Skip to main content

快速线性回归（巡线）

前言​

快速线性回归的用途非常广泛，如比赛经常用到的小车、机器人巡线，可以通过线性回归的方式判断虚线和实线的轨迹。从而做出判断和响应。本节我们就来学习一下CanMV K230线性回归的编程方法。

实验目的​

通过编程实现CanMV K230对图像中的实线（或虚线）进行检测识别，并画图指示。

实验讲解​

CanMV集成了快速线性回归get_regression函数，位于image模块下，因此我们直接将拍摄到的图片进行处理即可，那么我们像以往一样像看一下函数相关说明，具体如下：

find_circles对象​

构造函数​

image.get_regression(thresholds[, invert=False[, roi[, x_stride=2[, y_stride=1[, 
                    area_threshold=10[, pixels_threshold=10[, robust=False]]]]]]])

线性回归计算。对图像所有阈值像素进行线性回归计算，通过最小二乘法进行，通常速度较快，但不能处理任何异常值；

参数说明：

  • threshold: 必须是元组列表。 (lo, hi) 定义你想追踪的颜色范围。对于灰度图像，每个元组需要包含两个值：最小灰度值和最大灰度值。

使用方法​

直接调用该函数。 更多用法请阅读官方文档。

为了提高处理效果，我们可以先将图像变成二值（黑白）图像。方法如下：

image.binary(thresholds[, invert=False[, zero=False[, mask=None[, to_bitmap=False[, copy=False]]]]])

线性回归计算。对图像所有阈值像素进行线性回归计算，通过最小二乘法进行，通常速度较快，但不能处理任何异常值；

  • threshold: 必须是元组列表。 (lo, hi) 定义你想追踪的颜色范围。对于灰度图像，每个元组需要包含两个值：最小灰度值和最大灰度值。

例：thresholds=(0,100) ，则该函数表示将(0,100)灰度值范围变成白色。


编程思路如下：

参考代码​

'''
实验名称：快速线性回归（巡线）
实验平台：01Studio CanMV K230
教程：wiki.01studio.cc
'''

import time, os, sys

from media.sensor import * #导入sensor模块，使用摄像头相关接口
from media.display import * #导入display模块，使用display相关接口
from media.media import * #导入media模块，使用meida相关接口


THRESHOLD = (0, 100)  # 黑白图像的灰度阈值
BINARY_VISIBLE = True # 使用二值化图像你可以看到什么是线性回归。
                        # 这可能降低 FPS（每秒帧数）.

try:

    sensor = Sensor(width=1280, height=960) #构建摄像头对象
    sensor.reset() #复位和初始化摄像头
    sensor.set_framesize(width=640, height=480) #设置帧大小，默认通道0
    sensor.set_pixformat(Sensor.GRAYSCALE) #设置输出图像格式，默认通道0

    Display.init(Display.ST7701, to_ide=True) #同时使用3.5寸mipi屏和IDE缓冲区显示图像，800x480分辨率
    #Display.init(Display.VIRT, sensor.width(), sensor.height()) #只使用IDE缓冲区显示图像

    MediaManager.init() #初始化media资源管理器

    sensor.run() #启动sensor

    clock = time.clock()

    while True:

        os.exitpoint() #检测IDE中断

        ################
        ## 这里编写代码 ##
        ################
        clock.tick()

        #image.binary([THRESHOLD])将灰度值在THRESHOLD范围变成了白色
        img = sensor.snapshot().binary([THRESHOLD]) if BINARY_VISIBLE else sensor.snapshot()

        # 返回一个类似 find_lines() 和find_line_segments()的对象.
        # 有以下函数使用方法： x1(), y1(), x2(), y2(), length(),
        # theta() (rotation in degrees), rho(), and magnitude().
        #
        # magnitude() 代表线性回归的指令，其值为(0, INF]。
        # 0表示一个圆，INF数值越大，表示线性拟合的效果越好。

        line = img.get_regression([(255,255) if BINARY_VISIBLE else THRESHOLD])

        if (line):

            img.draw_line(line.line(), color = 127,thickness=4)

            print(line) #打印结果

        #显示图片，仅用于LCD居中方式显示
        Display.show_image(img, x=round((800-sensor.width())/2),y=round((480-sensor.height())/2))


        print("FPS %f, mag = %s" % (clock.fps(), str(line.magnitude()) if (line) else "N/A"))


###################
# IDE中断释放资源代码
###################
except KeyboardInterrupt as e:
    print("user stop: ", e)
except BaseException as e:
    print(f"Exception {e}")
finally:
    # sensor stop run
    if isinstance(sensor, Sensor):
        sensor.stop()
    # deinit display
    Display.deinit()
    os.exitpoint(os.EXITPOINT_ENABLE_SLEEP)
    time.sleep_ms(100)
    # release media buffer
    MediaManager.deinit()

实验结果​

在CanMV IDE中运行代码，检测识别结果如下：

虚线直线测试​

原图：

linear

识别结果：

linear


虚线曲线测试​

原图：

linear

识别结果：

linear


实线直线测试​

原图：

linear

识别结果：

linear

实线曲线测试​

原图：

linear

识别结果：

linear

在串口终端可以看到识别结果：

linear

上面结果包含拟合线段的两个点坐标，长度，以及非常重要的theta角度信息，theta角度表示如下：

linear

从左往右依次为 91°->180°（0°）-> 90° 变化，大家可以结合上图观察实验数据理解，巡线行走的小车本质就是让这个拟合线段保持在0°位置行走。