2025 年电赛 C 题 发挥部分 1：多正方形 / 重叠正方形高精度识别与最小边长测量

2025 年全国大学生电子设计竞赛 C 题

发挥部分 1：多正方形 / 重叠正方形高精度识别与最小边长测量

香橙派 + OpenCV C++ 全流程解析

---

目录

1. 赛题背景与需求
2. 技术难点全景图
3. 系统总体架构
4. 硬件平台与接线
5. 软件架构与线程模型
6. 算法流水线逐帧拆解
   • 6.1 图像预处理
   • 6.2 轮廓提取与面积过滤
   • 6.3 重叠正方形分割：向量夹角法
   • 6.4 最小正方形边长计算
   • 6.5 透视畸变补偿
   • 6.6 亚像素级优化
7. 关键代码剖析
8. 香橙派编译与烧录
9. 调试工具链
10. 性能 Benchmark
11. 常见问题 FAQ
12. 拓展阅读与开源仓库

---

1 赛题背景与需求

2025 年电赛 C 题 发挥部分 1 要求：

指标	说明
目标	正方形组合图形，6 cm ~ 12 cm 边长
状态	可彼此分离，也可 局部重叠 ≤ 30 %
输出	最小正方形边长，误差 ≤ 0.5 cm
限制	单目固定摄像头，禁止 PC，一键启动，5 s 内完成

---

2 技术难点全景图

难点	场景示例	传统方案痛点	本文解决策略
边缘粘连	两正方形重叠 25 %	大轮廓误判为 1 个	向量夹角分割
透视拉伸	视角倾斜 45°	像素长度失真	Homography + cosθ 补偿
实时性	720 p 30 fps	CPU 满载 80 %	NEON + ROI 裁剪
量化误差	像素 → 厘米	±1 px ≈ ±0.8 cm	亚像素角点
零依赖	现场无网	Tesseract 不可用	纯 OpenCV

---

3 系统总体架构

4 硬件平台与接线

模块	接口	引脚	供电	备注
OV5640	MIPI-CSI	CAM1	3.3 V	自带 24 MHz 时钟
OLED	I²C1	PB8_SCL PB9_SDA	3.3 V	128×64 SSD1306
按键	GPIO	PC13	3.3 V	一键启动
调试串口	UART0	PA9_TX PA10_RX	5 V→3.3 V	CH340G

---

5 软件架构与线程模型

• main.cpp
  • 初始化摄像头 → 启动 4 个 std::thread
• pic_deal.cpp
  • 预处理、轮廓、重叠分割、最小边计算
• thread_deal.cpp
  • 多线程队列 & 条件变量无锁同步
• uart.cpp
  • 实时日志 + 结果回传

---

6 算法流水线逐帧拆解

6.1 图像预处理

Mat gray;
cvtColor(frame, gray, COLOR_BGR2GRAY);
Ptr<CLAHE> clahe = createCLAHE(2.0, Size(8,8));
clahe->apply(gray, gray);
GaussianBlur(gray, blur, Size(5,5), 1);
Canny(blur, edges, 50, 150);

6.2 轮廓提取与面积过滤

vector<vector<Point>> contours;
findContours(edges, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
vector<RotatedRect> candidates;
for(auto& c : contours){double a = contourArea(c);if(a < 500 || a > 0.3*frame.total()) continue;RotatedRect rr = minAreaRect(c);float ratio = rr.size.width/rr.size.height;if(ratio > 0.9f && ratio < 1.1f)candidates.push_back(rr);
}

6.3 重叠正方形分割：向量夹角法

6.3.1 四边形顶点排序

vector<Point2f> orderPointsAlongContour(const vector<Point>& contour,const vector<Point2f>& pts){vector<float> cumLen(contour.size());float acc = 0;for(size_t i=1;i<contour.size();++i){acc += norm(contour[i]-contour[i-1]);cumLen[i]=acc;}/* 省略累积归一化与二分查找 */return ordered;
}

6.3.2 向量夹角验证

const double ANGLE_THRESH = CV_PI/18.0; // 10°
for(size_t i=0;i<ordered.size();i+=4){Point2f v1 = ordered[(i+1)%4]-ordered[i];Point2f v2 = ordered[(i+2)%4]-ordered[(i+1)%4];double angle = fabs(atan2(v1.cross(v2), v1.dot(v2)));if(angle < ANGLE_THRESH){squares.emplace_back(ordered[i], ordered[(i+1)%4]);}
}

6.4 最小正方形边长计算

double minSide = DBL_MAX;
for(const auto& sq : squares){double len = norm(sq.first - sq.second);minSide = std::min(minSide, len * scale_w);
}
squareEdgeResult.minEdgeLength = minSide;

6.5 透视畸变补偿

• Homography 计算：利用 A4 纸 4 角点
• cosθ 修正：
  

6.6 亚像素级优化

cornerSubPix(gray, corners, Size(5,5), Size(-1,-1),TermCriteria(TermCriteria::EPS+TermCriteria::MAX_ITER, 30, 0.001));

---

7 关键代码剖析

文件	职责	亮点
shibie_Square_min.cpp	重叠分割 + 最小边	向量夹角法零依赖
pic_deal.cpp	全流程	NEON intrinsics 加速
thread_deal.cpp	多线程	无锁队列 + condition_variable

---

8 香橙派编译与烧录

8.1 依赖

sudo apt update
sudo apt install build-essential cmake libopencv-dev

8.2 一键脚本

git clone https://github.com/langhaofu/2025-C-Software.git
cd 2025-C-Advance
chmod +x build.sh run.sh
./build.sh   # 约 45 秒
./run.sh     # 自动识别 /dev/video0

---

9 调试工具链

工具	用途	指令
htop	CPU 占用	htop
perf	NEON 指令	perf stat ./bin/2025_C
v4l2-ctl	摄像头参数	v4l2-ctl -d 0 --list-formats-ext
imwrite("debug.jpg")	中间结果	现场回溯

---

10 性能 Benchmark

场景	真值	测量	误差	耗时
两正方形重叠 25 %	最小 8 cm	8.1 cm	0.1 cm	1.7 s
三正方形并排	最小 6 cm	6.0 cm	0.0 cm	1.5 s
倾斜 40° 重叠	最小 10 cm	10.2 cm	0.2 cm	1.8 s
随机 5 正方形	最小 7 cm	7.1 cm	0.1 cm	1.6 s

---

11 常见问题 FAQ

问题	根因	解决
最小边 0 cm	角点 <4 个	降低 Canny 阈值
重叠未分割	面积过滤过严	调低 minArea
CPU 100 %	NEON 未开启	-mfpu=neon
画面卡顿	分辨率过高	锁 640×480

---

12 拓展阅读与开源仓库

• GitHub：github.com/langhaofu/2025-C-Software
• 香橙派镜像：2025-C-ubuntu-22.04-lite.img.xz

本方案 纯 OpenCV 实现，已在现场验证 1.8 s 完成全流程。欢迎 Star & PR！