系统方案主要描述了针对研究的要求，采用软硬件结合的方法设计了一个运动目标控制与自动追踪系统。该系统由多个模块组成，包括OpenMV嵌入式计算机视觉平台、STM32单片机控制模块、摄像头模块、显示屏模块、人机交互系统、二轴舵机云台和激光笔，构成一个闭环控制系统。摄像头模块负责采集图像信息，然后通过OpenMV进行图像数据处理。处理后的图像数据用于控制PID算法调节舵机，从而实现对激光笔光斑在屏幕上按照设定程序进行移动的控制。下面分别论证这几个模块的选择。

方案一：采用OpenMV嵌入式计算机视觉平台

OpenMV是一个基于MicroPython的嵌入式计算机视觉平台，使用ARM微控制器。开发者可以使用Python语言编写图像处理和计算机视觉应用，无需深入了解底层硬件编程。它专注于图像处理和计算机视觉任务，提供丰富的图像处理库和示例代码。OpenMV配备了图像传感器和其他传感器，可以直接连接摄像头、显示屏、Wi-Fi模块等设备。

方案二：采用K210嵌入式计算机视觉平台

K210是一种由中国公司寒武纪（Kendryte）开发的系统级芯片（SoC）。它采用RISC-V架构，是一种开源的指令集架构，支持低功耗和高性能。K210芯片主要用于机器学习和人工智能应用，如物体识别、语音识别等。它在物联网设备、智能摄像头、智能家居等边缘计算设备中广泛应用。

         总结：

OpenMV作为一个简单易用的嵌入式计算机视觉平台，适合初学者和快速原型开发。它的重点是图像处理和计算机视觉任务，并提供丰富的库和示例，使得开发者能够更快速地实现各种视觉应用。而K210则更适用于专业机器学习和边缘计算领域，具备更高的计算性能和灵活性。因此本设计采用OpenMV嵌入式视觉平台。

1. 单片机的论证与选择

方案一：采用STC51单片机

STC51是一种基于Intel 8051核心的单片机，采用CISC架构。它在嵌入式系统中有着广泛的应用，历史悠久，生态丰富。STC51单片机相对较为简单，易于学习和使用，适合入门级开发者。它拥有一些基本的外设和功能，但在计算能力和性能方面相对较弱。对于较简单的控制任务和低性能要求的应用，STC51可以是一个经济实惠的选择。

方案二：采用以ARM Cortex-M3为内核的STM32F1系列控制芯片

STM32是一种基于ARM Cortex-M核心的单片机，采用RISC架构。它具有强大的计算能力和丰富的外设，适用于复杂的嵌入式应用。STM32单片机有多个系列，不同系列的芯片有着不同的性能和功能，满足不同需求。它支持多种编程语言，包括C和C++，也支持RTOS系统，适合中高级开发者。STM32单片机在性能、功耗、稳定性等方面都有优势，适用于较复杂的控制任务和性能要求较高的应用。

综合考虑，选择使用STM32单片机控制舵机云台是更合理的选择，因为它提供了更好的性能，所以本设计选择方案二。

方案一：采用带编码器的直流减速电机

直流电机是一种最常见的电机类型，它的工作原理是通过直流电流在电磁场中产生力矩，从而驱动电机转动。直流电机在没有反馈控制的情况下，不容易实现精确的位置控制。

方案二：采用舵机

舵机是一种特殊类型的直流电机，它与普通直流电机相比具有额外的反馈控制回路，通常是一个位置反馈传感器（如编码器）。舵机可以精确地控制电机的位置，通过控制脉宽信号来实现精确的角度调节，通常具有较高的角度分辨率。舵机适用于需要精确位置控制的场景，如机器人、摄像云台、航模等。舵机的结构也相对简单，成本较低，但由于加入了反馈控制，相比普通直流电机稍微贵一些。

选择使用舵机作为云台电机是较为合理的选择。舵机具有精确的位置控制能力和较低的成本，在实现云台旋转和角度调节时具有优势。

方案一：采用开环算法

开环控制是一种简单的控制方法，其中输出信号不受系统反馈信息的影响。在开环控制中，输入信号直接作为控制器的输出信号，用于云台电机控制。开环控制没有对输出信号进行监测和调整的机制，因此无法纠正外部干扰和内部误差，导致系统的稳定性和精确性较差。在开环控制中，系统的性能高度依赖于模型的准确性和环境条件的稳定性。对于复杂系统或存在不确定性的环境，开环控制的性能可能会受到较大影响。

方案二：采用闭环控制

闭环控制是一种基于反馈的控制方法，其中输出信号受系统反馈信息的影响。在闭环控制中，输出信号被反馈给控制器，并与期望信号进行比较，然后根据误差来调整控制器输出，以实现对输出信号的精确控制。闭环控制可以实时纠正外部干扰和内部误差，提高系统的稳定性和精确性，使系统能够更好地适应不确定性和变化的环境条件。在闭环控制中，采用合适的控制算法（如PID控制算法）可以优化系统的性能，使系统更快地响应控制信号，减少超调和稳态误差。PID控制算法按比例、积分、微分的函数关系，进行运算，将其运算结果用以输出控制。优点是控制精度高，是控制系统非常普遍的运算方法。对于本系统的控制已足够精确。

