阅读量:0
目录
个人感慨与感悟
本人是一名大二的二本学生，本篇文章记录一下我这一年多的学习历程（主要还是针对标题的内 容）。下面是我的一些经历和感悟，不感兴趣的可以直接跳过-——————————
高考完之后，在我收到录取通知书之后，父母让我提前学点大学的东西，比如高数英语之类的。后来，我就在b站上面逛逛，然后了解到了python这门语言。后来........被卖课的骗了，上了及几十节基础语法（上网上搜，随便一搜一大堆），花了三千多（服了，当时我还傻乎乎的分期付款）；正如我前几篇文章。
开学之后，在新生群里，看到有机器人之类的社团招生。想着给自己的大学生活找点事情做做，进入社团之后，我被那些智能车给深深的迷住了。从此开启造车之路。
大一上没学啥。就学了Arduino的一些基础知识，如digitalRead(),analogWrite()函数之类的，后来在期末的时候勉强做出了一个小车。仅仅能控制正转反转哈哈哈。当时一直不理解寻迹小车是生么个逻辑，为什么检测到黑线能直走，为什么检测到十字路口就能转弯；（实际上，就是循迹传感器检测到黑线返回高电平（也有的是低电平），单片机检测到为高电平（低电平），我就控制电机，从而它才能走。而不是检测到高电平它自己就动，而是我写了代码让他动而已）
大一下学的还行，还是学arduino。现在看来进度挺慢的。就学了一些模块，如超声波，机械臂，esp8266，激光传感器，播放器之类的。因为口罩原因，所有吉林省电赛推迟举办了，然后我就碰巧让我遇上了，那年省赛是自主命题，也是小车循迹，不过那时候我还没有完全搞清楚循迹的逻辑，很菜，然后连循迹都没循好,(扇形那块卡住了)，后来和学长合作，给学长了做了个人机互界面
升大二时候的暑假，打了电赛，也取得了一点成绩（大佬轻喷，手下留情），我做的是E题，激光追踪，主控还是用的Mega2560，搭配云台，K210。
2023电赛
大二上，也就是这个学期。提前一个月准备 吉林省人工智能创新大赛。打了四次板子，车身外壳用3d打印机打的，最后比赛前一天晚上摄像头被我搞坏了，哎。好了，正式开始正题吧
K210视觉循迹
K210基于MicroPython 语言，而“MicroPython 是 Python 3 编程语言的精简高效实现。说人话就是K210用python编程。
我是利用K210检测物体的方法来写的循迹，这个方法的话肯定是没有利用二值化那些方法寻线好，因为我选择的赛道是全地形赛道，需要识别不同颜色的障碍物，所以只能靠检测物体来做。
先附上源码（参考CSDN一些大佬文章写的，不是纯手搓哈哈哈，刚接触K210，还没那个实力
/(ㄒoㄒ)/~~）
# Untitled - By: ZWHSONDER - 周四 10月 26 2023 # 导入模块 import sensor, time, image ,lcd from machine import UART from fpioa_manager import fm # 配置串口引脚 fm.register(18, fm.fpioa.UART1_TX, force=True) uart_A = UART(UART.UART1, 115200, 8, 0, 1, timeout=1000, read_buf_len=4096) # 感光元件设置 sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) sensor.set_auto_exposure(1) sensor.set_auto_gain(False) sensor.set_auto_whitebal(False) sensor.set_vflip(1) sensor.set_hmirror(False) sensor.skip_frames(time = 2000) # 显示屏初始化 lcd.init(freq=15000000) # 创建时钟对象 clock = time.clock() # 寻找色块 # 定义类 class color_property(): cx = 0 cy = 0 flag = 0 color = 0 pixels_max = 0 color_threshold = (0, 0, 0, 0, 0, 0) color_roi = (0,0,320,240) color_x_stride = 1 color_y_stride = 1 color_pixels_threshold = 100 color_area_threshold = 100 color_merge = True color_margin = 1 # 定义黑色色块 black = color_property() black.color_threshold = (0, 20, -9, 4, -5, 6) black.color_roi = (0,120,320,240) black.color_x_stride = 1 black.color_y_stride = 1 black.color_pixels_threshold = 4000 black.color_area_threshold = 4000 black.color_merge = True black.color_margin = 1 #串口发送数据 def sending_data(x,y): FH = bytearray([0x2C,0x12,x,y,0x5B]) uart_A.write(FH); # 定义寻找色块函数 def opv_find_blobs(color,led_flag): color.pixels_max = 0 color.flag = 0 color.led_flag = 0 for blobs in img.find_blobs([color.color_threshold], roi = color.color_roi, x_stride = color.color_x_stride, y_stride = color.color_y_stride, pixels_threshold = color.color_pixels_threshold, area_threshold = color.color_area_threshold, merge = color.color_merge, margin = color.color_margin): img.draw_rectangle(blobs[0:4]) if color.pixels_max < blobs.pixels(): color.pixels_max = blobs.pixels() color.cx = blobs.cx() color.cy = blobs.cy() color.w = blobs.w() color.h = blobs.h() color.flag = 1 color.density = blobs.density() def zi_tai_jiao_zheng(): #只用于循普通黑线中的姿态矫正 opv_find_blobs(black,1) if black.flag == 1: # 标记画面中被找到的最大色块的中心坐标 if black.w<90: if black.cx>180: if black.cy>160: if black.cy<240: if black.cx<215: sending_data(1,1) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx<240: sending_data(1,2) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx<260: sending_data(1,3) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx<290: sending_data(1,4) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx<320: sending_data(1,5) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx<345: sending_data(1,6) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx<180: if black.cy>160: if black.cy<240: if black.cx>130: sending_data(2,1) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx>110: sending_data(2,2) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx>90: sending_data(2,3) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx>70: sending_data(2,4) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx>40: sending_data(2,5) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx>15: sending_data(2,6) print("x=%d,y=%d"%(black.cx,black.cy)) def shi_zi(): opv_find_blobs(black,1) if black.flag == 1: if black.w >300: if black.h >60:#80 if black.cx>140: if black.cx<220: if black.cy>160: if black.cy<200: sending_data(4,1) time.sleep(1) print("222222222w=%d,h=%d"%(black.w,black.h)) # 主函数 while(True): clock.tick() img = sensor.snapshot() opv_find_blobs(black,1) opv_find_blobs(red,3) zi_tai_jiao_zheng() shi_zi() lcd.display(img) 我用的固件是maixpy v0.6.2 84 g8fcd84a58.bin（固件不同，库也不同）
大概思路：首先，定义一个类函数（这样方便定义不同颜色）。定义黑色的色块。识别到黑色色块画矩形。然后对黑色色块加些限制条件，根据不同条件（这样我们就会知道小车处于什么状态），向C8T6发送不同的数据，从而32执行不同的代码，决定小车往哪走。
导入各类模块
# 导入模块 import sensor, time, image,lcd from machine import UART from fpioa_manager import fm ①import sensor,time,image,lcd
# 导入感光元件模块 sensor 跟踪运行时间模块 time 机器视觉模块 image
导入这些模块，才能使用里面的函数
②from machine import UART
#导入串口库函数（为了K210和stm32之间串口通信）
③from fpioa_manager import fm
#GPIO重定向函数（导入这个函数，我们就可以定义引脚了（K210得映射引脚，不然就用不了，就是把芯片上的引脚映射到具体K210板子上外拓的引脚上））
配置引脚
# 配置串口引脚 fm.register(18, fm.fpioa.UART1_TX, force=True) uart_A = UART(UART.UART1, 115200, 8, 0, 1, timeout=1000, read_buf_len=4096) ①fm.register(18, fm.fpioa.UART1_TX, force=True)
#映射串口引脚，我这里是将芯片上串口一的发送引脚映射到k210板子上的18号位引脚
fm.register(pin,function,force=False)
pin:芯片外部IO口，也就是K210板子上面外拓的引脚
function:芯片功能，例如这儿的 UART1_TX,它的功能就是发送数据
force=True:强制注册，清除之前的注册记录
②uart_A = UART(UART.UART1, 115200, 8, 0, 1, timeout=1000, read_buf_len=4096)
