邴星雪个人贴

xxxxxx

今日小结：学完了openmv的颜色形状同时识别，正在看串口，学习pid
问题：速度控制感觉可以自己写出来，在弄位置控制，感觉能理解原理和语句含义，但对如何自己写出程序仍有一定迷茫
明日计划：弄完pid 然后学openmv

xxxxxx

今日小结
弄完了pid 在弄数字识别
问题
正在学习训练软件
计划
实现数字识别及openmv与32的串口通讯，若完成则继续向下推

xxxxxx

今日小结
学习了帧头帧尾的编写思路
继续串口 学习了3dmax
问题
在串口中的传输因为数据结构不同出现一定问题已经解决
明日计划，继续串口，思考循迹及路口识别

gaohaikuo1

好，加油

xxxxxx

今日小结
完成了轮
问题
写的openmv代码有问题，打算明天问
明日计划
结束循迹小车

gaohaikuo1

好，调试程序的能力不是一时半会能上去的， 先完成功能

xxxxxx

今日总结
完成小车循迹，明天调试
问题
常见问题，试着明天调试解决
明日计划
调试小车，完成下一步模块实现

gaohaikuo1

好，小车跑起来成功了第一步

gaohaikuo1

虚拟驾驶系统主要技术部分由两部分组成
1. 3d显示系统-偏软件
1.1 学习python基本操作http://eli-home.top/python_install.php，按这个教程走一遍
1.2 学习用python绘制基本图形，我已经实现了参照http://eli-home.top/discuz/forum ... mp;highlight=python
1.3 学习坐标转换，这个原理我都写了，代码写了一部分也在http://eli-home.top/discuz/forum ... mp;highlight=python这里面

2. 人机交互系统-偏硬件
2.1图像识别
颜色识别等
2.2硬件交互
手持式的交互设备开发、脚底触摸式的硬件设备开发（类似于跳舞毯

xxxxxx

1. import numpy as np
   
2. 
   
3. class coordinatetransfer:
   
4. 
   
5.     #first point
   
6.     def getRFromPoints(self,points_old,points_new):
   
7. 
   
8.         #get lambda
   
9.         part_upper = np.sqrt(np.sum((points_new[1] - points_new[0]) ** 2))
   
10.         part_down = np.sqrt(np.sum((points_old[1] - points_old[0]) ** 2))
    
11.         lamda = part_upper / part_down
    
12. 
    
13.         #get A
    
14.         points_dif_old = points_old[1:-1] - points_old[0]
    
15.         points_dif_new = points_new[1:-1] - points_new[0]
    
16.         A = np.empty((0, 3))
    
17.         for n in range(points_dif_old.shape()[0]):
    
18.             A = np.append(A, [[0, -lamda *points_dif_old[n][2] - points_dif_new[n][2],
    
19.                                -lamda *points_dif_old[n][1] - points_dif_new[n][1]]
    
20.                             , [-lamda * points_dif_old[n][2] - points_dif_new[n][2], 0,
    
21.                                -lamda * points_dif_old[n][0] - points_dif_new[n][0]]
    
22.                             ,[-lamda * points_dif_old[n][1] - points_dif_new[n][1],
    
23.                               -lamda * points_dif_old[n][0] - points_dif_new[n][0], 0]]
    
24.                           ,axis = 0)
    
25.             print (A)
    
26.         #get L
    
27.         points_dif_old = points_old[1:-1] - points_old[0]
    
28.         points_dif_new = points_new[1:-1] - points_new[0]
    
29.         L = np.empty((0, 3))
    
30.         for n in range(points_dif_old.shape()[0]):
    
31.             L = np.append( [L, points_dif_new[n][0]-lamda * points_dif_old[n][0]
    
32.                                ,points_dif_new[n][1]-lamda * points_dif_old[n][1]
    
33.                                ,points_dif_new[n][2] - lamda * points_dif_old[n][2]])
    
34.         L=L.T
    
35.         print(L)
    
36. 
    
37.         #get x
    
38.         X=np.linalg.inv(A.T*A)*A.T*L
    
39.         print(X)
    
40.         X1=X.T
    
41.         a = X[0]
    
42.         b = X[1]
    
43.         c = X[2]
    
44. 
    
45.         #get R
    
46.         x1=1+a*a+b*b+c*c
    
47.         x2=np.array([[1+a*a-b*b-c*c,-2*c-2*a*b,-2*b+2*a*c],
    
48.                      [2*c-2*a*b,1-a*a+b*b-c*c,-2*a-2*b*c],
    
49.                      [2*b+2*a*c,2*a-2*b*c,1-a*a-b*b+c*c]])
    
50.         R=1/x1*x2
    
51.         print(R)
    
52. 
    
53.         return R,lamda
    

复制代码