vswk 发布的帖子

我修改了x_pid，但是还是没办法转弯追随，请问有其他解决方法吗？

@kidswong999 试过了呢，这些视频我都看了好几遍了的 识别度非常不灵敏 或者就算是识别到 也没办法跟随 所以才想问有没有更好的解决方法

我保存了三张这个物体的图

然后运行的时候根本识别不到咧

这是代码 拜托帮忙看一下

# Blob Detection Example
#
# This example shows off how to use the find_blobs function to find color
# blobs in the image. This example in particular looks for dark green objects.

import sensor, image, time
import car
from pid import PID
from pyb import Servo

pan_servo=Servo(1)
tilt_servo=Servo(2)

pan_pid = PID(p=0.06, i=0.1, imax=90) #脱机运行或者禁用图像传输，使用这个PID  #识别左右。位于下方的舵机
tilt_pid = PID(p=0.08, i=0.05, imax=90) #脱机运行或者禁用图像传输，使用这个PID
#pan_pid = PID(p=0.1,d=0.01, i=0.02, imax=100)#在线调试使用这个PID
#tilt_pid = PID(p=0.1, d=0.01,i=0.02, imax=75)#在线调试使用这个PID

sensor.reset()# 感光元件设置
# HQVGA and GRAYSCALE are the best for face tracking.
# HQVGA和灰度对于人脸识别效果最好
sensor.set_contrast(3)
sensor.set_gainceiling(16)
sensor.set_framesize(sensor.VGA)
sensor.set_windowing((320, 240))
sensor.set_pixformat(sensor.GRAYSCALE)
sensor.skip_frames(time = 2000)
sensor.set_auto_gain(False, value=100)

#画出特征点
def draw_keypoints(img, kpts):
    if kpts:
        print(kpts)
        img.draw_keypoints(kpts)
        img = sensor.snapshot()
        time.sleep(2000)

#kpts1 = None   #运行程序的时候，最开始识别到的物体的特征，将会被保存到kpts1中
#kpts1保存目标物体的特征，可以从文件导入特征，但是不建议这么做。建议检测的时候实时提取特征
kpts1 = image.load_descriptor("/desc.orb")
kpts3= image.load_descriptor("/desc1.orb")
kpts4= image.load_descriptor("/desc2.orb")

clock = time.clock()

#如果摄像头检测到的小球的色块面积像素
#点数大于2000的话，就说明我们的小车距
#离我们的小球非常近，大于2000就让小车后退一点，
#小于2000就设置openmv去追这个小球
size_threshold = 2000

x_pid = PID(p=0.5, i=1, imax=100)  #控制电机的方向（拐角）
h_pid = PID(p=0.02, i=0.1, imax=50)  #控制小车的速度

def find_max(blobs):  #追踪距离最近的小球
    max_size=0
    for blob in blobs:
        if blob[4]*blob[5] > max_size:   #blob[2]是矩形的宽、blob[3]是矩形的高度
            max_blob=blob
            max_size = blob[4]*blob[5]
    return max_blob

while(True):
    clock.tick() # Track elapsed milliseconds between snapshots().
    img = sensor.snapshot() # 截取一张图片
    if (kpts1 == None):
        kpts1 = img.find_keypoints(max_keypoints=150, threshold=10, scale_factor=1.35)
        draw_keypoints(img, kpts1)
    else:
        kpts2 = img.find_keypoints(max_keypoints=150, threshold=10, normalized=True)  #用来检测视野中是否存在特征，将检测到的特征保留在kpts2中
        if (kpts2):
            match = image.match_descriptor(kpts1, kpts2, threshold=85)
            if (match.count()>10):
                # If we have at least n "good matches"
                # Draw bounding rectangle and cross.
                #在匹配到的目标特征中心画十字和矩形框。
                img.draw_rectangle(match.rect())
                img.draw_cross(match.cx(), match.cy(), size=10)
                print(kpts2, "matched:%d dt:%d"%(match.count(), match.theta()))

                pan_error = match.cx()-img.width()/2
                tilt_error = match.cy()-img.height()/2
                print("pan_error: ", pan_error)

