OpenCV颜色识别怎么做循迹？一台摄像头小车三行HSV代码自己找线

传统循迹小车靠几颗红外对管去认地上的黑线，调试起来对场地颜色很挑剔。后来我把摄像头装上车，用OpenCV做颜色识别，小车能看着画面里一条彩色线条自己修正方向跑。相比固定对管，摄像头方案看得见整条路的走向，改个颜色阈值就能换线，灵活很多。

这套识别的核心思路其实很朴素：把摄像头每一帧图里“我想要的颜色”单独挑出来，找到它在画面里的位置，然后根据它偏离画面中心的多少去调整车轮转向。方向对不对，全靠颜色找得准不准。

为什么用HSV而不是RGB

一开始很多人习惯拿RGB去匹配颜色，但光照一变，同一张纸的RGB值能差出十万八千里，阈值很难写。换成HSV就稳很多：H是色相（颜色本身），S是饱和度，V是亮度。因为光照主要影响亮度V，而色相H相对稳定，所以只要圈住目标颜色的H区间，再放宽一点S和V，就能在阴天和阳光下来回切换都认得出线。

三行核心代码做了什么

OpenCV里做这件事，关键就三步。第一步用cv2.inRange把原图转成一张黑白掩膜图，落在目标HSV范围内的像素变白，其余变黑；第二步在掩膜图上找轮廓，或者算白色像素的重心；第三步拿这个重心横坐标和画面中心一比，偏差就是我们要的转向误差。

拿到误差之后，把误差乘以一个比例系数，加到小车左右轮的转速差上就行：线偏左就让左轮慢点、右轮快点，车身跟着偏回中间。误差为零时两轮同速，直着走。这里比例系数调太大会来回抖，调太小又跟不上弯道，要现场一点点调。

避坑经验，实测才有用

第一个坑是环境光照。直射阳光会把高光的表面拉成一片亮白，影响S和V的判断。我一般把识别区域限制在车头前方一小块，并定时重新采集一次现场背景，让阈值更贴近实际光线。

第二个坑是反光。胶带线某些角度会反白光，看起来像大片白色杂斑，这时适当降低S和V的上限，把过于亮的像素排除掉，掩膜就不会糊成一片。

第三个坑是帧率和延迟。摄像头处理在树莓派上跑，画面帧率有限，转向控制别指望一帧就跟上，建议用小步长的修正加一点自整定，方向舵会更顺滑而不是死板地左右乱甩。

用OpenCV给小车装“眼睛”，门槛比想象中低。你不一定需要多么深的视觉算法，把HSV阈值、轮廓重心、差速转向这三步跑通，一台能自己找线的小车就成型了。再往下，还能延伸到识别小物件、追球、甚至简单的人脸跟随，玩法一下就打开了。