -128, 89) GROUND_THRESHOLD1=(78, 24, 127, 18, -28, 59) #GRAYSCALE_THRESHOLD =(100, 33, 114, 22, 11, 127)#(100, 33, 127, 28, -4, 127)#(100, 30, 127, 17, -37, 127) while(True): data=0 blob1=None blob2=None blob3=None blob4=None blob5=None flag = [0,0,0,0,0] img = sensor.snapshot().lens_corr(strength = 1.7 , zoom = 1.0)#畸变矫正 #img.binary([low_threshold],invert = 1)#设置最低阈值 反转 #img = sensor.snapshot().binary([GROUND_THRESHOLD]) blob1 = img.find_blobs([GROUND_THRESHOLD1], roi=roi1[0]) #left blob2 = img.find_blobs([GROUND_THRESHOLD1], roi=roi1[1]) #middle blob3 = img.find_blobs([GROUND_THRESHOLD], 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 #左边检测到红线 if blob2: flag[1] = 1 #中间检测到红线 if blob3: flag[2] = 1 #右边检测到红线 if blob4: flag[3] = 1 #中间检测到红线 if blob5: flag[4] = 1 #右边检测到红线 print(flag[0],flag[1],flag[2],flag[3],flag[4]) for i in (0,1,2,3,4): # 0 1 2 3 4 data|=(flag[i]<<(4-i)) sending_data(data) for rec in roi1: img.draw_rectangle(rec, color=(255,0,0))#绘制出roi区域
