# 2025年电赛E题云台与视觉

**Repository Path**: xiaoqi472/Start

## Basic Information

- **Project Name**: 2025年电赛E题云台与视觉
- **Description**: 2025年电赛E题云台与视觉（省一、基础题满分）
不是很优秀，供大家参考
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-08-22
- **Last Updated**: 2025-08-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 云台控制

这是一个基于 STM32F407 的嵌入式项目，主要用于控制云台。该项目使用了 STM32 HAL 库和 PID 控制算法。

## 功能特性

- 使用 UART 进行通信
- 使用 PID 控制算法进行精确控制
- 支持任务调度
- 支持步进电机控制
- 支持 Emm_V5 设备控制

## 目录结构

- **Core** - 包含核心 STM32F4 系列芯片的驱动代码
- **Drivers** - 包含 STM32F4xx HAL 驱动和 CMSIS 核心文件
- **User** - 包含用户自定义模块和应用程序
- **build** - 构建输出目录
- **CMakeLists.txt** - CMake 构建配置文件

## 主要模块

### 用户应用程序 (User/APP)

- **pid_app.c/h** - PID 控制应用
- **scheduler.c/h** - 任务调度器
- **user_uart.c/h** - UART 通信处理

### 用户模块 (User/Module)

- **Emm_V5.c/h** - Emm_V5 设备控制
- **pid.c/h** - PID 控制算法实现
- **step_motor_bsp.c/h** - 步进电机控制

## 依赖项

- STM32F4xx HAL 驱动库
- CMSIS 核心文件

## 构建说明

使用 CMake 进行构建，具体步骤如下：

1. 安装 CMake
2. 创建构建目录并进入
3. 运行 `cmake ..`
4. 运行 `make`

## 使用说明

1. 初始化 UART 通信
2. 初始化 PID 控制
3. 初始化步进电机
4. 启动任务调度器

## 视觉代码

version_1.py为视觉代码，使用MaixVision软件平台和MaixCam硬件平台

# 视觉跟踪系统

## 项目概述

这是一个基于MaixPy框架的实时视觉跟踪系统，主要用于检测矩形目标并计算目标中心与预设基准点的偏差。系统支持透视变换显示和原图标记两种显示模式，并通过串口实时输出误差数据。

## 核心功能

### 1. 矩形目标检测
- 使用OpenCV进行图像预处理（高斯模糊、边缘检测）
- 轮廓检测和多边形近似识别矩形
- 按面积大小排序，优先处理最大矩形
- 提取矩形的角点、中心点、面积和周长信息

### 2. 透视变换
- 支持对检测到的矩形进行透视变换
- 将倾斜的矩形校正为正视图
- 提供透视变换的逆变换功能

### 3. 误差计算与输出
- 计算目标中心与预设十字标记的x、y轴偏差
- 通过串口(115200波特率)实时输出误差数据
- 数据格式：`xerr=X,yerr=Y`

### 4. 双显示模式
- **透视变换模式**：显示校正后的矩形视图
- **原图标记模式**：在原图上标记检测结果和十字基准

## 硬件要求

- 支持MaixPy的开发板（如K210系列）
- 摄像头模块（320×240分辨率）
- 显示屏模块
- 串口通信接口

## 软件依赖

```python
from maix import camera, display, app, time, image, pinmap, uart
import cv2
import numpy as np
import struct
```

## 核心参数配置

### 图像处理参数
```python
process_every_n_frames = 2    # 每2帧处理一次，优化性能
screen_width = 320           # 屏幕宽度
screen_height = 240          # 屏幕高度
```

### 十字标记参数
```python
cross_x = 160               # 十字x坐标（动态计算）
cross_y = 106               # 十字y坐标（固定）
cross_size = 10             # 十字大小
cross_color_green = (0, 255, 0)  # 绿色标记
```

### 检测参数
```python
# 边缘检测阈值
cv2.Canny(blurred, 60, 180)

# 多边形近似精度
epsilon = 0.02 * perimeter

# 最小面积阈值
if area > 500:
```

## 算法流程

### 1. 图像预处理
1. 读取摄像头图像
2. 转换为灰度图
3. 高斯模糊降噪
4. Canny边缘检测

### 2. 矩形检测
1. 查找轮廓
2. 多边形近似（4个角点）
3. 面积过滤
4. 按面积排序

### 3. 透视变换（可选）
1. 提取最大矩形的角点
2. 按左上、右上、右下、左下顺序排列
3. 计算透视变换矩阵
4. 应用变换得到校正图像

### 4. 误差计算
- **透视模式**：计算透视中心与图像中心的偏差
- **原图模式**：基于矩形周长动态计算十字x坐标
  ```python
  cross_x = int(-0.065 * perimeter + 171.5 - 1)
  ```

### 5. 数据输出
- 计算x轴和y轴误差
- 通过串口发送格式化数据
- 实时显示处理结果

## 关键函数说明

### `order_points(pts)`
按照左上、右上、右下、左下的顺序重新排列矩形角点。

### `find_rectangles(gray_img)`
在灰度图中检测所有符合条件的矩形，返回按面积排序的矩形列表。

### `perspective_transform(img, src_points, width, height)`
对图像执行透视变换，返回校正后的图像和变换矩阵。

### `calculate_and_print_error(cross_pos, rect_center)`
计算目标偏差并通过串口输出，返回x、y轴误差值。

## 使用方法

1. 确保硬件连接正确
2. 上传代码到MaixPy设备
3. 运行程序
4. 将矩形目标放置在摄像头视野内
5. 通过串口监控误差输出数据
6. 可通过修改`show_perspective`变量切换显示模式

## 性能优化

- 采用间隔帧处理策略减少计算负担
- 按面积排序优先处理最大目标
- 使用适当的图像处理参数平衡速度与精度


## 注意事项

- 确保目标矩形面积大于500像素以避免误检
- 串口波特率需与接收端匹配(115200)
- 光照条件会影响检测效果，建议在稳定光源下使用
- 目标矩形应具有清晰的边缘轮廓

## 许可证

该项目使用 MIT 许可证，请参阅项目根目录下的 LICENSE 文件获取详细信息。