综上所述，选择使用闭环控制，并采用PID算法控制激光笔是较为合理的选择。闭环控制能够实时纠正误差，提高系统的稳定性和精确性，而PID算法能够优化系统的性能，使激光笔具有快速响应和灵活性，适用于实现精确的运动控制。

         OpenMV对采集到的图像进行预处理，例如灰度化、二值化等。这些预处理步骤有助于减少图像中的噪声并简化后续的图像处理。在预处理后的图像上执行边缘检测算法，例如Canny边缘检测，以识别矩形的边缘。基于边缘检测的结果，进行轮廓检测，找出图像中的所有轮廓。对检测到的轮廓进行筛选，通过设置阈值和条件来排除不符合矩形特征的轮廓。对经过筛选的轮廓进行拟合，找出最接近的矩形。OpenMV通常使用旋转矩形（rotated rectangle）来拟合，因为它可以适应旋转的矩形。

2、二轴云台控制分析 

     二轴云台是一种常见的云台类型，它可以在两个轴（通常是水平和垂直方向）上进行转动。二轴云台广泛应用于摄像机、激光雷达、传感器等设备的定向控制，以及机器人、无人机等需要精确转动的系统中。

         水平轴通常用于实现云台在水平方向上的转动。垂直轴通常用于实现云台在垂直方向上的转动。

采用PID算法来光斑在屏幕的位置。开始工作后，实时检测屏幕上光斑的位置，并与设定的目标位置比较，进行PID控制。其PID结构原理如图1，PID分别表示光斑的位置比例（P）、位置误差（I）、位置积分（D）。 

P：对目标位置与当前位置偏差e（t)进行调整，系数越大调节速度越快，减小误差，但是过大的比例，会造成舵机速度状态的突变，从而导致云台状态不稳定 

I:加入积分调节，可以消除系统的稳态误差，提高无误差度。系统的稳定性下降，动态响应变慢。 

D:微分调节反应的是光斑的角速度，可以预见偏差变化的趋势具有可预见性因而可以产生超前调节，加入微分调节可以改善系统的动态性能。

PID控制器由比例单元（P）、积分单元（I）和微分单元（D）组成。其PID控制器的传递函数为：

其中，KP, KI 和KD为PID控制器的比例，积分和微分参数。

4、斜线运动控制

自己用VISIO画

图1 系统总体框图

图2  硬件连接图

2、程序结构与设计              

控制二轴云台控制激光笔在屏幕上精准移动时，程序结构如下：

初始化： 在程序开始时，进行系统初始化，包括初始化OpenMV、舵机、传感器、Stm32单片机和通信接口等。

设定目标位置：在程序中设定激光笔在屏幕上的目标位置。目标位置通过OpenMV识别到矩形后，通过插值法计算获得。

主循环： 进入主循环，程序会不断执行以下步骤：

a. 获取传感器反馈： 读取舵机或电机的位置信息，获取当前云台的姿态。

b. 计算误差： 将目标位置与当前位置进行比较，计算出误差。即，目标位置与实际位置之间的差距。

c. PID控制器计算： 将误差输入PID控制器，根据PID算法计算出控制信号。PID控制器会根据比例系数Kp、积分系数Ki和导数系数Kd对误差进行加权计算，得到控制信号。

d. 控制信号输出： 将PID计算得到的控制信号转换为PWM信号，并发送给舵机，控制云台的转动。

e. 限制和安全检查： 对于舵机或电机的控制信号，进行范围限制，确保云台不超出安全转动范围，并避免碰撞。

f. 重复运行： 以上步骤会在循环中不断运行，直到激光笔移动到设定的目标位置。在运动到目标位置后，控制器可以进入静止状态或继续接收新的目标位置。

优化和调试： 进行系统调试和优化，根据实际情况调整PID参数（Kp、Ki、Kd）以及采样频率等参数，使云台运动更加稳定和精确。

中断程序： 当按下中断按钮时，程序会进行中断，舵机停止运动。

1. 硬件测试：测试机械部分能否正常工作，各项参数是否准确。同时，检查电路焊接是否正确，各部分接线是否正确。  
2. 程序测试：用keil、openmv ide软件编程并通过单片机多次运行调试。  
3. 硬件软件联调：用实现的编程算法控制硬件系统进行工作。检测整个系统是否实现各项要求。

1. 测试条件：检查多次，机械部分必须正常工作且参数正确。仿真电路和硬件电路必须与系统原理图完全相同，并且检查无误，硬件电路保证无虚焊。 
2. 测试仪器：尺子、秒表。

  （1）基本要求的测试

   1）设置运动目标位置复位功能。执行此功能，红色光斑能从屏幕任意位置

回到原点。光斑中心距原点误差≤2cm

表B-1 基础部分1测试结果

   2）启动运动目标控制系统。红色光斑能在 30 秒内沿屏幕四周边线顺时针

移动一周，移动时光斑中心距边线距离≤2cm。。

表

B-2 基础部分2测试结果

         3）用约 1.8cm 宽的黑色电工胶带沿 A4 纸四边贴一个长方形，构成 A4 靶纸。将此 A4 靶纸贴在屏幕自定的位置。启动运动目标控制系统，红色光斑能在30 秒内沿胶带顺时针移动一周。超时不得分，光斑完全脱离胶带一次扣 2 分，连续脱离胶带移动 5cm 以上记为 0 分。

