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:5502 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
“中国芯”逆袭时刻:新唐携7大新品打造全场景AIoT解决方案矩阵

在万物互联与智能化浪潮席卷全球的今天,新唐科技以颠覆性创新奏响行业强音。4月25日,这场历时10天、横跨七城的科技盛宴在深圳迎来高潮,以"创新驱动AI、新能源与车用科技"为主题,汇聚全球顶尖行业领袖,首次公开七大核心产品矩阵,展现从芯片设计到智能生态的全链条创新能力,为半导体产业转型升级注入新动能。

半导体先进制程技术博弈:台积电、英特尔与三星的差异化路径

在2025年北美技术研讨会上,台积电正式宣布其A14(1.4nm)工艺将于2028年量产,并明确表示无需依赖ASML最新一代High NA EUV光刻机。这一决策背后,折射出全球半导体巨头在技术路线、成本控制和市场竞争中的深层博弈。

嵌入式主板EMB-3128:轻量级边缘计算的工业级解决方案

随着AIoT技术的快速落地,智能设备对高性能、低功耗嵌入式硬件的需求持续攀升。华北工控推出的EMB-3128嵌入式主板,搭载Intel® Alder Lake-N系列及Core™ i3-N305处理器,以高能效比设计、工业级可靠性及丰富的接口配置,成为轻量级边缘AI计算的理想选择。该主板支持DDR5内存、多模态扩展接口及宽温运行环境,可广泛应用于智能家居、工业自动化、智慧零售等场景,助力产业智能化升级。

从ASMI财报看行业趋势:AI芯片需求爆发如何重塑半导体设备市场?

作为全球半导体沉积设备领域的龙头企业,荷兰ASM国际(ASMI)近日发布2024年第一季度财报,展现强劲增长动能。财报显示,公司当季新增订单额达8.34亿欧元(按固定汇率计算),同比增长14%,显著超出市场预期的8.08亿欧元。这一表现主要受益于人工智能芯片制造设备需求激增与中国市场的战略性突破,同时反映出半导体产业技术迭代与地缘经济博弈的双重影响。

车规级SerDes国产替代提速:解析纳芯微NLS9116/NLS9246技术优势与市场潜力

随着汽车智能化加速,车载摄像头、激光雷达、显示屏等传感器数量激增,数据传输带宽需求呈指数级增长。传统国际厂商基于私有协议(如TI的FPD-Link、ADI的GMSL)垄断车载SerDes市场,导致车企供应链弹性不足、成本高企。2025年4月,纳芯微电子发布基于HSMT公有协议的全链路国产化SerDes芯片组(NLS9116加串器与NLS9246解串器),通过协议解耦、性能优化与供应链自主可控,为ADAS、智能座舱等场景提供高性价比解决方案,标志着国产车规级芯片从“跟跑”迈向“并跑” 。