                x_output=x_pid.get_pid(match.cx(),1)
                h_output=h_pid.get_pid(match.cy(),1)   #调用pid的函数，get_pid是pid里面的函数，来得到一个最终的结果，来控制小车运动
                car.run(-h_output+x_output,-h_output+x_output)

                pan_output=pan_pid.get_pid(pan_error,1)
                tilt_output=tilt_pid.get_pid(tilt_error,1)
                pan_servo.angle(pan_servo.angle()+pan_output)
                tilt_servo.angle(tilt_servo.angle()+tilt_output)
            else:
                car.run(18,-18)  #小车在原地以非常慢的速度在旋转

            match2 = image.match_descriptor(kpts3, kpts2, threshold=85)
            if (match2.count()>10):
                # If we have at least n "good matches"
                # Draw bounding rectangle and cross.
                #在匹配到的目标特征中心画十字和矩形框。
                img.draw_rectangle(match2.rect())
                img.draw_cross(match2.cx(), match2.cy(), size=10)
                print(kpts2, "matched:%d dt:%d"%(match2.count(), match2.theta()))

                pan_error = match2.cx()-img.width()/2
                tilt_error = match2.cy()-img.height()/2
                print("pan_error: ", pan_error)

                x_output=x_pid.get_pid(match2.cx(),1)
                h_output=h_pid.get_pid(match2.cy(),1)   #调用pid的函数，get_pid是pid里面的函数，来得到一个最终的结果，来控制小车运动
                car.run(-h_output+x_output,-h_output+x_output)

                pan_output=pan_pid.get_pid(pan_error,1)
                tilt_output=tilt_pid.get_pid(tilt_error,1)
                pan_servo.angle(pan_servo.angle()+pan_output)
                tilt_servo.angle(tilt_servo.angle()+tilt_output)
            else:
                car.run(18,-18)  #小车在原地以非常慢的速度在旋转

            match3 = image.match_descriptor(kpts4, kpts2, threshold=85)
            if (match3.count()>10):
                # If we have at least n "good matches"
                # Draw bounding rectangle and cross.
                #在匹配到的目标特征中心画十字和矩形框。
                img.draw_rectangle(match3.rect())
                img.draw_cross(match3.cx(), match3.cy(), size=10)
                print(kpts2, "matched:%d dt:%d"%(match3.count(), match3.theta()))

                pan_error = match3.cx()-img.width()/2
                tilt_error = match3.cy()-img.height()/2
                print("pan_error: ", pan_error)

                x_output=x_pid.get_pid(match3.cx(),1)
                h_output=h_pid.get_pid(match3.cy(),1)   #调用pid的函数，get_pid是pid里面的函数，来得到一个最终的结果，来控制小车运动
                car.run(-h_output+x_output,-h_output+x_output)

                pan_output=pan_pid.get_pid(pan_error,1)
                tilt_output=tilt_pid.get_pid(tilt_error,1)
                pan_servo.angle(pan_servo.angle()+pan_output)
                tilt_servo.angle(tilt_servo.angle()+tilt_output)
            else:
                car.run(18,-18)  #小车在原地以非常慢的速度在旋转

我想要实现的功能是：小车+云台 追踪特定的物体
我的方法是：利用特征点识别提前将特征点保存好，然后再用特征值检测来匹配这个特定物体
我提前保存了三张图片，但是识别的时候，我移动物体，也就是换了背景，openmv就识别不到物体了，因此也追踪不了
请问有什么办法可以解决吗？

@kidswong999 其实我想实现的功能是物体追踪的，但是我发现小车的路线总是会跑偏，并不能很灵敏地追踪物体，这种情况也是可以通过其他单片机或者控制板解决吗？是要将物体的坐标传给其他单片机来控制？

请问在使用舵机电机等其他东西的时候 就用不了LCD了嘛？

@nvcp 请问如何加上速度闭环呢？求教 拜托拜托！！！

我该怎么修改代码，使得小车在追踪前方的物体时可以走直线呢？

进行人脸识别的时候，经常由于灯光不够亮，识别不到人脸

使用云台追踪小球算法的时候，云台抖动得特别厉害，请问是什么原因呢？有解决方法吗？