2025-C题国一-基于单目视觉的目标物测量装置

基于单目视觉的目标物测量装置

 

一、团队介绍

我们是由山东大学电子信息专业学生组成的参赛团队，团队成员包括：

李同学：负责电路设计、机械结构、STM32开发和视觉算法辅助

刘同学：负责视觉算法开发、STM32编程

沈同学：负责技术报告撰写、模型训练和STM32辅助开发

队伍分工明确，彼此精诚团结，在项目开发过程中克服了多个技术难题，最终完成了这个高性能的视觉测量系统。

 

二、题目要求

基本要求1-3：测量并显示三个基本目标物（正方形、等边三角形、圆形）的D（误差 ≤ 5cm）和x（误差 ≤ 1cm）。

基本要求4：实时监测供电电流I_s（误差绝对值 ≤ 5%）。

发挥部分1-2：测量并显示四个发挥目标物（单个正方形，若干面积不等、彼此分离或局部重叠的正方形组合图形，若干印有1位白色阿拉伯数字编号、面积不等的正方形组合图形）的D（误差 ≤ 2cm）和x（误差 ≤ 0.5cm）。

发挥部分3：测量并显示指定编号正方形的D（误差 ≤ 2cm）和x（误差 ≤ 0.5cm）。

发挥部分4：测量并显示旋转物面上发挥目标物的D（误差 ≤ 2cm）和x（误差 ≤ 0.5cm）。

发挥部分5：实时显示功耗P和最大功耗P_max。

 

赛题请见附件：2025年全国大学生电子设计竞赛C题-基于单目视觉的目标物测量装置.pdf

 

三、设计摘要

本系统以树莓派为图像处理核心，STM32F407VET6为主控制器，结合单目摄像头、电流检测模块与液晶显示屏，构建了一套高精度、低功耗的视觉测量系统。通过YOLOv5-Lite轻量化网络识别编号图形，结合传统图像算法处理几何图形，测距基于单目视觉模型，电流检测采用INA180放大器与ADC采样。系统响应快、精度高、功耗低，全面满足题目要求。

 

四、题目分析与理论计算

 4.1 单目视觉测距原理

基于针孔成像模型，利用相似三角形原理进行尺度换算：

D = (k × W) / w

其中D为目标距离，W为参照物实际宽度，w为图像中像素宽度，k为比例系数。

比例系数k计算公式：

k = (W * D) / w

通过标定得到k=1796.49。

 

 4.2 几何图形边长测量原理

x = (L_px × W) / w

其中x为实际边长，Lpx为图像中像素长度

 

 4.3 多正方形组合图形处理

4.3.1局部重叠情况：采用几何假设验证算法，通过识别直角点并验证中点距离

首先，提取二值图像轮廓，并获取轮廓上的所有顶点，筛选出夹角接近直角（满足）的角点作为候选。对于每对候选角点P1和P2，构建向量再以其为边生成垂直向量，从而拟合正方形其余两点：

                 

最终形成候选正方形。随后，分别计算三条边中点M23、M34和M41到原始轮廓的最短距离,若距离绝对值均小于5个像素，则判定该正方形假设有效。

4.3.2分离情况：直接通过轮廓提取和边数筛选

 

 4.4 编号正方形识别

基于YOLOv5-Lite轻量化网络，使用2000+标注图像训练，实现数字区域实时检测

 

 4.5 电流与功耗测量

P = 5V × I

采用INA180+10mΩ采样电阻+STM32 ADC实现毫安级精度测量

 

五、总体设计

系统总体设计框图：

总体设计思路：

系统采用双核架构，树莓派专注于图像处理和识别算法，STM32负责系统控制、电流检测和数据显示。两处理器通过串口通信协同工作，既保证了图像处理的计算能力，又实现了精确的电流测量和系统控制。

 

六、硬件电路组成

 6.1 核心控制器

- STM32F407VET6开发板：见立创商城，编号C22370035

- 树莓派4B：https://e.tb.cn/h.hBM3D0rMRixFd6X?tk=l2E04LjzAXw CZ193

 6.2 视觉模块

- 1200万像素摄像头模块：https://3.cn/2-oNTlr3?jkl=@LCCNg4FfatH@ MF3390

 6.3 电流检测模块

 

