#第九届立创电赛#三子棋人机对弈游戏装置

* 1、项目功能介绍

---

  本设计以STM32F103C8T6单片机为主控模块，设计了主要包含龙门架控制、树莓派5、A4988电机驱动模块、对弈算法策略、人机交互的运三子棋下棋装置。通过树莓派5运行Opencv各种算法进行视觉处理获得棋盘各个分区的位置以及棋局情况；采用双步进电机控制使精度更准确；三自由度龙门架更有利于电磁铁的运动。以此可实现电磁铁沿着X、Y轴方向的运动，对棋子进行吸取、放置。

 

 

*2、项目属性

---

• 首次公开：该项目为原创作品。
• 获奖情况：该项目在2024年全国大学生电子设计竞赛中获一等奖。
• 答辩情况：该项目未曾在学校进行过答辩。

 

* 3、开源协议

---

GPL 3.0

 

*4、硬件部分

---

4.1 系统结构

 

*5、软件部分(详细代码文件已全部上传在附件中)

5.1人机对弈基本算法思想

• 极小化极大（minimax）算法顾名思义，就是让最大得情况最小，这里的最大一般是指最差的情况，比如游戏中最不利的情况。
• 该算法需要满足零和博弈，初略的解释就是若有两个玩家进行游戏，如果其中一方得到利益那么另一方就会失去利益，游戏利益的总和为0（某些情况下为常数）。
• 因此，零和的约束条件也使得该算法在很多游戏中图体现出很好的效果，比如大多数的棋类游戏。
• 其实说白了，这个算法就是一个树形结构的递归算法，每个节点的孩子和父节点都是对方玩家，所有的节点被分为极大值（我方）节点和极小值（对方）节点。是一种找出失败的最大可能性中的最小值的算法。
  

  // minimax算法：评估当前棋盘的最佳得分
  int minimax(int board[9], int depth, bool isMax) {
      int score = checkwin(board);
      if (score == 1) return -10 + depth;  // 黑棋胜，返回负分
      if (score == 2) return 10 - depth;   // 白棋胜，返回正分
      if (!isMovesLeft(board)) return 0;   // 平局

      if (isMax) {
          int best = -1000;
          for (int i = 0; i < 9; i++) {
              if (board[i] == 0) {
                  board[i] = 2;
                  int moveVal = minimax(board, depth + 1, false);
                  board[i] = 0;
                  if (moveVal > best) {
                      best = moveVal;
                  }
              }
          }
          return best;
      } else {
          int best = 1000;
          for (int i = 0; i < 9; i++) {
              if (board[i] == 0) {
                  board[i] = 1;
                  int moveVal = minimax(board, depth + 1, true);
                  board[i] = 0;
                  if (moveVal < best) {
                      best = moveVal;
                  }
              }
          }
          return best;
      }
  }

 

5.2 STM32思想

• 驱动电机：通过 STM32 的 PWM 输出来控制步进电机的转动，进而对三子棋装置进行运动控制。
• 运动控制算法：位置控制：无。速度控制：无。
• 步进电机拥有优秀的开环能力。通过多次测试发现，三子棋装置在运行中没有出现步进电机丢步的情况，因此没有加入控制算法，降低了程序方面的难度。
• 串口通信：STM32端通过串口通信接收来自树莓派对棋盘实时状况处理过后的数据。树莓派和32端串口配置要保持一致，避免通信异常。
  基础的PWM，定时器，串口等模式具体配置就不多说了，也没啥特别的地方，附件里下载全部代码。
• 路径规划与决策：装置接收到指令后，需要控制棋子移动到不同的位置，设计合理的路径规划以及决策算法，使用minimax算法评估当前棋盘的最佳得分，寻找当前棋盘状态下装置的最佳移动，以确保装置能够按照最优路径和最优决策移动。
  
  给该函数输入棋盘的状况（以数组形式），该函数会返回电脑下一步的最佳移动位置。
  

  // 寻找当前棋盘状态下电脑的最佳移动
  int findBestMove(int board[9]) {
      int gameStatus = checkwin(board);
      if (gameStatus != -1) {
          if(gameStatus == 0)return 99;// 游戏已经结束，无需继续寻找最佳移动
          if(gameStatus == 1)return -11; 
          if(gameStatus == 2)return 9;
      }

      int bestVal = -1000;
      int bestMove = -1;
      for (int i = 0; i < 9; i++) {
          if (board[i] == 0) {
              board[i] = 2;
              int moveVal = minimax(board, 0, false);
              board[i] = 0;
              if (moveVal > bestVal) {
                  bestMove = i;
                  bestVal = moveVal;
              }
          }
      }
      return bestMove;
  }
  
  

  通过以下四个函数，即可计算出三子棋电脑的最佳移动位置。
• 用户交互：反馈机制：在人机博弈的过程中，通过OLED屏幕和LED灯为用户提供实时反馈，例如通过LED灯来显示装置的下棋状态。
• 安全控制：软限位保护，代码里设置了电机的运动范围限制，防止电机超出安全范围造成的装置损坏。也可以通过硬件方面加入限位开关对运动范围进行限制。

 

5.3 树莓派opencv算法思想

树莓派端代码实现了一个图像处理系统，用于识别棋盘的旋转角度和棋盘上的棋子位置和颜色，并通过串口发送数据给另一个设备（STM32）。

Pi文件包里有两个文件，README和Python代码，都标明了步骤和注释说明，这里也不过多赘述了，附件里下载全部代码

以下是主要算法思想总结：

1.初始化：

• 初始化串口通信。
• 配置并启动树莓派摄像头模块（Picamera2）以获取视频流。

 

2.棋盘角度检测模式：

• 类似于棋子识别，但寻找的是整个棋盘的大轮廓。
• 计算找到的轮廓的旋转角度，并通过串口发送这个角度信息。

   
3. 棋盘识别定位：

• 从摄像头获取一帧图像，并调整图像大小。
• 图像预处理：灰度化、高斯模糊、Canny边缘检测和形态学闭运算。
• 查找轮廓并筛选出近似为矩形的轮廓，这些轮廓代表棋盘上的格子。
• 对找到的矩形格子进行排序，并在图像上标记它们的位置。
• 转换到棋子颜色识别，在此模式下继续处理图像以识别棋子。

 

4. 棋子颜色识别：

• 在每个已标记的格子中心点周围获取颜色信息。
• 分析这些颜色，确定最可能的颜色域，并将结果存储起来。
• 调整颜色识别结果的顺序以匹配棋盘布局。
• 通过串口发送颜色信息。

 

5. 异常处理与退出条件：

• 捕获并打印异常。
• 按下键盘上的‘q’键可退出程序。
• 清理释放OpenCV使用的资源。
  
  

该程序利用视觉实现了对棋盘上棋子位置和颜色的自动识别，并能检测整个棋盘的角度，以便下棋装置能够准确地放置或移动棋子。

 

 

*6、BOM清单

---

附件可下载

 

*7、大赛LOGO验证

---

 

 

 

* 8、演示您的项目并录制成视频上传

---

 

视频要求：请横屏拍摄，分辨率不低于1280×720，格式Mp4/Mov，单个视频大小限100M内；

视频标题：立创电赛：{项目名称}-{视频模块名称}；如立创电赛：《自动驾驶》-团队介绍。

 

前往查看更多详情 ＞