在输入端进行图像绘制或文字输入，系统对路径进行追踪和捕获，并依据捕获到的路径，通过自动化机械结构，在不同物体表面上进行绘制。

原理：可以对文字和图片的边缘特征或路径进行提取，并且把提取的特征数据发送给单片机，配合电脑端的软件可以对各种图片进行操作，并完成绘制的一款综合学生所学知识的学习平台模块。

**设计硬件：**STM32 单片机，OpenCV 视觉模块，OV7725 摄像头模块，舵机模块和绘制系统。

**PS：**绘制系统是由两块 17HS4401S 驱动电机和履带组成的十字结构

**工作流程：**通过 OV7725 摄像头获取图片信息，然后通过 OpenCV 视觉模块对文字和图片的边缘特征进行提取，并把图片边缘数据转换成 G 代码并发送给单片机，利用单片机来达到半自动的效果，最后通过绘制系统将得到的信息绘制出来。

                     图1. 智能芯片示意图

**硬件：**Python 的 OpenCV 库来分析文字和图片信息。

例如：51 单片机（信息处理的能力和计算速度较差），MSP430（功率较少，信息数据处理特性也很强，其晶片设计造价生产成本太高、研制复杂度较高），较高性价比高性能的 STM32 单片机为智能绘制系统实验平台设计的下位机芯片。OV7725 摄像头模块用来采集图片信息，SG90 舵机来控制抬笔和落笔，驱动电机选择 17HS4401S，17HS4401S 是一款 42 步进电机性能稳定、转速均匀、高响应、高精确度。

**软件：**系统的软件设计由上位机和下位机两部分组成。上位机（PC 端）的软件设计人员使用 Python实现编程，借助 Python 调用的数据库和算法库能够比较容易进行特征点辨识。下位机（STM32）软件设计主要实现接收上位机传来的运动指令，并将指令转化为实际的操作

                               图2. 进程图

功能：

• 图片数据的输入和处理，把录入的图片先转换为灰度图，然后对灰度图利用 OpenCV库进行边缘检测来实现提取边缘的功能。程序预处理过程中，提出将 G 代码程序在 PC 端先行预处理的方法，通过 PC 端预处理可以得到更优化的计算结果。
• 将提取边缘之后的边缘图进行处理，将图片中的边缘转化为 G 代码并将 G 代码发送给单片机。
• 在接收到 G 代码以后，单片机翻译 G代码，把路径起始坐标以及路径轨迹转换为步进电机所走的步数，分别控制两个步进电机的运行，以及舵机的旋转。

系统

上机位&下机位系统

• 下机位软件系统

                                图3. 智能芯片示意图

• 上机位软件系统（Python 中的 OpenCV 库和Numpy 库）：路径或图片的边缘提取，其中包括获取、转为灰度图、滤波处理、边缘提取。