### 实现机器人在绿色跑道边检测白色线并规避的功能 为了在 Linux 系统中使用 Python 编写程序，使机器人能够在绿色跑道上检测白色线并进行规避，可以按照以下方式实现： #### 1. ### 图像采集与预处理 通过摄像头捕获实时图像，并对其进行必要的预处理以增强对比度和减少噪声影响。 ```python import cv2 import numpy as np # 初始化摄像头 cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() # 将BGR图像转换为HSV色彩空间以便更容易分离颜色 hsv_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) ``` 在此过程中，将 BGR 格式的图像转为 HSV 色彩模式更有利于区分特定的颜色范围[^2]。 --- #### 2. ### 白色线条的识别 定义一个适合白色区域的 HSV 阈值区间来筛选出可能属于白色线条的部分。 ```python # 定义白色颜色范围 lower_white = np.array([0, 0, 200], dtype=np.uint8) upper_white = np.array([179, 30, 255], dtype=np.uint8) mask_white = cv2.inRange(hsv_frame, lower_white, upper_white) res_white = cv2.bitwise_and(frame, frame, mask=mask_white) ``` 这里设置了较低饱和度以及较高明度的标准用于匹配白色像素点集合[^2]。 --- #### 3. ### 形态学操作改善分割质量 运用开运算消除小型孤立斑块从而提升后续计算精度。 ```python kernel = np.ones((5, 5), np.uint8) opening = cv2.morphologyEx(mask_white, cv2.MORPH_OPEN, kernel) ``` 形态学变换有助于平滑边界并且移除不必要的细碎成分[^3]。 --- #### 4. ### 提取轮廓信息 查找连通域即找到所有封闭图形对应的坐标序列便于进一步判断其几何特性。 ```python contours, hierarchy = cv2.findContours(opening, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: approx = cv2.approxPolyDP(cnt, 0.01 * cv2.arcLength(cnt, True), True) if len(approx) >= 4 and cv2.contourArea(cnt) > 100: # 只考虑较大的四边形及以上形状 x, y, w, h = cv2.boundingRect(cnt) cv2.rectangle(res_white, (x, y), (x + w, y + h), (0, 255, 0), 2) ``` 该段脚本会遍历每一个候选对象评估它们是否符合设定条件最后标注出来供决策层参考[^3]。 --- #### 5. ### 判断转向指令 依据检测到的白色线条相对于画面中心的位置决定机器人的移动方向。 ```python if res_white.shape[1]/2 < x + w / 2: print("Turn Right") # 当目标位于右侧则发出右转命令 else: print("Turn Left") # 否则左转 ``` 简单比较两者横坐标的均值得知偏向哪一侧进而给出对应的操作建议[^4]。 --- #### 6. ### 结果可视化与退出机制 显示处理后的帧数据直到按下键盘按键结束循环过程释放资源返回正常状态。 ```python cv2.imshow('Detected Lines', res_white) key = cv2.waitKey(1) & 0xFF if key == ord('q'): break cap.release() cv2.destroyAllWindows() ``` 提供直观反馈让用户了解系统运行状况同时允许随时终止演示活动[^4]。 --- ### 总结 综上所述，在基于 Linux 的环境中借助 Python 开发针对绿色背景赛道上的白色引导标志自动跟踪避让功能完全可行。只需合理配置硬件接口配合恰当软件算法即可达成预期目的。 ---