电赛国奖作品：F题智能送药小车开发详解

资源摘要信息:"21年电赛F题（送药小车）国奖代码" 知识点详细说明： 1. MM32F3277主控芯片： MM32F3277是国产兆易创新(GigaDevice)公司生产的一款高性能的32位MCU，基于ARM® Cortex®-M4内核。该芯片具有丰富的外设接口、高速的处理能力和优良的能耗表现，广泛应用于需要高性能和复杂控制算法的场合。在本项目中，MM32F3277用作智能送药小车的主控制器，负责处理灰度图像数据、执行PID控制算法和处理无线通信数据。 2. MT9V034灰度摄像头： MT9V034是由Aptina公司生产的一款低功耗的VGA分辨率灰度摄像头模块。其具有较好的图像采集和处理能力，适用于图像采集需求不高但对速度有一定要求的场景。在本项目中，MT9V034摄像头被用于采集送药小车行驶路径上的图像，为灰度图像处理和边缘跟随算法提供数据来源。 3. 灰度图像处理与边缘跟随算法： 灰度图像处理是指将彩色图像转换为灰度图像，降低处理复杂度。边缘跟随算法是一种常用于路径识别的算法，通过识别图像中的边缘（本案例中为红色中线），实现对送药小车的自动循迹。该算法结合了图像处理技术，能够较准确地判断小车应当保持的行驶路径。 4. 串级PID控制： PID控制是一种常见的反馈控制算法，它由比例（Proportion）、积分（Integral）、微分（Derivative）三个环节组成，用于实现对控制对象的精确控制。在本项目中，串级PID算法用于实现小车转向的精确控制，主要基于采集到的陀螺仪转向轴信息进行实时调整。 5. TensorFlow Lite与OpenART摄像头模块： TensorFlow Lite是谷歌开发的一个轻量级机器学习框架，它针对移动和嵌入式设备进行了优化。OpenART摄像头模块支持运行TensorFlow Lite，使得送药小车能够利用部署了卷积神经网络(CNN)的小型模型进行图像识别。在本项目中，通过识别放置在路口的数字，小车能够判断需要到达的具体病房位置。 6. 无线串口通信： 无线串口通信是通过无线电波进行数据传输的一种通信方式。在本项目中，两辆送药小车之间通过无线串口模块进行通信，实现了协同送药的功能。这要求两辆小车能够相互通信，协调工作以提高送药的效率和准确性。 7. 硬件组成： - 集成单片机最小系统板和传感器的线性稳压电路：提供稳定的电源供应，保证硬件设备正常工作。 - 双电机驱动电路：用于驱动小车的两个轮子，实现前进、后退和转向控制。 - 各种传感器接口的自制主板：为摄像头、陀螺仪等传感器提供必要的接口和控制逻辑。 - 编码器：用于实时监测车轮转动，反馈速度和距离信息给单片机。 - icm20602六轴陀螺仪加速度计模块：提供精确的加速度和角速度数据，用于动态调整小车的姿态。 - 红外线对管模块：用于检测小车与物体的接近程度，实现避障功能。 8. 程序调试： 反复实地调试是项目成功的关键。对硬件设备进行系统集成，并对软件代码进行实际测试和调整，以确保小车在各种复杂条件下均能准确完成送药任务。 通过综合应用以上知识点，参赛者成功制作出了能够准确识别路径、自动送药到指定病房并且能够与其他小车协同工作的智能送药小车，并因此获得了电赛国奖。