- INA180A3电流检测放大器：见附件BOM表

- 10mΩ高精度采样电阻：见附件BOM表

 

 6.4 电源管理

 

- XL6019E1升压模块（5V→12V）：见附件BOM表

- SP1117V33TC降压模块（5V→3.3V）：见附件BOM表

 6.5 显示模块

- 7寸LCD显示屏：https://e.tb.cn/h.hyBpJUjpBpEbHK8?tk=aQ5N4Ljvkz4 CZ057

 6.6 保护电路

- TVS防静电保护

- 自恢复保险丝

 

七、程序设计与实现

程序流程图：

 7.1 基础要求实现

- 图像采集与预处理：通过摄像头获取图像，进行灰度化、二值化处理

- 轮廓提取：使用OpenCV库提取图形轮廓

- 形状识别：基于轮廓特征识别圆形、正方形、三角形

- 距离计算：利用标定参数计算目标距离

- 电流检测：通过ADC采样计算系统功耗

 

 7.2 发挥部分实现

- 重叠正方形分离：采用直角识别和几何假设验证算法

- 编号识别：集成YOLOv5-Lite模型进行数字识别

- 倾斜校正：基于透视变换原理处理倾斜目标

- 功耗统计：实时计算并显示系统功耗和最大功耗

 

八、实物展示

见系统整体实物图

见电流检测模块特写

见屏幕显示效果

 

 

九、测试结果与分析

 9.1 基本要求测试结果

 

| 测试项目 | 测量误差 | 要求误差 | 是否达标 |

 

|---------|---------|---------|---------|

 

| 目标距离 | ≤1.2cm | ≤5cm | 是 |

 

| 图形边长 | ≤0.4cm | ≤1cm | 是 |

 

| 电流测量 | ≤3% | ≤5% | 是 |

 

 

 9.2 发挥部分测试结果

 

| 测试项目 | 测量误差 | 要求误差 | 是否达标 |

 

|---------|---------|---------|---------|

 

| 目标距离 | ≤1.0cm | ≤2cm | 是 |

 

| 正方形边长 | ≤0.4cm | ≤0.5cm | 是 |

 

| 响应时间 | <5s | <5s | 是 |

 

 

 

 

 9.3 功耗测试

 

- 平均功耗：6.59W

 

- 最大功耗：7.01W

 

- 满足题目功耗要求

 

 

十、注意事项

摄像头标定：使用前必须进行比例系数k标定，保证测距精度

电阻选型：电流采样电阻应选用低温漂、高精度型号（0.1%精度）

系统优化：树莓派需关闭图形界面以降低功耗

图像处理：设置合适的轮廓滤波阈值，避免噪声干扰

电路布局：布线时注意模拟与数字地分离，减少电流检测干扰

光照条件：避免强光直射和过度阴暗环境，保证图像质量

 

 

 

 

 十一、演示视频

 

见演示视频

 

视频内容：

系统上电启动，屏幕初始化

放置不同目标物（基本图形、重叠正方形、编号图形）

一键测量，5秒内显示距离、边长、电流、功耗

倾斜目标物的识别与测量

电流表对比验证测量精度

 

 十二、软件源码

见附件源码

 

项目结构：

 

├── stm32_code/           STM32主控程序

 

├── raspberry_pi_code/    树莓派图像处理程序

 

├── yolov5_s_new.onnx/           YOLOv5-Lite模型文件

 

├── calibration/          摄像头标定程序

 

└── documentation/        项目文档

 

 

 

 

 十三、结语

本项目成功实现了基于单目视觉的目标物测量装置，各项指标均满足甚至超过题目要求。特别在重叠正方形识别和低功耗设计方面有创新性突破。

 

最后，我们为所有使用K230、OpenMV等设备但未能取得理想结果的队伍鸣不平。技术有时候真不能填平设备落后的沟渠，愿胜者实至名归，愿所有努力都能得到应有的回报。

 

开源协议：本项目采用CC BY-NC 3.0开源协议，欢迎学习和交流。