树莓派Python编程实现超声波动态雷达图

超声波传感器能检测与前方障碍物间的距离，如果将它固定于360度旋转的舵机上持续采样，就能将采样获取的数据绘制成雷达图进行动态展示。

01

实验器材及连接

树莓派3B+和古德微扩展板各一块，HC-SR04超声波传感器一个，4路8线电滑环一个，360度舵机一个，红色、绿色LED灯各一支；还需要电烙铁和热熔枪各一把。

用热熔枪将滑环中央的转子底端与舵机输出转子进行固定，注意二者的中心点要尽量吻合，防止旋转时偏心。再将滑环中央转子的顶端与超声波传感器顶端固定好，也要中心对齐。接着，将滑环外围的定子圈的四根线与古德微扩展板的20和21号（共四个引脚）进行连接，红线接电源正极VCC，黑线接地GND，橙红色线接Trig信号发射端，棕色线接Echo信号回声端。滑环中央转子4根引线分别与超声波传感器的四个引脚进行对应连接（电烙铁点锡）；将舵机固定好之后，连接线插入扩展板的18号引脚，注意黑色、红色和棕黄色三根线分别与GND、VCC和信号控制D端连接；然后，将红色和绿色LED灯按照“长腿正、短腿负”的规则分别插入扩展板的5号和6号引脚；最后，给树莓派插入数据线，通电启动操作系统（如图1）。

02

Python代码编程

（1）库模块的导入与变量初始化

首先，导入GPIOZero、MatplotLib等库模块：“from gpiozero import LED,Servo,DistanceSensor”“import numpy as np”“import matplotlib”“import matplotlib.pyplot as plt”和“import time”；然后进行LED灯、舵机和超声波传感器实例的初始化操作：“Red_LED=LED(5)”“Green_LED=LED(6)”“servo=Servo(18)”

和“sensor=DistanceSensor(echo=21,trigger=20,max_distance=4)”，并且通过语句“servo.mid()”控制360度舵机以中速带动超声波传感器向一个方向开始旋转；再设置雷达图绘制画布的宽度和高度，大小分别为8和6（单位为英寸）：“plt.figure(figsize=(8,6))”；建立变量ax，赋值为“plt.subplot(111, projection='polar')”，作用是设置画图样式为“极坐标”模式（Polar）；建立变量theta，赋值为“np.arange(0,2*np.pi,2*np.pi/30)”，通过调用Numpy库中的arange()函数返回一个起点为0、终点为2Pi（360度圆周）的等差数列，固定步长为2Pi/30；语句“plt.ion()”的作用是将figure绘图设置为交互模式；建立变量data，赋值为空列表“[]”，作用是存放超声波传感器每旋转360度一周扫描后检测生成的若干个与前方障碍物的间距值（如图2）。

（2）“while True:”循环体

如果超声波传感器检测的障碍间距值在安全范围内（比如20cm），则控制绿色LED灯常亮：“Green_LED.on()”；在每次旋转360度的过程中，需要获取30个值与之前产生的等差数列30个刻度值对应：“for i in range(30):”；建立变量distance，赋值为“round(sensor.distance,4)”，获取检测到的障碍间距数据（保留4位小数），并且通过语句“print(i,distance)”进行输出监测；在“if distance<=0.2:”分支结构中，如果条件成立则亮红色LED灯、关闭绿色LED灯：“Red_LED.on()”“Green_LED.off()”，持续时间为0.01秒钟：“time.sleep(0.01)”；然后通过语句“data.append(distance)”，将数据有序追加到data列表中，再关闭红色LED灯、打开绿色LED灯：“Red_LED.off()”“Green_LED.on()”。

进入下一次循环（range），30次循环结束之后，开始绘制雷达图：语句“ax.plot(theta,data,'o--',color='g',label='data',linewidth=1)”对极坐标进行数据设置，包括30个0至360度的等差刻度值、30个超声波检测障碍间距值（data列表）、线的模式（虚线）、颜色（Green绿色）和线宽（linewidth）等；语句“ax.fill(theta,data,facecolor='g',alpha=0.15)”是对30个障碍间距值与极坐标中心点围成的封闭区域进行设置，包括填充颜色和透明度等；语句“plt.pause(0.1)”的作用是控制交互式绘图过程中数据更新的预留时间缓冲，预防出现图形不能及时刷新显示的问题；语句“plt.cla()”的作用是清除当前活动轴的数据内容（相当于清空操作），语句“plt.show()”的作用是绘制显示图像，语句“data.clear()”的作用是清除data列表中的当前数据，为下一次循环保存新数据“留空”（如图3）。

3.测试超声波动态雷达

将程序保存为Radar.py，点击“运行”按钮进行超声波动态雷达的测试。超声波传感器在舵机的带动下开始匀速旋转，程序界面中也不断有“0 0.2698”“23 0.3555”等信息出现，表示每次旋转一周所监测到的30个障碍间距值；同时，绿色LED灯亮起，如果出现有近距离的障碍物（在20cm范围内），则会亮起红色LED灯。超声波传感器每旋转一周，就会出现一个雷达极坐标图，绘制有每个点所处的二维空间位置（角度值）和距离中心的半径大小（障碍物间距值），同时在这些坐标点所包围生成的封闭区域内，雷达图是以一定透明度的绿色来展示的。随着超声波传感器的不停旋转，同时在其周围变换出现各种障碍物，整个雷达图也在不断发生变化（如图4）。

关注“壹零社”公众号下载源代码。

编辑｜张毅

审核｜吴新

爆料联系：cpcfan1874（微信）

壹零社：用图文、视频记录科技互联网新鲜事、电商生活、云计算、ICT领域、消费电子，商业故事。《中国知网》每周全文收录；中国科技报刊100强；2021年微博百万粉丝俱乐部成员；2022年抖音优质科技内容创作者

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

网址：树莓派Python编程实现超声波动态雷达图 https://mxgxt.com/news/view/1027950

相关内容

Python编程实现Taylor Swift粉丝数据分析与可视化工具
蓝莓树苗基地、蓝莓树苗出售价格多少
哪里有蓝莓树苗、蓝莓树苗价格多少
CV之FR(H+k机器学习)：基于每人几张人脸图片训练H+k模型实现(国内外明星)新人脸图像的姓名预测(准确度高达100%)
草莓熊和谁是一对？雅迪联动顶级潮流IP，实现品牌年轻化精准定位
蓝莓树苗品种介绍
中国雷达工业实现“换道超车”
蓝莓树苗基地
超帅！视频来自双莓派_yura，图片源自vb，如有侵权，请告知删除
蓝莓树苗价格

随便看看