本题的任务要求，简单总结为以下内容：

1）红色激光具有自动复位至屏幕中心点的功能；

2）红色激光在30秒内可以沿着屏幕边线顺时钟移动一周；

3）红色激光具有循迹的功能，使用黑色胶带自制A4纸大小的长方形，红色激光可以在规定时间内，沿胶带顺时针移动一周；同时，任意移动A4纸的位置，红色激光都可以沿胶带顺时针移动一周；

4）发挥部分的第一个任务就是要求绿激光能够在2s之内，迅速追踪到红激光，两个光斑距离小于3cm；第二个任务是重复（3），然后绿激光可以在2s内追踪到红色激光。

两套控制系统硬件构成

因此，E题是要有两套控制系统的。红色激光控制系统和绿色激光的控制系统框图如下：

从上图来看红色与绿色激光方案，STM32下位机是基本一样的方案，使用的也都是1080P 30FPS的摄像头，不同的是Linux系统上位机的主控，其中红色激光采用的是Jetson Nano，绿色激光则用的是树莓派4B。

控制系统级视觉程序识别框图

红色激光控制系统视觉程序识别程序框图：

红色激光控制系统重点视觉识别算法框图：

红色激光控制系统重点视觉识别算法框图：

红色&绿色激光控制系统，STM32程序框图：

任务演示效果

任务指标完成情况：

难点及解决方案

设计过程，关于激光点的识别，我觉得应该是竞赛中最难的一环。首先激光并不是我们肉眼看到的那种纯色的圆点，它在摄像头的视角中是另一种状态。首先由于高强度的光照，激光点是接近于白色的。激光点周围的区域反而会呈现出激光的颜色。其次，激光打在白色屏幕和黑色靶纸上也是有很大区别的，甚至在光滑和粗糙的电工胶带上，以一定的倾斜角去观察也有差异。然后，比赛和测评场地的光照条件也是不同的，这对激光识别算法的抗干扰性能提出了很高的要求。最后再加上发挥指标中绿色激光对红色激光的干扰，这使激光点的识别成为了艰巨的任务。

我们花了两三天时间去优化激光的识别，为了求稳做了很多道保险。首先我们从摄像头的参数入手，优化摄像头伽马、亮度、色调等，特别是曝光时间。低曝光时间可以让激光点相对于黑暗背景的对比十分明显，考虑到还需要识别矩形靶纸，曝光时间应该调整到一个合适的值，才既能识别靶纸，又能识别激光。

其次，我们使用两道保险来寻找激光点，同时兼顾激光点识别的精准度和鲁棒性。画面经过HSV二值化后，激光点在白色背景上是一个环状区域，在黑色背景上是点状区域。我们会优先寻找最大的环状区域，取内轮廓的中心作为激光点的坐标。如果没有环状区域的话我们会选择最大的色块中心作为激光中心。

关于环境光照的问题，我们在程序中创建了许多滑条。调整滑条的值可以方便地调整我们的HSV阈值，所以我们可以根据环境光照，一边观察二值化后的图像一边快速现场调整阈值。

最后，关于红绿激光互相干扰的问题，我们使用了一个取巧的方法。我们将绿色激光系统的摄像头固定在了云台上，这样激光和云台就是同步转动的。绿色激光系统只需要追踪红色激光，保持红色激光在画面中心就可以自动将绿色激光对准红色激光。然后我们将绿色激光调细，调暗，最大可能降低绿色激光对红色激光的干扰。

关键问题FQA

Q1：为什么使用无刷云台电机而不是舵机？

无刷云台电机响应速度快，精度高，下限高。我们之前有使用无刷云台电机和舵机的经验，相比之下选择云台电机，对我们来说是一个比较保险的选择。使用舵机也是可行的，但是必须是高精度的舵机。据我所知，很多组使用的高精度舵机价格和云台电机也差不多，这两种方案都是可行的。

Q2：为什么使用Jetson Nano 和 树莓派4B而不是更为常见的K210和QpenMV？

我们都有使用上述模块的经验。因为我熟悉opencv的语法，所以最后选择了Jetson Nano和树莓派4B。

Q3：是不是说这道题用无刷云台电机和linux平台才能做好？是否提高了电赛控制题资金上的门槛？

我们选择高成本方案是从我们队伍的实际情况出发做出的选择。我们队成员在今后本科生涯中仅有这一次国赛机会，我们必须尽可能排除资金问题对方案效果带来的不确定性，尽可能减少意外的发生。有很多队伍使用舵机，k210和PpenMV等低成本方案也拿到了很好的成绩。总的来说，适合自己的才是最好的，方案选择就像八仙过海，是一个见仁见智的问题。

完整资料可进群免费领取！！！

嵌入式物联网的学习之路非常漫长，不少人因为学习路线不对或者学习内容不够专业而错失高薪offer。不过别担心，我为大家整理了一份150多G的学习资源，基本上涵盖了嵌入式物联网学习的所有内容。点击下方链接，0元领取学习资源，让你的学习之路更加顺畅！记得点赞、关注、收藏、转发哦！

点击这里找小助理0元领取：扫码进群领资料