#设置串口引脚一系列参数；machine.UART(uart,baudrate,bits,parity,stop,timeout, read_buf_len)
uart:串口编号
baudrate:波特率
bits:数据位，默认8
parity:校验，默认None,0为偶校验，1为奇校验
stop:停止位，默认1
timeout:串口接收超时时间
read_buf_len:串口接收缓冲大小
感光元件设置
#感光元件设置 sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) sensor.set_auto_exposure(1) sensor.set_auto_gain(False) sensor.set_auto_whitebal(False) sensor.set_vflip(1) sensor.set_hmirror(False) sensor.skip_frames(time = 2000) ①sensor.reset()
# 重置并初始化感光元件 默认设置为 摄像头频率 24M 不开启双缓冲模式（用人话说就是“初始化摄像头”）
②sensor.set_pixformat(sensor.RGB565)
#sensor.set_pixformat(pixformat)；设置像素格式；pixformat有2个参数：
sensor.GRAYSCAL：灰度图像，每像素 8 位（1 字节）(处理速度快)
sensor.RGB565: 彩色图像，每像素为16位（2字节），5位用于红色，6位用于 绿色，5位用于蓝色(但是处理速度比灰度图像要慢)
③sensor.set_framesize(sensor.QVGA)
sensor.set_framesize(framesize),设置每帧大小，其实就是图像尺寸，有以下的参数：
sensor.VGA sensor.QVGA sensor.QQVGA sensor.QQQVGA 从左到右，帧数逐渐变小（尺寸变小），每秒钟拍下的照片变多，从而更精确
④sensor.set_auto_exposure(1)
#设置自动曝光
⑤sensor.set_auto_gain(False)
#关闭自动增益，自动增益：放大电路的增益自动随信号强度调整而自动控制方法，会影响对颜色的判断，所以建议关掉，也就是False
⑥set_auto_whitebal(False)
#关掉自动白平衡；白平衡：是描述显示器中红、绿、蓝三基色混合生成后白色精确度的一项指标，数值越高，色调越暖，数值越低，色调越冷！
⑦sensor.set_vflip(1)
#将画面垂直反转（我的K210有点奇怪，就是它的图像是左右反的(镜像)，所以我得让他图像反转过来）
⑧sensor.set_hmirror(False)
#不水平翻转，如果是True则水平翻转，这主要是针对lcd屏内显示的图像（如果图像是倒着，则用该函数）
⑨sensor.skip_frames(time = 2000)
#sensor.skip_frames([n, time])：n:摄像头配置后跳过的帧数；time：等待时间
如果n和time均没指定，则默认跳过300毫秒的帧。（我这里是跳过2000毫秒的帧数）
显示屏和时钟
lcd.init(15000000) clock = time.clock() ①lcd.init(freq=15000000)
# 初始化lcd屏，lcd.init(type=1,freq=15000000,color=lcd.BLACK)
type:lcd类型
freq：通信频率
color：LCD初始化的颜色
而我这里传了一个参数叫freq(即-频率)，是指驱动lcd的时钟频率，这里是15MHZ，其它参数默认
②clock = time.clock()
#创建一个时钟；用于计算 FPS（每秒帧数）
定义类（寻找色块）
class color_property(): cx = 0 cy = 0 flag = 0 color = 0 pixels_max = 0 color_threshold = (0, 0, 0, 0, 0, 0) color_roi = (0,0,320,240) color_x_stride = 1 color_y_stride = 1 color_pixels_threshold = 100 color_area_threshold = 100 color_merge = True color_margin = 1 ①cx,cy:分别代表色块正中心的x轴值和y轴值
②flag:色块标志位，1代表找到色块，0代表没找到色块
③color:色块颜色标志位,下面在实例化类的时候，你可以设定值(比如：实例化黑色块，你设它为666，那么则666代表黑色)
④pixels_max:色块像素最大值(搞这个便于我们筛选掉那些误判的小像素，减少影响)
⑤color_threshold:色块颜色阈值，识别是哪种颜色就是靠的这个（阈值怎么调，网上一搜一大堆，这里就不赘述了哈）
⑥color_roi:色块寻找区域(感兴趣区域);
(x轴起始值,y轴起始值,x轴结束值,y轴结束值)选择感兴趣的区域，这四个值根据你想要检测的区域来设定，一旦设定了，它就只能检测你设定的区域里的色块，就算其他区域有咱想要的色块，他也不会检测到！！！
⑦color_x_stride,color_y_stride:色块的x轴y轴像素最小宽度(同样可以减小误差),假如我们想要的色块很大，那太小的肯定不符合，但我们又不想让它检测到，那就可以设置最小宽度，值小于这个宽度的就不检测。
⑧color_pixels_threshold,color_area_threshold:色块像素个数阈值;色块被框面积阈值 (这两用法和⑦简直一毛一样的作用，那既然一样，为什么还要写这个，因为有特殊情况，所以我们写⑧纯粹是多给它个限制条件而已，保险，防止误判！！！)
⑨color_merge,color_margin:
1.是否合并寻找到的色块 ,True 则合并 False 则不合并;
2.色块合并间距 例如调节此参数为1 若上面选择True合并色块 且被找到的色块有多个相距1像素 则会将这些色块合并;
实例化类
这里我就写一个黑色块，其他色块可以自行添加
