四旋翼无人机识怎样在openmv看到多条直线的时候仍能正确巡线行驶？

xsco

这几天一直在思考这个问题，使用示例代码中的巡线行驶代码，在openmv视野中出现多条直线后，其就不能正确找到需要行走的直线了。请问有什么好的办法吗？

# 鲁棒线性回归例程
#
# 这个例子展示了如何在OpenMV Cam上使用get_regression（）方法来获得
# ROI的线性回归。 使用这种方法，你可以轻松地建立一个机器人，它可以
# 跟踪所有指向相同的总方向但实际上没有连接的线。 在线路上使用
# find_blobs（），以便更好地过滤选项和控制。
#
#我们在这个脚本中使用get_regression（）的robust = True参数，该脚本使用更稳健的算法计算线性回归...但是可能慢得多。 鲁棒算法在图像上运行O（N ^ 2）时间。 所以，你需要限制像素的数量来使这个算法工作，它可能实际需要秒的时间给你一个结果...非常小心！

THRESHOLD = (0, 64) # Grayscale threshold for dark things...
BINARY_VISIBLE = True # 首先二值化，所以你可以看到什么线性回归正在
                      # 运行...虽然可能会降低FPS。
import sensor, image, time

sensor.reset()
sensor.set_pixformat(sensor.GRAYSCALE)
sensor.set_framesize(sensor.QQQVGA) # 80x60 (4,800 pixels) - O(N^2) max = 2,3040,000.
sensor.skip_frames(time = 2000)     # WARNING: If you use QQVGA it may take seconds
clock = time.clock()                # to process a frame sometimes.

while(True):
    clock.tick()
    img = sensor.snapshot().binary([THRESHOLD]) if BINARY_VISIBLE else sensor.snapshot()

    # 返回类似于由find_lines（）和find_line_segments（）返回的线对象。
    # 你有x1（），y1（），x2（），y2（），length（），
    # theta（）（以度为单位的旋转），rho（）和magnitude（）。
    #
    # magnitude() 表示线性回归的工作情况。这对于鲁棒的线性回归意味着不同
    # 的东西。一般来说，值越大越好...
    line = img.get_regression([(255,255) if BINARY_VISIBLE else THRESHOLD], robust = True)

    if (line): img.draw_line(line.line(), color = 127)
    print("FPS %f, mag = %s" % (clock.fps(), str(line.magnitude()) if (line) else "N/A"))

# About negative rho values:
#
# A [theta+0:-rho] tuple is the same as [theta+180:+rho].

kidswong999

没办法。

xsco

好吧。。谢谢！！！！

5ami

我用的find_lines函数通过对返回值的处理进行判断
如果返回值只有一条线那就是一条线
如果返回值的线有多个对返回的线进行一些处理和过滤就可以判断了

xsco

@5ami 请问一下这个处理和过滤是应该怎样做呢？有代码吗？如果有的话万分感谢