视觉采集与预处理
follow_line.py 使用 V4L2 摄像头采集画面，截取底部 ROI，基于 HSV 黑线阈值生成掩膜，并通过开运算与膨胀降低噪声影响。
Overview
项目概览
项目采用“上位机感知与决策、下位机实时控制”的结构。树莓派端通过摄像头获取赛道图像，使用 HSV 阈值、形态学处理、连通域筛选和分段质心计算得到车道线角度误差，再通过 PID 计算目标线速度与角速度。STM32 端接收速度指令后，结合编码器速度反馈进行运动学逆解和增量 PI 控制，最终输出电机 PWM 与阿克曼舵机角度。
System Flow
系统流程
车道线误差计算
ROI 被划分为多个横向切片，程序筛选面积合理的连通域，计算质心相对画面底部中心的角度，得到带方向的平均角度误差。
PID 巡线控制
上位机将角度误差输入 PID 控制器，输出角速度并限幅；检测不到线时保持上一帧转向方向继续搜索，退出时主动发送零速度帧。
串口速度指令
速度控制帧采用 0x7B 帧头、三个小端浮点速度 vx / vy / vz 和 0x7D 帧尾，共 14 字节，默认波特率 115200。
下位机运动控制
STM32 解析速度帧后写入 Move_X、Move_Z，在 5ms 定时中断中读取编码器，完成运动学逆解、增量 PI 调速和 PWM / 舵机输出。
状态回传与调试
下位机以 24 字节状态帧回传速度、IMU 加速度/角速度、电池电压和校验位，read.py 可解析并彩色打印关键运行状态。
Modules
模块拆解
上位机视觉巡线
基于 Python、OpenCV 和 pyserial 完成摄像头读取、黑线检测、角度误差估计、PID 输出和串口速度帧发送。
串口联调工具
send.py 用于按固定频率发送速度帧，read.py 用于解析 STM32 状态帧，便于分阶段调试通信协议。
STM32 控制核心
下位机工程包含外设初始化、USART1 接收中断、编码器测速、运动学逆解、增量 PI 速度控制和电机 PWM 输出。
传感器与执行机构
工程中接触 OLED、电压 ADC、编码器、MPU6050、蜂鸣器、舵机、电机驱动，并保留 CCD、电磁巡线与雷达接口代码。
安全与异常处理
下位机包含低电压关断、按键停止、PWM 限幅和平滑滤波；上位机在异常退出时发送零速度，降低失控风险。
实验验证路径
通过串口单独收发、视觉巡线参数调整、PID 参数微调和实车巡线测试，逐步验证感知、决策与执行链路。
Code Highlights
算法、框架与亮点
这一部分从 follow_line.py、usartx.c、control.c、pid.c 等代码中提炼，尽量展示可复盘的函数、参数、帧格式和容错策略。
视觉巡线算法
算法入口：compute_angle_error(frame) ROI_RATIO=0.35：只取画面底部赛道区域 NUM_SLICES=5：分层计算，降低单点误检影响 HSV=[0,0,0]~[180,255,60]：提取黑色巡线路径 5x5 KERNEL：开运算 + 膨胀处理噪声 VALID_AREA=3000 / MAX_AREA=20000：过滤异常连通域 arctan2(dx,dy)：质心偏移转为带方向角度误差
上 / 下位机控制框架
上位机：CONTROL_FPS=15 摄像头 -> OpenCV 巡线 -> 角度误差 PIDController(kp,ki,kd) 输出角速度 VX_CONST=0.5，MAX_VZ=3.5 限幅 下位机：TIMING_TIM_Init(7199,49) Get_Velocity_From_Encoder() 读取轮速 Get_TaEn() 做运动学逆解 Get_Motor_PWM() 生成电机 PWM
通信与调试协议
控制帧：14 bytes 0x7B + vx/vy/vz 三个 little-endian float + 0x7D Python 端使用 struct.pack('<f') STM32 端写入 Move_X / Move_Y / Move_Z 状态帧：24 bytes 速度 + IMU 加速度/角速度 + 电池电压 Check_Sum(22,1) 异或校验 read.py 解析帧头、帧尾、电压和校验位
优化与创新亮点
无检测保持转弯：count==0 时沿 last_sign 搜索线路 零速度退出：SIGINT / SIGTERM / 异常退出前发送停车帧 阿克曼映射：Vz_to_Akm_Angle() 将角速度转前轮角 角度限幅：前轮转角限制在 -0.32~0.32 rad 滑动滤波：Mean_Filter_Left/Right 平滑起步与停车 状态回传：速度、IMU、电压闭环辅助定位问题
Implementation
关键实现内容
- 视觉算法 使用 ROI、HSV 阈值、连通域面积约束和多切片角度平均，提升黑线检测对噪声与局部丢线的容错性。
- 控制策略 上位机将角度误差转换为角速度，下位机将目标速度映射到轮速/舵机角度，再由编码器反馈形成速度闭环。
- 通信协议 控制帧与状态帧都使用明确帧头帧尾，状态帧增加异或校验，方便在串口噪声和半帧场景下定位问题。
- 调试方法 先用固定速度帧验证下位机执行，再读取回传帧确认速度、IMU 与电压，最后接入视觉巡线脚本做整车联调。
Result
实验结果与收获
课程项目最终完成了智能小车巡线控制的闭环实验，覆盖从摄像头识别、PID 控制、串口通信到电机执行的完整链路。根据整理资料，期末巡线测试获得年级第一。
这个项目的价值不只在于跑通小车，更重要的是把机器人课程中的传感器采集、控制决策、执行机构驱动和上/下位机联调放到同一个系统里实践了一遍。
当前页面已基于文件夹内代码资料整理。后续若要继续增强展示效果，可以补充巡线测试视频、赛道记录、成绩证明、个人具体负责部分和关键调参过程；本次按要求暂不添加图片。