# Scratch-to-Python
**Repository Path**: qi_xmu/Scratch-to-Python
## Basic Information
- **Project Name**: Scratch-to-Python
- **Description**: No description available
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-08-31
- **Last Updated**: 2022-03-10
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# 树莓派Scratch-to-Python
## 项目目标
### 项目流程
- 制作树莓派镜像。（开发环境）
- led电灯程序。（变量，常量，表达式，赋值）
- 电机和小车控制。（函数）
- 小车走迷宫。（分支，循环）
- 小车自动避障。（判断）
- 巡线小车。（最终目标）
### 项目要求
- 使用scratch和python对比编程。
## 第一部分 树莓派入门
## 第二部分 led点灯程序
### 查询Raspberry Pi的引脚图
[WiringPi at Raspberry Pi GPIO Pinout](https://pinout.xyz/pinout/wiringpi)
我们使用的引脚是`GPIO2 GPIO3`，其中 `GPIO2`接LED灯，`GPIO3`接按键。我们使用了一个和**回调函数**监控按键的发生，当回调的条件满足时，触发回调函数，执行回调函数内的代码。
## 第三部分 电机驱动
### 电机驱动原理
[第7章 用树莓派控制直流电机(L298N) - 简书 (jianshu.com)](https://www.jianshu.com/p/b970403a647f)
电机有专门的芯片控制，我们不需要去了解芯片的内在构造，只需要了解如何使用这种芯片。电机的输出端一般时接好的。电机的输入段一共有六个（`ENA, ENB, IN1, IN2, IN3, IN4`），每三个控制一个电机（或者说同边的电机）。下表是其中一组电机控制的真值表，另一组为（`ENB, IN3, IN4`）。同过下表，可知。
控制电机主要包含两部分：**转向**和**转速**。
#### 转向
`IN1 IN2`（或者`IN3 IN4`）用于控制电机的转向（正转/反转）。我们需要前进或者后退时，只需要将`IN1 IN2`其中一个设置为高电平。（具体哪一个是前进要结合电机的安装方式，正转不一定是前进）。需要停止时，只需要将`IN1 IN2`同时设置为低电平。
#### 转速
`ENA`（或者`ENB`）用于控制电机的转速，相当于控制小车速度。当其设置为1时，电机全速旋转。一般来说，我们不会让电机全速（转速太快），所以我们通过**PWM**调节电机的速度。PWM的原理不必深究，我们只需要知道怎么通过PWM控制转速。PWM有两个重要参数，频率和占空比。频率这里我们使用默认值2000（频率大小不影响电机速度），而占空比（1~100）和电机速度成正比，我们只需要调节占空比就可以实现对电机速度的控制。
## 第四部分 避障小车
[(4条消息) 超声波测距_liudongdong_jlu-CSDN博客_超声波测距](https://blog.csdn.net/liudongdong19/article/details/81005930)
### 超声波测距原理
通过声波的反射的时间，计算发射点到障碍物的距离。可以计算出较为精确的距离。
### 红外测距原理
通过红外线遇到物体反射的时间，计算发射点到障碍物的距离远近，这个只能判断距离远近，不能测量具体的距离。比如，在障碍物较近时，传感器返回低电平，较远时返回高电平。通过高低电平可以判断物体的远近。可以通过调节旋钮控制传感器的灵敏度，即对远近的感知强弱。
### 小车避障原理
利用红外线传感器或者超声波传感器**实时**测量小车左侧和右侧到障碍物的距离。（对于超声波可以认为设定特定的距离作为阈值。比如30cm。对于红外传感器，可以调节旋钮设定合适的阈值。）
如果左边靠近障碍物，则小车需要向右转；如果右边靠近障碍物，可以向左转。如果两边同时靠近障碍物，可以选择向右转或者向左转。
### 实践指南
#### 红外避障和超声波引脚说明
**说明：**当遇到障碍物时，引脚为低电平；无障碍物时为高电平。我们使用的时**BCM**，所以对应引脚为`12, 17`
**说明：**超声波通过特定的信号协议传输距离信号。具体的原理如下。
#### 超声波测距实践说明（补充内容，了解）
- 超声波一共有四个引脚，`VCC` `GND` `Trig` `Echo` 其中 `VCC`为电源正极，`GND`为电源负极。
- 超声波测距步骤：
- 告诉传感器我要测距：在`Trig`引脚向传感器发送一个大于10us的高电平脉冲。
```python
# 第一步 发射测距信号
GPIO.output(trig, GPIO.LOW)
delay_us(2) # 延时2us
GPIO.output(trig, GPIO.HIGH)
delay_us(10) # 延时10us
GPIO.output(trig, GPIO.LOW)
```
- 传感器告诉我测量结果：传感器会在`Echo`端回应一个高电平脉冲，脉冲的时间对应声波往返的时间。
```python
# 第二步 接收脉冲信号
start_time = time() # 记录低电平结束时间
stop_time = time() # 记录高电平结束时间
while GPIO.input(echo) == GPIO.LOW:
start_time = time()
while GPIO.input(echo) == GPIO.HIGH:
end_time = time()
pulse_time = end_time - start_time # 脉冲时间
```
- 根据往返时间计算障碍物的距离：检测`Echo`高电平时间，对应声波往返时间，通过公式`(往返时间 * 34300(声速34300cm/s)) / 2 (单位：cm)`计算出障碍物到小车的距离。
```python
