实现简单轨迹追踪的技巧

在机器人巡道等轨迹追踪应用中，要求轨迹拟合的速度要快，可以采用小分辨率尺寸的QQVGA格式和灰度像素格式，减少数据空间，提高运算速度。摄像头参数设置及控制过程参见项目2中的相关内容和编程方法，分辨率及像素格式的设置如下：

然后，利用get_regression方法设计快速线性回归例程，模拟巡线功能，参考代码如下：

#快速线性回归（巡线）例程展示了利用OpenAIE摄像头使用get_regression（）方法在roi区域内进行线性回归。这种方法可以应用于机器人的巡线过程。

#跟踪所有指向相同的总方向但实际上没有连接的线。

# find_blobs（），以便更好地过滤选项和控制。

# get_regression（）可以实现快速线性回归，它使用最小二乘法来拟合线。

#设置阈值（0，100），检测黑色线

THRESHOLD=(0,100)

#设置是否使用img.binary（）函数进行图像分割

BINARY_VISIBLE=True #先做二进制分割，以便实施线性回归

#类似于find_lines（）和find_line_segments（）方法搜索出线段对象，get_regression（）

#函数返回回归后的线段对象line，包括有x1（），y1（），x2（），y2（），length（），theta（），rho（），#magnitude（）等参数。其中，theta（）表示旋转度，是线段的角度。(https://www.xing528.com)

# x1、y1、x2、y2分别代表线段的两个顶点坐标，length是线段长度。

#magnitude表示线性回归的效果，它是（0，+∞）范围内的一个数字，其中0代表一个圆。

#如果场景线性回归得越好，这个值越大。

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

if(line):img.draw_line(line.line(),color=127)

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

以上例程运行后，检测一条S形曲线，拟合出的直线如图7.4所示。

图7.4　线性拟合情况