《2021 电赛 F 题视觉教程+代码免费开源》 本文主要针对2021年电子竞赛(F题)中的视觉技术进行详细讲解，并提供了相关的代码资源。该教程聚焦于K210芯片和OpenMV的数字识别与红线循迹功能，旨在帮助参赛者理解和应用这些技术。 1. K210 数字识别、滤噪、判断 在K210芯片上实现数字识别是一个关键环节。为了克服数字不能完全进入视野、帧误识等问题，需要进行滤噪处理。这通常涉及到对识别结果的算法优化，例如使用YOLOV5神经网络模型进行训练。YOLOV5是一种实时目标检测系统，能高效地处理图像中的目标。训练集由3403张赛道数字照片组成，利用labelimg工具进行标注，生成的数据集用于训练得到.pt模型。之后，需要将.pt模型转换为K210板支持的.kmodel模型。 K210的操作步骤包括： 1. 下载Maixpy IDE (https://www.sipeed.com/index.html) 2. 更新固件库，参照官方教程(https://wiki.sipeed.com/soft/maixpy/zh/get_started/upgrade_maixpy_firmware.html) 3. 把文件拷贝至TF卡，格式化为FAT32 4. 在IDE中查看效果 5. 使用串口调试助手（波特率115200）测试指令通信 1. OPENMV 红线循迹 OpenMV用于实现小车的红线循迹功能。在处理过程中，要考虑到小车行驶中可能出现的各种场景，如数字识别、滤波处理等。上位机负责识别和滤波，然后将指令发送给下位机执行。例如，识别到数字12后，后续不再发送指令；识别到34，则在路口发送“l”或“r”；而5678号病房则需在两个路口分别发送转向指令。 代码部分提供了详细注释，帮助理解每一步操作。在Maixpy IDE中，由于Python的numpy和pandas库无法直接调用，需要找到替代方法或者对现有代码进行调整。 通过本教程，参赛者不仅能学习到K210和OpenMV在数字识别和红线循迹中的应用，还能掌握神经网络模型训练、数据集制作、模型转换以及嵌入式系统的调试技巧，为电子竞赛做好充分准备。这个免费开源的资源为参赛团队提供了宝贵的实践经验和参考代码，有助于提升项目的完成度和竞争力。

2021年电子设计竞赛F题所涉及的送药小车项目，是一个结合了电子工程、自动化控制、机电一体化以及计算机编程等多方面知识的综合性设计任务。该竞赛旨在通过设计和制作一款能够在特定环境下自动导航并完成送药任务的小车，来考察参赛者的综合运用知识和解决实际问题的能力。 从文件名称“2021-F-drug_car-master”可以看出，该压缩包包含的文件可能是项目的主要代码库，其中“master”一词暗示了这是主版本或主分支代码。送药小车项目的软件部分通常包括以下几个关键技术点： 1. 导航系统：送药小车需要在复杂环境下实现自主导航，这通常需要使用到传感器数据融合技术，例如利用超声波、红外、激光或摄像头等传感器获取环境信息，并结合算法（如SLAM，即Simultaneous Localization and Mapping技术）进行实时定位和地图构建。 2. 控制算法：小车的移动需要精确控制，这涉及到动力学模型、路径规划以及运动控制算法的实现。需要设计出合理的驱动策略，确保小车可以准确、稳定地沿着规划路径行驶，并且在遇到障碍物时能够及时做出调整。 3. 硬件设计：送药小车的硬件设计包括车体结构、驱动电机以及电源管理等方面。设计时需要考虑到小车的承载能力、稳定性、移动速度等因素，以及电池容量、供电方式等电源管理问题。 4. 用户界面：为了便于操作者监控和控制送药小车的运行状态，需要设计一个用户友好的操作界面。这通常包括状态显示、路径规划显示、控制按钮等功能。 5. 系统集成：将上述各个部分集成到一起，形成一个完整的系统，需要考虑软件和硬件的兼容性、数据同步、错误处理等问题。 在电子设计竞赛中，除了技术实现外，参赛者还需要编写项目报告和设计演示，以此来展示他们的设计理念、系统设计过程、测试结果以及项目的优势与不足。在设计送药小车的过程中，参赛者不仅要关注技术细节，还需要注意创新点的挖掘，以及如何在有限的资源和时间内高效地完成项目。 同时，考虑到药物配送这一应用场景，送药小车的设计还要充分考虑到实际使用中的安全性和可靠性，比如在运送药物时如何防止药物破损，如何确保小车在各种天气和地形条件下的稳定性等问题。 2021年电子设计竞赛F题送药小车项目是一个综合性强、涉及技术面广的题目，能够很好地锻炼和考察参赛者的工程实践能力和创新能力。

软件架构 基于rt1064单片机编写的框架 基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的框架基于rt1064单片机编写的

2021电赛f题-智能送药小车

复现2021G题植保飞行器openmv代码

摘要本系统选用 TI 公司生产的 MSP432P401R 芯片作为主控芯片，设计了主要包含信号预处理电路、供电电路和蓝牙模块的信号失真度测量装置。信号预处理电路

2021电赛F题数字识别openmv代码

只模拟实现了基础123问

openmv非4plus跑不了神经网络，故最好使用模板匹配亦或者特征点识别来进行识别数字，但特征点识别是使用灰度图，很可能与数字造成误识别，故准确性较低，使用模板匹配识别数字。

2021电赛F题openmv数字识别附带视频以及模板图片rar