步兵云台+底盘程序

1.软件功能：

• 控制云台及底盘的运动。
• 利用mpu6050原始数据实现惯性导航。
• 根据视觉数据预测目标运动情况。
• 麦克纳姆轮运动解算。

2. 软件效果展示：

视频见video文件。
预判数据：

3. 依赖环境:

win10,keil5

4. 编译安装方式:

利用keil5自带编译工具进行程序编译及下载。

5. 文件目录结构：

.
|-- LICENSE
|-- README.md
|-- image        //数据图片
|-- video        //软件效果
|-- gimbal       //云台程序
|  |-- APP       //应用
|  |-- APP-dirver   //应用驱动
|  |-- BSP       //对MX生成的初始化程序再次封装
|  |-- Drivers
|  |-- Inc
|  |-- MDK-ARM
|  |-- Middlewares
|  |-- TASK      //freeRtos任务
|  |-- Src
|  |-- Middlewares
|-- chassis       //底盘程序，结构与云台相同

6. 软件与硬件的系统框图及流程图：

7. 原理介绍与理论分析：　　

自瞄预判原理:
  已知摄像头与目标角度偏差：yaw，pitch，与自身的实际角度相加获得目标的绝对角度用x，y代替。
以x轴为例：
  设目标相对于车的角速度为v，角加速度为a，预判的角度为Px，初始值都为0。程序运行周期为t。
利用公式 Px=Px + vt +0.5at² 计算出预判的角度，与实际的x相比较然后更新v和a,下一个程序周期到来时重复上面步骤，最后Px和x的误差将会越来越小。说明v和a的值比较合适，也就达到了预测目标运动的角速度和角加速度的目的。
  这个方法和卡尔曼滤波的思想是相同的，只是把矩阵运算拆开了，这样写便于理解，同时可以简化代码量，便于调试，提高程序执行速度。 具体v和a的更新方法和pid比较相似，详见工程代码。

8. 软件架构：

9. 未来优化方向：

1. 提高pid的响应速度。
2. 结合视觉的距离信息做预判。
3. 简化算法，提高程序运行速度。