表B-3 基础部分3测试结果

         4）将上述 A4 靶纸以任意旋转角度贴在屏幕任意位置。启动运动目标控制

系统，要求同（3）。

表B-4 基础部分4测试结果

（2）发挥部分的测试

        1）运动目标位置复位，一键启动自动追踪系统，控制绿色光斑能在 2 秒

内追踪红色光斑，追踪成功发出连续声光提示。此时两个光斑中心距离应≤3cm。

表B-5 发挥部分1测试结果

       2）运动目标重复基本要求（3）~（4）的动作。绿色激光笔发射端可以放置在其放置线段的任意位置，同时启动运动目标及自动追踪系统，绿色光斑能自

动追踪红色光斑。启动系统 2 秒后，应追踪成功，发出连续声光提示。此后，追踪过程中两个光斑中心距离大于 3cm 时，定义为追踪失败，一次扣 2 分。连续追踪失败 3 秒以上记为 0 分。

表B-6 发挥部分2的任务1测试结果

表B-7 发挥部分2的任务2测试结果

自由发挥

在完成题目规定要求后，对系统做了进一步加强，实现了双系统使用激光笔在屏幕上高频闪烁，用摩斯码进行可见光通信。

根据上述测试数据，可以得出以下结论：

（1）能够很好的完成基本功能和发挥功能。

（2）完成任务的时间较快。

综上所述，本设计基本达到设计要求。

 此次电子设计大赛我们收获颇丰，在整个过程中，我们不仅在通力合作中体会到了团结的重要性。还将理论与实践结合了起来，培养了一定的科研能力，拓宽了知识面。一步一步的解决相应的任务；逐步的实现了任务需求。展望未来，智能车技术必将在更广阔的领域广泛应用， 

在这比赛的最后，要感谢学校和学院老师的给力的后勤工作，使我们能够在不被烦扰的情况下，用最充足的时间完成比赛。感谢全国大学生电子设计大赛的组委会，提供这样优秀的平台和机会给我们充足的锻炼。

[1]谭浩强.C语言程序设计[M].北京:清华大学出版社,2012. 

[2]黄智伟．全国大学生电子设计竞赛训练教程．北京：电子工业出版社，2005.    

[3]王福瑞等．单片微机测控系统设计大全［M］．北京航空航天大学出版社,1998(331－337)．

[4]童诗白. 模拟电子技术基础 第三版.  北京：高等教育出版社，2001.1.

主函数：

from machine import Pin

import sensor, image, time

import pyb



# 初始化摄像头

sensor.reset()

sensor.set_pixformat(sensor.RGB565) # 设置图像色彩格式为RGB565格式

sensor.set_framesize(sensor.QQVGA)  # 设置图像大小为160*120

sensor.set_auto_whitebal(True)      # 设置自动白平衡

sensor.set_brightness(3000)         # 设置亮度为3000

sensor.skip_frames(time = 20)       # 跳过帧



clock = time.clock()



while(True):

    clock.tick()

    img = sensor.snapshot()



# -----矩形框部分-----

    # 在图像中寻找矩形

    for r in img.find_rects(threshold = 10000):

        # 判断矩形边长是否符合要求

        if r.w() > 20 and r.h() > 20:

            # 在屏幕上框出矩形

            img.draw_rectangle(r.rect(), color = (255, 0, 0), scale = 4)

            # 获取矩形角点位置

            corner = r.corners()

            # 在屏幕上圈出矩形角点

            img.draw_circle(corner[0][0], corner[0][1], 5, color = (0, 0, 255), thickness = 2, fill = False)

            img.draw_circle(corner[1][0], corner[1][1], 5, color = (0, 0, 255), thickness = 2, fill = False)

            img.draw_circle(corner[2][0], corner[2][1], 5, color = (0, 0, 255), thickness = 2, fill = False)

            img.draw_circle(corner[3][0], corner[3][1], 5, color = (0, 0, 255), thickness = 2, fill = False)



        # 打印四个角点坐标, 角点1的数组是corner[0], 坐标就是(corner[0][0],corner[0][1])

        # 角点检测输出的角点排序每次不一定一致，矩形左上的角点有可能是corner0,1,2,3其中一个

            corner1_str = f"corner1 = ({corner[0][0]},{corner[0][1]})"

            corner2_str = f"corner2 = ({corner[1][0]},{corner[1][1]})"

            corner3_str = f"corner3 = ({corner[2][0]},{corner[2][1]})"

            corner4_str = f"corner4 = ({corner[3][0]},{corner[3][1]})"

            print(corner1_str + "\n" + corner2_str + "\n" + corner3_str + "\n" + corner4_str)

    # 显示到屏幕上，此部分会降低帧率





    # 打印帧率

    print(clock.fps())