# 实例化类 # 黑色 black = color_property() black.color_threshold = (0, 20, -9, 4, -5, 6) black.color_roi = (0,120,320,240) black.color_x_stride = 1 black.color_y_stride = 1 black.color_pixels_threshold = 4000 black.color_area_threshold = 4000 black.color_merge = True black.color_margin = 1 这些参数定义类上面都说过，所以这里就没必要再次阐述，我就说一下color_roi参数的设置
为什么我这里设置（0，120，320，240），而不是（0，0，320，240）。因为如果是从y轴0开始的话，识别范围大，而我这里设置从y轴120开始，则就意味着，在y轴我只检测从120-240内的颜色，它识别范围变小，所以误差也就变小，容错率变高。你也可以设置成其他数，看需求。
串口发送数据
我这里我就大概解释一下，不仔细说了
这一步很重要，是用于K210和STM32之间通信。两者通信的根本是在于发送“字符”或者“数字”；
#串口发送数据 def sending_data(x,y): FH = bytearray([0x2C,0x12,x,y,0x5B]) uart_A.write(FH);UART.write(buf):串口发送数据函数，buf:需要发送的数据
那么这里为什么我要在这个数组里加上“0x2C,0x12,0x5B”呢？
答：串口有 起始位，数据位，校验位，停止位。0x2C,0x12为起始位。
①为什么要有起始位？
起始位是相当于告诉单片机，我从这里“开始”。所以，如果STM32串口检测到0x2C,则意味这串口接收到数据了。 ps:那么为什么不直接接收“数据位”呢？因为会有时候接收不到数据，比如说我发“123456”，而我只收到“23456”，那么请问这个数据还有用吗，答案是肯定没有用的！而有了“开始位”则不一样，比如说我接收，好，如果开头接收到的第一个数据不是0x2C,则我们就不要了呗，直到再次检测到0x2C !两个起始位保险一点，道理一样的！
②什么是数据位呢？
“数据位”就是你要发送的数据，例如单个字符，还是数字。就是我上面所说的“两者通信的根本是在于发送“字符”或者“数字”。
③什么停止位？
一般停止位为1，是告诉单片机，我们检测到1，数据接收完了（一整个数组），那么0x5B又是什么呢？他既是检测数据接收的完整性的一个东西，又是告诉单片机我接收完成，但是得等到检测停止位为1，才能停止接收，直下一次检测再检测到开始位。
定义寻找色块的函数
之前那是定义色块，这里是寻找色块！两者的区别就是字面上的意思，定义色块 or 寻找色块
def opv_find_blobs(color,led_flag): color.pixels_max = 0 color.flag = 0 color.led_flag = 0 for blobs in img.find_blobs([color.color_threshold], roi = color.color_roi, x_stride = color.color_x_stride, y_stride = color.color_y_stride, pixels_threshold = color.color_pixels_threshold, area_threshold = color.color_area_threshold, merge = color.color_merge, margin = color.color_margin): img.draw_rectangle(blobs[0:4]) if color.pixels_max < blobs.pixels(): color.pixels_max = blobs.pixels() color.cx = blobs.cx() color.cy = blobs.cy() color.w = blobs.w() color.h = blobs.h() color.flag = 1 color.density = blobs.density() （写到这里，已是凌晨3:28 ; 累，但是生命的意义在于不停的创作!）
①：
color.pixels_max = 0 : 重置色块最大像素数量
color.flag = 0 : 重置色块标志位
color.led_flag = 0 : 重置LED标志位
每一次都重置，可以避免误判，之前检测到的色块影响；
②：
for blobs in img.find_blobs([color.color_threshold],
roi = color.color_roi,
x_stride = color.color_x_stride,
y_stride = color.color_y_stride,
pixels_threshold = color.color_pixels_threshold,
area_threshold = color.color_area_threshold,
merge = color.color_merge,
margin = color.color_margin):
这个是一个函数，寻找色块函数(原始函数)：
img.find_blobs([thresholds], roi=my_roi, x_stride=0, y_stride=0, invert=False, area_threshold=0,pixels_threshold=0,merge=False)| 参数 | 用法 |
| [thresholds] | 必须是元组列表，定义你想追踪的颜色范围。 |
| roi | 色块寻找区域（感兴趣区域） |
| x_stride | 色块x轴像素最小宽度 |
| y_stride | 色块y轴像素最小宽度 |
| pixels_threshold | 色块像素个数阈值 |
| area_threshold | 色块被框面积阈值 |
| merge | color.color_merge实际上就是我们在定义类的时候的True |
| margin | 色块合并间距 |
③
