树莓派运用CV摄像头、视觉巡线.zip

不多解释了，收集，训练，算法。全套最新程序，自动巡线。 该源码主要应用导航，不需要激光雷达传感器，只需要一个中央摄像头、PC作为图像处理外设。在树莓派应用opencv就可以对小车进行定位，并且进行路径规划，到达指定的目的地。

__author__ = ‘Avi‘

import numpy as np
import cv2
from robotpi_movement import Movement
from rev_cam import rev_cam

import time
import os


class CollectTrainingData（object）:
    “““
    input:
        commands and video
    output:
        带有标签的灰度图像集，标签（0 1 2 3）分别代表（前进， 左转，右转，停止）
        每种标签数量上限1000张，像素为H*W = 80×180
    “““
    def __init__（self）:

        self.raw_height = 480  # 原始视频高度
        self.raw_width = 640  # 原始视频宽度
        self.video_width = 480  # 截取图像宽度
        self.video_height = 180  # 截取图像高度
        self.NUM = 4  # 分类数量：0 1 2 3
        self.range = 20 # 每个分类的图片数
        self.data_path = “dataset“
        self.saved_file_name = ‘labeled_img_data_‘ + str（int（time.time（）））

        self.mv = Movement（）


        # create labels
        self.k = np.zeros（（self.NUM self.NUM） ‘float‘）
        for i in range（self.NUM）:
            self.k[i i] = 1

        self.collect_image（）

    def collect_image（self）:

        # 初始化数数
        total_images_collected = 0
        num_list = [0 0 0 0]
        cap = cv2.VideoCapture（0）
        images = np.zeros（（1 self.video_height * self.video_width） dtype=float）
        labels = np.zeros（（1 self.NUM） dtype=float）

        # Send an action to begin program.
        # command.action（）
        self.mv.wave_hands（）

        while cap.isOpened（）:
            _ frame = cap.read（）
            frame = rev_cam（frame）
            resized_height = int（self.video_width * 0.75）
            # 计算缩放比例
            frame = cv2.resize（frame （self.video_width resized_height））
            frame = cv2.cvtColor（frame cv2.COLOR_BGR2GRAY）
            # slice the lower part of a frame
            res = frame[resized_height - self.video_height: :]
            cv2.imshow（“review“ res）

            command = cv2.waitKey（1） & 0xFF
            if command == ord（‘q‘）:
                break
            # forward -- 0
            elif command == ord（‘w‘）:
                if num_list[0] < self.range:
                    num_list[0] += 1
                    total_images_collected += 1
                    self.mv.move_forward（times=300）
                    res = np.reshape（res [1 -1]）
                    images=np.vstack（（images res））
                    labels = np.vstack（（labels self.k[0]））
                else:
                    # Wave both hands here.
                    self.mv.rise_hands（）
                    self.mv.move_forward（times=300）
                    continue

            # forward-left -- 1
            elif command == ord（‘a‘）:
                if num_list[1] < self.range:
                    num_list[1] += 1
                    total_images_collected += 1
                    self.mv.left_ward（）
                    res = np.reshape（res [1 -1]）
                    images=np.vstack（（images res））
                    labels = np.vstack（（labels self.k[1]））
                else:
                    # Wave left hand here.
                    self.mv.left_hand（）
                    self.mv.left_wa

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        6252  2019-03-07 21:21  04.01.Train_model_tensorflow.py
     文件        2464  2019-02-27 09:51  04.03.AutoDrive_tensorflow.py
     文件        5722  2019-04-10 10:33  04.00.Collect_offline.py