OpenCV 实时灰度赛道识别与方向控制 Python 代码

以下是一个使用 OpenCV 实时处理灰度图像的示例代码，用于识别相对较深的灰色赛道，并根据其位置和偏转角判断车辆的行驶方向。

import cv2
import numpy as np

# 设置灰度阈值，用于找到相对较深的灰色赛道
gray_threshold = 100

cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    
    if not ret:
        break
    
    # 转换为灰度图像
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    
    # 通过灰度阈值处理，找到相对较深的灰色赛道
    _, threshold = cv2.threshold(gray, gray_threshold, 255, cv2.THRESH_BINARY)
    
    # 找到灰色赛道的轮廓
    contours, _ = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    if len(contours) > 0:
        # 找到最大的轮廓
        max_contour = max(contours, key=cv2.contourArea)
        
        # 找到灰色赛道的中心位置
        M = cv2.moments(max_contour)
        cx = int(M['m10'] / M['m00'])
        cy = int(M['m01'] / M['m00'])
        
        # 绘制赛道中心线
        cv2.line(frame, (cx, 0), (cx, frame.shape[0]), (0, 0, 255), 2)
        
        # 计算摄像头偏离中心线的偏转角
deviation_angle = np.arctan((cx - frame.shape[1] / 2) / (frame.shape[0] / 2)) * 180 / np.pi
        
        # 根据偏转角判断向左、向右还是直走
        if deviation_angle < -10:
            direction = '向左转'
        elif deviation_angle > 10:
            direction = '向右转'
        else:
            direction = '直走'
        
        # 在图像上显示方向线和偏转角
        cv2.arrowedLine(frame, (cx, cy), (cx, cy + 50), (0, 255, 0), 2)
        cv2.putText(frame, f'偏转角: {deviation_angle:.2f} 度', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
        cv2.putText(frame, direction, (10, 70), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
    
    # 在屏幕上显示图像
    cv2.imshow('Gray Image', gray)
    cv2.imshow('Threshold Image', threshold)
    cv2.imshow('Result', frame)
    
    if cv2.waitKey(1) == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

这段代码会打开摄像头，实时处理灰度图像，并根据灰色赛道的位置和偏转角判断车辆的行驶方向。在图像上显示了灰色赛道的中心线和偏转角，并在屏幕上分屏显示了灰度图像、阈值图像和结果图像。按下键盘上的“q”键可以退出程序。