电赛解析| 超简单且很“穷”的方案，但国一到手啰～（E题国一）

首页-达尔闻 ꄲ 全部 ꄲ 电赛解析| 超简单且很“穷”的方案，但国一到手啰～（E题国一）

2023电赛解析

2023电赛告一段落，达尔闻邀请了多组国一参赛队伍分享解析他们的方案，将会在达尔闻说微信公众号和达尔闻B站陆续上线，敬请关注！下拉文末，即可查看所有电赛方案汇总。

今天要分享的是E题方案解析，来自浙江科技学院的李源鹏、楼建呈、乐宇超，恭喜他们取得了国一的成绩，并把代码分享出来，感兴趣的同学在“达尔闻说”微信回复：最简单的E题。

以下是视频主要文字内容：

最简单的E题，到底有多简单呢？且看：

# 运动目标控制系统

我们实验室是做智能车的，没有专门的采购相关材料。幸运的是经过一番探索，我们还是找到了足够的料，组成了运动目标控制系统V1：

显然这套系统太精简了，想驾驭起来比较困难。这有几个印象较深的问题：

问题1：单个舵机的瞬时电流能上2A。解决方案：模块独立供电。

问题2：舵机快速运动后急停，纸板会发生形变导致激光抖动。解决方案：让舵机慢慢转，寻找更好的云台支架材料。

问题3：OpenMV控制舵机的信号精度低，舵机的精度也低。解决方案：额外引入MCU来控制舵机，换更好的舵机。（最开始采用的是9克舵机，精度一言难尽。后来拆了实验室里最贵的舵机才解决问题，实际上如果时间够的话通过齿轮组或者自己做舵机主控也可能解决问题）

问题4：红激光不够亮且来不及买了。解决方案：稍稍超点压，选择相信万能的软件选手。

问题5：软件选手反映OpenMV不太好使。解决方案：绿激光考虑用OpenCV。

运动目标控制系统V2：

软件系统框图：

运动目标控制系统软件遇到的困难：

难点1：检测黑色外边框

解决方案：采用浮雕卷积核以增强细边框特征的方法，以克服此困难。

难点2：旋转的边框导致角点顺序不一致

解决方案：我们通过重新排序角点的算法来解决这一问题。通过建立一个直角坐标系，以矩形中心为参考点，根据象限将角点排序，以确保正确的角点顺序。

难点3：提高红色激光识别位置精准度

解决方案：为提高位置精准度，我们采用了多次检测的方法来去除奇异值，并对非奇异值进行期望计算。

难点4：红色激光在黑色胶带上检测不到

解决方案：为应对这一挑战，我们采取了两个策略。首先，我们增加了红色激光的功率。其次，我们对红色激光进行了二值化处理，选择白色区域，并进行一次膨胀操作，以增强特征。

难点5：舵机移动不够精细

解决方案：为提高舵机的精度，我们采用了三种方法。首先，我们考虑更换更为高精度的舵机。其次，我们微调了舵机PWM信号，以提高其控制精度。最后，我们采用ROI区域作为最大区域，对坐标进行了归一化，以进一步改进移动的精细度。

难点6：寻找粗黑色胶带边框的中线

解决方案：我们的解决方法包括以下步骤。首先，我们检测所有的边框，包括内边框和外边框。然后，在对角线上统计黑色像素的数量，以确定边框是内边框还是外边框。接着，我们选择内或外边框，并在对角线方向上进行挤压或扩展操作，将对角线距离分解为水平和垂直矢量。

难点7：水平舵机和垂直舵机不同，导致控制效果差异

解决方案：为应对水平舵机和垂直舵机的不同控制需求，我们采用了独立的PID控制器，以确保各自的控制效果得到最优化。

难点8：边框仅有四个点，摄像头存在畸变，移动可能偏离轨迹

解决方案：为解决畸变和移动偏离轨迹的问题，我们采用了DDA算法进行插值，每次移动一小步，以保证精确跟踪边框的轨迹。

# 自动追踪系统

硬件：

自动追踪系统的软件：

当我们搭完硬件后，时间只剩2天1夜了，软件选手仍和Bug进行着激烈的斗争。于是硬件选手申请加入战场，经分析难点有3个：找红点、声光提示以及调参。

万能的互联网告诉我变换一下色域，就能找到红色的目标，但不管怎么调都无法保证只保留住红激光的斑点，背景的干扰无法完全去除。但是我们能发现规律：在白色屏幕上红色的目标一般只有一坨，但红色的目标在背景上就很随机了，可白色屏幕和背景间有一定距离，也就是说只要我门一直跟着红点，红点的位置可以一直认为是摄像头传回图像的中心最近的一坨红色目标的中点。

接下来是声光提示部分，判断红点距摄像头传回图像中心的距离是可行且最直接的想法。就有个问题，红色激光不够亮，当红色激光和绿色激光重合时，它既不属于红色也不属于绿色。虽然我们可以通过故意摆歪激光和摄像头的相对位置来降低这个重合的概率，但这个问题还是存在的。但是我们可以检测绿激光，当没检测到绿激光时，我们也可以认为是跟踪上了。至于误判，已知绿激光大概在中心的位置，所以我们在中心的一小块区域，检测有没有绿色目标就可以大幅降低误判的概率。