最近在看送药车OpenMv巡线的代码，正好看到http://t.csdn.cn/3ad9D博主对这篇文章的代码非常好，直接发布了所有的代码，但关于它main函数函数注释很少，所以很难阅读，所以我想对这个代码做一些注释，这样我就可以有更好的理解，方便每个人阅读。不要说太多，开始发布代码。
class GeometryFeature: def __init__(self, img): self.img = img def trans_line_format(line): ''' 两点坐标确定的直线，转换为 y = ax b 的格式 ''' x1 = line.x1() y1 = line.y1() x2 = line.x2() y2 = line.y2() if x1 == x2: # 避免完全垂直，x坐标相等 x1 = 0.1 # 计算斜率 a a = (y2 - y1) / (x2 - x1) # 计算常数项 b # y = a*x b -> b = y - a*x b = y1 - a * x1 return a,b def calculate_angle(line1, line2): ''' 使用四边形角公式， 计算直线夹角 ''' angle = (180 - abs(line1.theta() - line2.theta())) if angle > 90: angle = 180 - angle return angle def find_verticle_lines(lines, angle_threshold=(70, 90)): ''' 寻找两条垂直线 ''' return GeometryFeature.find_interserct_lines(lines, angle_threshold=angle_threshold) def find_interserct_lines(lines, angle_threshold=(10,90), window_size=None): ''' 根据夹角阈值找到两条相互交叉的直线， 交点需要存在于画面中 ''' line_num = len(lines) for i in range(line_num -1): for j in range(i, line_num): # 判断两条直线之间的夹角是否为直角 angle = GeometryFeature.calculate_angle(lines[i], lines[j]) # 判断角度是否在阈值范围内 if not(angle >= angle_threshold[0] and angle <= angle_threshold[1]): continue # 判断交点是否在图片中 if window_size is not None: # 获取串口的尺寸 宽度跟高度 win_width, win_height = window_size # 获取直线交点 intersect_pt = GeometryFeature.calculate_intersection(lines[i], lines[j]) if intersect_pt is None: # 没有交点 continue x, y = intersect_pt if not(x >= 0 and x < win_width and y >= 0 and y < win_height): # 如果交点不在画面中 continue return (lines[i], lines[j]) return None def calculate_intersection(line1, line2): ''' 计算两条线的交点 ''' a1 = line1.y2() - line1.y1() b1 = line1.x1() - line1.x2() c1 = line1.x2()*line1.y1() - line1.x1()*line1.y2() a2 = line2.y2() - line2.y1() b2 = line2.x1() - line2.x2() c2 = line2.x2() * line2.y1() - line2.x1()*line2.y2() if (a1 * b2 - a2 * b1) != 0 and (a2 * b1 - a1 * b2) != 0: cross_x = int((b1*c2-b2*c1)/(a1*b2-a2*b1)) cross_y = int((c1*a2-c2*a1)/(a1*b2-a2*b1)) return (cross_x, cross_y) return Noneimport sensor import image import time import math import pyb from pyb import Pin, Timer,LED from GeometryFeature import GeometryFeature LED(4).on() is_debug = True DISTORTION_FACTOR = 1.5#畸变矫正因子 IMG_WIDTH = 64#像素点宽度 IMG_HEIGHT = 64#像素点高度 def init_sensor():#初始化感光器 sensor.reset() sensor.set_pixformat(sensor.GRAYSCALE)#设置为灰度图 sensor.set_framesize(sensor.B64X64) #设置像素大小 sensor.skip_frames(time=2000) #最大像素点数 sensor.set_auto_gain(False) 颜色跟踪关闭自动增益 sensor.set_auto_whitebal(False) 关闭自动白平衡 init_sensor() INTERSERCT_ANGLE_THRESHOLD = (45,90) #设置角度阈值 LINE_COLOR_THRESHOLD = [(0, 120)] ##设置巡线的颜色阈值 ROIS = { #ROIS将镜头的画面分成五个区域来寻找色块 'down': (0, 55, 64, 8), 'middle': (0, 28, 64, 8), 'up': (0, 0, 64, 8), 'left': (0, 0, 8, 64), 'right': (56, 0, 8, 64) } def find_blobs_in_rois(img): #在ROIS寻找色块，获取ROI中色块的中心区域和是否有色块信息 global ROIS global is_debug roi_blobs_result = {}#定义dict for roi_direct in ROIS.keys():#遍历dict中的键 roi_blobs_result[roi_direct] = { 'cx': -1, 'cy': -1, 'blob_flag': False } for roi_direct, roi in ROIS.items():#遍历dict每组的键与值 blobs=img.find_blobs(LINE_COLOR_THRESHOLD, roi=roi, merge=True, pixels_area=10) if len(blobs) == 0:#如果找不到 continue largest_blob = max(blobs, key=lambda b: b.pixels())#lambda函数，B色块的像素值 x,y,width,height = largest_blob[:4] if not(width >=5 and width <= 15 and height >= 5 and height <= 15): continue roi_blobs_result[roi_direct]['cx'] = largest_blob.cx() roi_blobs_result[roi_direct]['cy'] = largest_blob.cy() ri_blobs_result[roi_direct]['blob_flag'] = True
