2021年电赛F题智能送药小车——openmv端开源分享(巡线、数字识别一体化实现)

1.前言

        智能送药小车是我在备战2023年电赛时做的训练题。通过研究,我发现网上大多数方案将巡线与数字识别分开实现。然而,我的想法是将这两者结合在一个OpenMV系统中,来模拟在比赛期间缺少了灰度传感器(因为巡线是循红线)的解决方案。(我是使用STC32作为小车的主控来控制其电机的运动,通信就是STC32和openmv的,实际上将串口接收和发送处理好所有单片机都可以使用这个方案)

59119fe40cd749399497b722fe028d77.jpeg

                                                         (训练题目——比较简陋“擦汗emoji”)

2.题目任务

设计并制作一款智能送药小车,模拟完成在医院药房与病房间药品的送取作业。以下是院区结构的示意图(图1),走廊两侧的墙体用黑色实线表示,走廊地面上有一条居中的红色实线,并且放置了标识病房号的黑色数字纸张。药房和近端病房号(1、2号)位置固定不变,而中部病房和远端病房号(3-8号)在测试时会随机设定。

工作过程

  1. 初始状态

    • 参赛者将小车手动摆放在药房处,使车头的投影位于门口区域内,并使车头面向病房。
  2. 药品装载

    • 手持数字标号纸张,由小车识别病房号。小车识别后,将约200克药品一次性装载到送药小车上。
  3. 自动送药

    • 小车在检测到药品装载完成后,自动开始运送。
    • 小车根据走廊上的标识信息自动识别病房号,并沿着标识路径寻径,将药品送到指定的病房(车头的投影位于门口区域内)。
  4. 卸药操作

    • 在病房处,点亮红色指示灯以指示药品送达。
    • 病房人员人工卸载药品后,小车会自动熄灭红色指示灯,并开始返回药房。
  5. 返回药房

    • 小车在返回药房时,确保车头的投影位于门口区域内并面向药房。
    • 返回到药房后,小车点亮绿色指示灯,表示药品送取任务完成

15734513ef7a40019aaf1b0fd2ea1b44.png

 

 3.实现原理

        手持数字标号纸张,由小车识别病房号。小车识别后,将约200克药品一次性装载到送药小车上。然后去找到这个指定的数字病房(就好像是一只小狗,我扔出去一个球,然后跑过去捡回来,哈哈哈!!!)。言归正传,我是通过根据不同的任务模式(Find_Task),执行相应的图像处理任务,例如目标模板的匹配、目标病房的寻找。

  • 图像处理与目标检测

    • 通过摄像头获取图像。
    • 识别和处理图像中的特定颜色块和模板。
    • 根据识别的结果计算偏转角度,控制系统的运动方向。
    • 检测十字路口并发送信号。
  • 串口通信

    • 通过串口与其他设备进行数据传输,例如发送转向角度或其他控制指令。
  • 任务模式处理

    • 根据不同的任务模式(Find_Task),执行相应的图像处理任务,例如目标模板的匹配。
  • 巡线功能

    • 实现对图像中预定义路径的跟踪。

主要功能模块

  1. UartReceiveDate() 函数

    • 处理串口数据接收。
    • 解析串口接收到的数据,并根据数据执行不同的操作(如检测十字路口)。
  2. FirstFindTemplate(template)FindTemplate(template) 函数

    • 这些函数用于查找特定的模板图像并返回匹配结果。
    • 模板匹配是图像识别中的一种常见技术,通过对比预定义的模板图像与当前图像中的区域来确定匹配程度。
  3. xunji() 函数

    • 执行巡线功能,检测图像中的颜色块、计算偏转角度,并发送控制信号以调整方向。
    • ROI(Region of Interest)区域的定义用于限制搜索范围,提升检测效率。
  4.  FirstFindedNum() 函数

    • 识别手持的数字标号纸张,上传病房号到小车主控。

  5.FindedNum()函数

              1.在小车运动的过程中,不

OpenMV是一种基于Python编程语言的强大的开源图像处理模块,常用于子设计竞)中。OpenMV模块具备自动调整阈值的功能,这对于图像处理非常有帮助。 在图像处理中,阈值是一个非常重要的概念。它用来将灰度图像转换为二值图像,以便于后续的图像处理和分析。传统上,我们需要手动选择一个合适的阈值来进行二值化处理,但是这样的方法存在主观性,需要耗费大量时间和精力。 OpenMV在这方面提供了一种更智能的解决方案,可以自动调整阈值。它通过对图像的像素进行分析,找到合适的阈值。具体来说,OpenMV首先将图像转换为灰度图像,然后统计所有像素的灰度值,并根据灰度直方图找到最佳的阈值。这个过程是自动进行的,无需用户手动干预。 使用OpenMV进行自动调整阈值的好处是它可以提高图像处理的准确性和效率。无论输入图像的亮度和对比度如何变化,OpenMV都能自动调整阈值,确保最佳的二值化效果。这样,我们就可以在中更加专注于其他更复杂和重要的任务,而无需花费过多时间和精力在阈值的选择上。 总之,OpenMV的自动调整阈值功能是中非常实用的功能。它可以提高图像处理的准确性和效率,减轻了用户的负担,使图像处理过程更加智能化和高效化。使用OpenMV模块,我们可以更加专注于的其他任务,提高竞的效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值