stm8s103 + TM1812做的自行车轮POV【原理图+取模教程】

发布时间:2012-02-7 阅读量:5677 来源: 我爱方案网 作者:

中心议题:
    *  stm8s103 + TM1812做的自行车轮POV


实物图如下,设计很不完善,很多失误,所以板子做出来一方面尺寸有问题,另外飞了N条线。





下面这个是应该达到的效果




 


下面这个是原理图:






用stm8s的高速IO的时候一定要注意上拉。

下面这个是取模软件:
风火轮全彩取模0.1版
http://www.52solution.com/data/datainfo/id/6154

 


下面是一个取模的范例:

% test_led_wheel
% for your reference

ri    = 0.1;

div_p = 128;
% div_p = 256;

div_r = 24;
% div_r = 36;

bit   = 4;

% read RGB from img
img_w = size(img, 2);
img_h = size(img, 1);
img_cx = round(img_w / 2 - 1);
img_cy = round(img_h / 2 - 1);
img_r  = min(img_cx, img_cy);


figure;
  hold on;
  axis equal;
  whitebg('k');
  xlim([-1.1, 1.1]);
  ylim([-1.1, 1.1]);

for i=1:div_p
%     plot([ri*cos(2*pi*i/div_p), cos(2*pi*i/div_p)], ...
%          [ri*sin(2*pi*i/div_p), sin(2*pi*i/div_p)]);
    for j=1:div_r
        pr = ((1-ri)/(div_r-1)*(j-1)+ri);
        px1 = cos(2*pi*(i-1)/div_p);
        px2 = cos(2*pi*(i)/div_p);
        py1 = sin(2*pi*(i-1)/div_p);
        py2 = sin(2*pi*(i)/div_p);
%         pc  = [i/div_p,j/div_r,(2-i/div_p-j/div_r)/2];
        ix = min(round(img_cx + img_r*px1*pr)+1, img_w);
        iy = min(round(img_cy + img_r*py1*pr)+1, img_h);
        icr = img(iy, ix, 1);
        icg = img(iy, ix, 2);
        icb = img(iy, ix, 3);
        pc = single([icr, icg, icb]/2^(8-bit)) * 2^(8-bit) / 256;

        plot( pr * px1, -pr * py1,  '.', ...
              'MarkerEdgeColor', pc );
    end;
end;

% byte = div_r * div_p * bit / 8
% dw   = 0.7; % m
% v    = 40;  % km/h
% n    = v/3.6/dw/pi % rps
% dt   = 1/n/div_p * 1000 % ms

效果图:



 


程序解读:

运行程序之前,需要先用matlab导入一张图像,将其点阵数据保存成变量img。
导入可以用imtool命令打开图像工具箱然后导入,也可以在matlab主菜单中import data那里



开头,

ri    = 0.1;
指定环内径比例(按外径ro=1,比如外径330mm那么内径330×0.1=33mm)

div_p = 128;
是设定自行车轮转一周要刷新的次数,或者说圆周分辨率。

div_r = 24;
是半径上面布置的LED数量。或者说半径分辨率。


bit   = 4;
是每个点的数据位数。bit有效取值:1~8

img_w = size(img, 2);
img_h = size(img, 1);
img_cx = round(img_w / 2 - 1);
img_cy = round(img_h / 2 - 1);
img_r  = min(img_cx, img_cy);
获得图像的宽、高、中心坐标、有效半径

两个循环里面,
        pr = ((1-ri)/(div_r-1)*(j-1)+ri);
        px1 = cos(2*pi*(i-1)/div_p);
        px2 = cos(2*pi*(i)/div_p);
        py1 = sin(2*pi*(i-1)/div_p);
        py2 = sin(2*pi*(i)/div_p);
将圆坐标转换成平面直角坐标


        ix = min(round(img_cx + img_r*px1*pr)+1, img_w);
        iy = min(round(img_cy + img_r*py1*pr)+1, img_h);
取对应点图上的坐标


        icr = img(iy, ix, 1);
        icg = img(iy, ix, 2);
        icb = img(iy, ix, 3);
取图片对应点的颜色,r、g、b分量

        pc = single([icr, icg, icb]/2^(8-bit)) * 2^(8-bit) / 256;
转换成matlab的颜色空间(r、g、b都在0~1之间)

plot画图

如果有网友想得到灰色图像,那么

在进入循环之前加上
img = rgb2gray(img);

然后把
        icr = img(iy, ix, 1);
        icg = img(iy, ix, 2);
        icb = img(iy, ix, 3);
        pc = single([icr, icg, icb]/2^(8-bit)) * 2^(8-bit) / 256;
改成
        ic = img(iy, ix, 1);
        pc = single([ic, ic, ic]/2^(8-bit)) * 2^(8-bit) / 256;
就行了
相关资讯
BLDC电机技术的未来发展趋势分析

BLDC电机技术演进正朝着更高性能、更智能化、更集成化和可持续的方向快速发展

BLDC直流无刷电机在智能家居场景中的应用解析

BLDC电机凭借其皆能、静音和智能化控制方面的优势广泛应用于各类家电产品中

BLDC无刷电机的技术优势与应用:驱动未来智能工业的核心动力

本文将系统性地剖析BLDC无刷电机的技术原理、核心优势,并深入探讨其在关键行业中的应用场景与未来发展趋势

盘点在高精度运动控制场景实现应用的国产MCU

高精度运动控制领域对MCU的要求极为严苛:需要高性能内核、高精度定时器/PWM、高速高分辨率ADC、丰富的通信接口以及强大的实时处理能力

国产MCU在其他机器人系统的应用场景盘点

国产高性能MCU在机器人技术中的应用已远不止关节控制,其凭借高集成度、低功耗、强实时性及不断攀升的算力,正全面渗透至机器人系统关键场景