③ img.draw_rectangle(blobs[0:4])
| 标记色块 | 参数 |
| img.draw_rectangle(x, y, w, h[, color[, thickness=1[, fill=False]]]) 画矩形 | (x,y):起始坐标；w:宽度;h:长度；color:颜色;thickness:边框粗细;fill:是否填充。 |
| img.draw_circl(x, y, radius[, color[, thickness=1[, fill=False]]]) 画圆 | （x,y）:圆心； radius:半径； color：颜色；thickness:线条粗细； fill：是否填充。 |
| img.draw_arrow(x0, y0, x1, y1[, color[, size,[thickness=1]]]) 画箭头 | （x0,y0）:起始坐标；（x1,y1）:终点坐标；color:颜色；size:箭头位置 大小。thickness：线粗细。 |
| img.draw_cross(x, y[, color[, size=5[, thickness=1]]]) 画十字交叉 | （x,y）: 交叉坐标；color:颜色；size:尺寸；thickness：线粗 细。 |
④if color.pixels_max < blobs.pixels():
这个就是判断，判断是否找到面积最大的色块
⑤
其实就是一系列赋值而已
color.pixels_max = blobs.pixels() # 将面积最大的色块的像素值赋值给color
color.cx = blobs.cx() # 将面积最大的色块的 x轴 中心坐标值 赋值给 color
color.cy = blobs.cy()
color.w = blobs.w() #将面积最大的色块的宽度赋值给color
color.h = blobs.h()
color.flag = 1 # 标志画面中有找到色块
color.density = blobs.density() # 将面积最大的色块的 色块密度比 赋值给 color
姿态矫正
其实就是在走普通直线过程中可能会走歪，然后纠正一下而已啦
ps:我这里纠正靠的是，K210识别到歪了之后，然后串口发送数据给C8T6，然后C8T6收到对应的数据，从而控制车子向左向右偏！（由此可见串口通信的重要性）
def zi_tai_jiao_zheng(): #只用于循普通黑线中的姿态矫正 opv_find_blobs(black,1) if black.flag == 1: # 标记画面中被找到的最大色块的中心坐标 if black.w<90: if black.cx>180: if black.cy>160: if black.cy<240: if black.cx<215: sending_data(1,1) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx<240: sending_data(1,2) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx<260: sending_data(1,3) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx<290: sending_data(1,4) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx<320: sending_data(1,5) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx<345: sending_data(1,6) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx<180: if black.cy>160: if black.cy<240: if black.cx>130: sending_data(2,1) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx>110: sending_data(2,2) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx>90: sending_data(2,3) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx>70: sending_data(2,4) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx>40: sending_data(2,5) print("x=%d,y=%d"%(black.cx,black.cy)) elif black.cx>15: sending_data(2,6) print("x=%d,y=%d"%(black.cx,black.cy)) 原谅本人才疏学浅，只想出通过判断中心坐标和色块宽度和高度来确定车子所处的方向，还有许许多多的办法，欢迎各位大佬指教
①opv_find_blobs(black,1)先调用色块寻找函数，并定义参数（为黑色）
② if black.flag == 1 判断是否为最大色块，实际上这样做的目的就是检测最大色块
③然后就是层层判断，先判断宽度再判断中心坐标，因为K210摄像头是有x轴，y轴。所以我们通过色块的中心坐标与摄像头中心坐标对比，来确定车身处于哪个方向
其他：例如十字路口，左直角，右直角。同理！！！
主函数
必须有主函数
# 主函数 while(True): clock.tick() # 跟踪运行时间 img = sensor.snapshot() # 拍摄一张照片 opv_find_blobs(black,1) zi_tai_jiao_zheng() shi_zi() zuo_zhi_jiao() you_zhi_jiao() mei_you_hei_xian() lcd.display(img) 这个就是把我上面写的这些函数放里面就行了，不停循环检测；
这就是K210部分的全部内容，欢迎各位大佬指正！人非圣贤，孰能无过！
后期有空再更新STM32部分的知识，谢谢大家的阅读