# 第三步 计算测量距离
# 公式：(pulse_time * 34300(声速34300cm/s)) / 2 (往返) (单位：cm)
distance = (pulse_time * 34300) / 2
```
#### 避障逻辑
**首先说明：** 这里使用红外传感器作为避障的主演传感器。超声波同样可以，但是相对麻烦，同学们可以自己尝试。
**核心逻辑如下：**
- 当没有障碍物时，小车直行。
- 当左边遇到障碍物时，小车应该向右转。
- 当右边遇到障碍物时，小车应该向左转。
- 当两边同时遇到障碍物时，小车可以选择左转或右转。也可以先后退在左转或右转。（以上任意一种，取决于实际情况）
我们需要不断的去判断时是否存在障碍物，所以我们用一个`while`循环不断地判断上述条件是否满足。
```python
while True:
leftState = GPIO.input(leftSensor) # 获取左侧传感器的状态
rightState = GPIO.input(rightSensor) # 获取右侧传感器的状态
# 逻辑分支 if elif(else if的合体) else
if leftState == GPIO.HIGH and rightState == GPIO.HIGH:
# 没有障碍物 前进
motor.forward()
elif leftState == GPIO.LOW and rightState == GPIO.HIGH:
# 左侧有障碍物 右转
motor.right()
elif leftState == GPIO.HIGH and rightState == GPIO.LOW:
# 右侧有障碍物 左转
motor.left()
else:
# 两侧都有障碍物 先后退再右转
motor.backward(1)
motor.right()
```
## 第五部分 自主循迹
### 巡线传感器原理
我们使用的时四路巡线传感器，包括四个可以判断地面灰度情况的传感器。
正常情况下，地面为白色，传感器未检测到黑线，指示灯灭同时输出**高电平**。当传感器遇到地面上的黑线时，指示灯亮同时输出**低电平**。
我们可以通过四个传感器的状态判断黑线相对小车行进过程中产生的偏差。在这个过程中，通过实时矫正小车的行进方向，就可以实现小车巡线的效果。
### 简单思路
- 传感器获取地面信息，返回四个状态值（高/低电平）。
- 通过四个状态值，对小车行进方向进行决策。
### 实践说明
#### 第一步 获取传感器状态
***这里省略GPIO加载过程**
```python
####! 初始化模块 ####
# +----------------------------+
# 初始化传感器引脚
def init_sensor():
'''
初始化循迹传感器。
'''
GPIO.setup(TrackSensorLeft1, GPIO.IN)
GPIO.setup(TrackSensorLeft2, GPIO.IN)
GPIO.setup(TrackSensorRight1, GPIO.IN)
GPIO.setup(TrackSensorRight2, GPIO.IN)
####! 需要的功能封装成函数 ####
# +----------------------------+
def get_track_sensor_state():
'''
获取当前传感器状态。
'''
leftState1 = GPIO.input(TrackSensorLeft1)
leftState2 = GPIO.input(TrackSensorLeft2)
rightState1 = GPIO.input(TrackSensorRight1)
rightState2 = GPIO.input(TrackSensorRight2)
# 将结果写成一个元组返回给调用函数的地方
return (leftState1, leftState2, rightState1, rightState2)
```
#### 第二部 根据传感器状态做出决策
**正常的左转右转**
```python
# 四路循迹引脚电平状态
# 0 0 X 0
# 1 0 X 0
# 0 1 X 0
# 以上6种电平状态时 小车右转
if (state[0] == 0 or state[1] == 0) and (state[3] == 0):
motor.turnRight(delay_time=dtime, duty=speed)
# 四路循迹引脚电平状态
# 0 X 0 0
# 0 X 0 1
# 0 X 1 0
# 以上6种电平状态时 小车左转
elif (state[2] == 0 or state[3] == 0) and (state[0] == 0):
motor.turnLeft(delay_time=dtime, duty=speed)
```
**大转弯**
```python
# 四路循迹引脚电平状态
# 0 X X X
# 最左边检测到 小车转弯时间可以适当变大 小车左转
elif state[0] == 0:
motor.turnLeft(delay_time=bdtime, duty=speed)
# X X X 0
# 最右边检测到 小车转弯时间可以适当变大 小车右转
elif state[3] == 0:
motor.turnRight(delay_time=bdtime, duty=speed)
```
**小转弯**
```python
# X 0 1 X
# 处理左小弯
elif state[1] == 0 and state[2] == 1:
motor.turnLeft(delay_time=ldtime, duty=speed)
# X 1 0 X
# 处理右小弯
elif state[1] == 1 and state[2] == 0:
motor.turnRight(delay_time=ldtime, duty=speed)
```
**直行**
```python
# X 0 0 X
# 处理直线
elif state[1] == 0 and state[2] == 0:
motor.forward(delay_time=dtime, duty=speed)
```
**说明：**上诉判断需要在一个循环内不断判断，这个才能及时做出决策，让小车正确循迹行驶。