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:5554 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
村田BLM15VM系列量产在即:车规级磁珠解决高频通信干扰难题

在智能驾驶飞速发展的时代,5.9GHz频段的C-V2X(蜂窝车联网)和5.8GHz频段的DSRC(专用短程通信)已成为车辆与环境交互的关键神经。然而,GHz频段内日趋复杂的电磁环境却为通信灵敏度与可靠性带来严峻挑战。传统噪声抑制元件在应对高频宽范围干扰时力不从心,高性能宽频噪声解决方案成为行业急需突破的技术瓶颈。村田制作所(Murata)以其深厚的材料技术积淀和创新设计,适时推出了革命性的片状铁氧体磁珠——BLM15VM系列,直击高频车联网通信的核心痛点。

微软战略转型:裁员重组与800亿美元AI投资的双轨并行

据彭博社6月20日报道,微软计划于今年7月启动大规模组织结构调整,预计裁员数千人,主要集中在全球销售与客户服务部门。此举引发行业对科技巨头战略重心迁移的高度关注,尤其引人瞩目的是其裁员节省的资金流向——微软官方确认将在新财年向人工智能基础设施领域投入约800亿美元。

Microchip新一代DSC破解高精度实时控制难题,赋能AI电源与电机系统

在AI服务器爆发式增长、新能源系统复杂度飙升的产业背景下,传统控制芯片正面临三重挑战:碳化硅/氮化镓器件的高频开关控制需求、功能安全标准升级、以及机器学习边缘部署的实时性要求。Microchip最新推出的dsPIC33AK512MPS512与dsPIC33AK512MC510数字信号控制器(DSC),通过78ps PWM分辨率与40Msps ADC采样率的核心突破,为高精度实时控制树立了新基准。

全球扫地机器人市场迎开门红 中国品牌领跑优势持续扩大

根据权威机构IDC最新发布的《全球智能家居设备季度追踪报告》,2025年第一季度全球智能扫地机器人市场迎来强劲开局,总交付量达到509.6万台,较去年同期增长11.9%,连续第二个季度实现超过20%的增长率。市场活力显著提升,展现出强劲复苏势头。

汽车电子革新:TDK高集成PoC电感破解ADAS空间与成本困局

随着ADAS渗透率突破50%(据Yole 2023数据),车载传感器供电与数据传输架构面临革命性变革。传统双线分立设计(电源线+信号线)导致线束占整车重量超3%,且故障率居高不下。TDK株式会社推出的ADL8030VA系列PoC专用电感器,通过单元件高集成方案重构滤波电路,为智能驾驶系统提供空间与可靠性双重优化路径。