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:5638 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
​温补晶振(TCXO)核心技术解析:8大关键参数决定系统时序精度​

在高速通信、精准导航与精密测量等尖端领域,电子系统的时序架构对时钟信号稳定性的要求已近乎苛刻——其精度如同机械钟表的游丝摆轮,微小偏差便可能引发整个系统的时序紊乱,导致数据传输错误、定位偏移或测量失准。环境温度的波动一直是普通晶振频率稳定性的最大挑战,而温补晶振(Temperature Compensated Crystal Oscillator,简称TCXO)作为高精度时钟基准的核心器件,正是为解决这一核心问题而生。它凭借内置的“感知-计算-补偿”机制,在宽温环境下实现对频率的精准锁定,将温度变化引发的漂移压制在极低水平,成为高端电子系统中不可或缺的“时序锚点”。要真正理解并选型这一精密器件,就必须深入剖析其决定性能优劣的几个重要参数。

汽车BMS技术:动力电池的“智慧守护者”,全维度解密其核心优势与应用场景

本文将深入剖析汽车级BMS的核心技术优势及其广泛的关键应用场景

工业检测为何必须用工业相机?普通相机的四大核心短板解析

工业相机是根据工业检测的特殊需求进行深度优化与强化的专业设备

贸泽开售Renesas Electronics RA8P1微控制器 为先进AI提供高CPU性能

Renesas Electronics RA8P1微控制器可提供超过7,300 CoreMarks的CPU性能,以及在500 MHz时256 GOPS的AI性能

贸泽开售适用于智能环境应用的Sensirion STCC4微型CO2传感器

Sensirion STCC4 CO2传感器采用热导传感技术,具有低电流消耗特性和I2C接口,可无缝集成到紧凑型电子设备中