if is_debug:#if true
img.draw_rectangle((x,y,width, height), color=(127))
return roi_blobs_result#返回最大色块的cx，cy值
def visualize_result(canvas, cx_mean, cx, cy, is_turn_left, is_turn_right, is_t, is_cross):#此函数作用为将判断的结果用直线或圆或其他圈出来
#可视化结果
if not(is_turn_left or is_turn_right or is_t or is_cross):#当处在直线时
mid_x = int(canvas.width()/2)
mid_y = int(canvas.height()/2)
print("mid_x= %d,cx_mean= %d,mid_x-cx_mean =%dsd ",mid_x,cx_mean,(mid_x-cx_mean)*2)
canvas.draw_circle(int(cx_mean), mid_y, 5, color=(255))
canvas.draw_circle(mid_x, mid_y, 8, color=(0))
canvas.draw_line((mid_x, mid_y, int(cx_mean), mid_y), color=(255))
turn_type = 'N' #判断为直线
if is_t or is_cross:#当在T字或十字路口时
canvas.draw_cross(int(cx), int(cy), size=10, color=(255))
canvas.draw_circle(int(cx), int(cy), 5, color=(255))
if is_t:
turn_type = 'T' #判断为T字路口
elif is_cross:
turn_type = 'C' #判断为十字路口
canvas.draw_string(0, 0, turn_type, color=(0))
last_cx = 0
last_cy = 0
while True:
img = sensor.snapshot() #拍取一张图片
img.lens_corr(DISTORTION_FACTOR) #进行镜头畸形矫正，里面的参数是进行鱼眼矫正的程度
lines = img.find_lines(threshold=1000, theta_margin = 50, rho_margin = 50)
intersect_pt = GeometryFeature.find_interserct_lines(lines, angle_threshold=(45,90), window_size=(IMG_WIDTH, IMG_HEIGHT))#GeometryFeature文件中的找直线交点的函数
if intersect_pt is None:
intersect_x = 0
intersect_y = 0
else:
intersect_x, intersect_y = intersect_pt
reslut = find_blobs_in_rois(img)
is_turn_left = False
is_turn_right = False
#转弯命令仅由单片机发出，openmv作用仅为发送数据，故可注释掉
#if (not reslut['up']['blob_flag'] ) and reslut['down']['blob_flag']:
# if reslut['left']['blob_flag']:
# is_turn_left = True
# if reslut['right']['blob_flag']:
# is_turn_right = True
is_t = False
is_cross = False
cnt = 0
for roi_direct in ['up', 'down', 'left', 'right']:#遍历上下左右
if reslut[roi_direct]['blob_flag']:#当识别到其中一个便可以+1
cnt += 1
is_t = cnt == 3#识别到了T字路口，即识别到三个
is_cross = cnt == 4#识别到了十字路口，即识别到四个
cx_mean = 0
for roi_direct in ['up', 'down', 'middle']:#遍历上中下
if reslut[roi_direct]['blob_flag']:#每识别到一个中心横坐标相加
cx_mean += reslut[roi_direct]['cx']
else:#否则识别色块的一半的长相累加
cx_mean += IMG_WIDTH / 2#像素宽度除以2
cx_mean /= 3 #表示为直线时区域的中心x坐标#累加之和除以三即得平均坐标
cx = 0 #cx,cy表示当测到为T型或者十字型的时候计算的交叉点的坐标
cy = 0
if is_cross or is_t:#当识别到T字或者十字路口
cnt = 0
for roi_direct in ['up', 'down']:
if reslut[roi_direct]['blob_flag']:
cnt += 1#cnt作用为计数，累计识别到了几个，最终cx的累加除以该数便是平均值
cx += reslut[roi_direct]['cx']
if cnt == 0:
cx = last_cx
else:
cx /= cnt
cnt = 0
for roi_direct in ['left', 'right']:
if reslut[roi_direct]['blob_flag']:
cnt += 1
cy += reslut[roi_direct]['cy']
if cnt == 0:#即没有识别到
cy = last_cy#返回为0
else:
cy /= cnt
last_cx = cx
last_cy = cy
if is_debug:
visualize_result(img, cx_mean, cx, cy, is_turn_left, is_turn_right, is_t, is_cross)
1、items()方法将字典里对应的一对键和值以元组的形式（键, 值），存储为所生成序列里的单个元素 2、keys()方法将字典里的每个键以字符串的形式，存储为所生成序列里的单个元素 3、values()方法将字典里的每个值以字符串的形式，存储为所生成序列里的单个元素
其中，lambda是Python预留的，argument_list和expression由用户自定义。
1. 这里的argument_list是参数列表，它的结构与Python中函数(function)的参数列表是一样的。具体来说，argument_list可以有非常多的形式。例如：
- a, b
- a=1, b=2
- *args
- **kwargs
- a, b=1, *args
- 空
2. 这里的expression是一个关于参数的表达式。表达式中出现的参数需要在argument_list中有定义，并且表达式只能是单行的。以下都是合法的表达式：
1 None a + b sum(a) 1 if a >10 else 0 ...... 3. 这里的lambda argument_list: expression表示的是一个函数。这个函数叫做lambda函数。