EEPW论坛

6）Matlab+树莓派

1.简介

最近才知道Matlab官方支持树莓派，也就是说可以直接用Matlab编程序控制树莓派，并且控制树莓派的IO，I2C，SPI等接口。

相信大部分理工科生都接触过Matlab，就不具体介绍了。Matlab官方支持三款第三方硬件，Arduino、Raspberry Pi和LEGO Mindstorms。Matlab与Simulink都可以连接到树莓派。这里有版本要求：2013a只有Simulink支持树莓派，以后的版本是Matlab与Simulink都支持。

下面的连接具体介绍了安装方法

http://www.mathworks.cn/help/supportpkg/raspberrypiio/ug/install-support-for-raspberry-pi-hardware.html

同时官方也有例程供大家参考

注意，使用Matlab对树莓派编程需要刷新的镜像，这是Matlab定制的Raspian Wheezy系统。Matlab安装完硬件支持包后会自动提示你准备新的TF卡，Matlab会往卡里刷入新的系统。

6）Matlab+树莓派

2.控制LED

首先将树莓派与计算机链接在同一个局域网，并获得树莓派的IP地址（具体方法就不说了）。

rpi = raspi('192.168.137.135', 'pi', 'raspberrypi-oTzjeOKXVt');

这句话是新建一个树莓派对象，之后的控制都通过rpi来实现

led = rpi.AvailableLEDs{1};

定义一个LED。

writeLED(rpi, led, 1);

writeLED(rpi, led, 0);

控制LED亮灭。

具体代码如下：

clear
clc

rpi = raspi('192.168.137.135', 'pi', 'raspberrypi-oTzjeOKXVt');

led = rpi.AvailableLEDs{1};
for i = 1:10
    writeLED(rpi, led, 1);
    pause(0.5);
    writeLED(rpi, led, 0);
    pause(0.5);
end
clear rpi

这就实现了LED的亮灭，运行后就会发现树莓派上的电源LED旁边黄色LED在闪烁

顺便给大家一个Matlab函数自动获取树莓派IP，因为树莓派动态获取IP的话每次开机IP可能会不一样，手动查取很麻烦，下面Matlab程序获得：

function [ ip ] = getRpiIP(  )
%获得树莓派IP
rpi_hwadd = 'e8-4e-06-20-2f-b3';%物理地址
[~,cmdout]=system('arp -a');
pos = strfind(cmdout, rpi_hwadd);
pos = pos - 1;
while 1
    pos = pos - 1;
    if cmdout(pos) == ' '
        if cmdout(pos+1) ~= ' '
            pos1 = pos;
            break;
        end
    else
        if cmdout(pos+1) == ' '
            pos2 = pos;
        end
    end
end
ip = cmdout(pos1:pos2);

end

6）Matlab+树莓派

3.控制IO

控制IO也很容易，与控制LED类似，下面是matlab中对树莓派IO控制的函数说明。

http://cn.mathworks.com/help/supportpkg/raspberrypiio/gpio-pins.html

%% 使用Matlab控制树莓派
clear
clc
%% 新建树莓派对象
rpi_ip = getRpiIP();
rpi = raspi(rpi_ip, 'pi', 'raspberrypi-oTzjeOKXVt');
%% 控制LED
for i = 1:10
    writeDigitalPin(rpi, 15, 1);
    pause(0.5);
    writeDigitalPin(rpi, 15, 0);
    pause(0.5);
end

mypi = raspi

7）树莓派开源项目Coder

1.简介与安装

这是google的一个团队推出的开源项目，让树莓派在局域网中充当一个web服务器，我们可以通过浏览器访问树莓派，并通过浏览器进行网页编程，包括了HTML，CSS，JS，NODE。

以下是coder官网

http://googlecreativelab.github.io/coder/

安装方法其实跟安装其他树莓派系统方法一样，在官网上下载系统，通过Win32DiskImager将镜像烧录到TF卡，将TF卡插到树莓派上，将树莓派链接到与你电脑同一个局域网中，然后上电启动。你不需要插上键盘、鼠标、显示器。window系统需要先安装Bonjour Print Services，然后再chrome内输入 https://coder.local 就可以链接到树莓派内的网页。

我们可以在网页内新建工程，编写网页。甚至我们可以通过NODE来编写控制IO的程序，这部分会接下来研究。

6）Matlab+树莓派

4.使用I2C

通过matlab可以使用树莓派的硬件外设，如SPI、I2C、UART，这个例程是使用I2C扩展IO，使用的芯片是PCF8574，datasheet：http://pdf1.alldatasheet.com/datasheet-pdf/view/177289/TI/PCF8574.html

matlab控制I2C的内容可以在官网上找到例程：http://cn.mathworks.com/help/supportpkg/raspberrypiio/i2c-interface.html

以下是matlab程序：

%% 使用Matlab控制树莓派
clear
clc
%% 新建树莓派对象
rpi_ip = getRpiIP();
rpi = raspi(rpi_ip, 'pi', 'raspberrypi-oTzjeOKXVt');
%% 建立i2c对象
[i2cAddresses] = scanI2CBus(rpi,'i2c-1');
I2C_IOE = i2cdev(rpi,'i2c-1',i2cAddresses{1});
%% 控制LED
for i = 1:10
    write(I2C_IOE,0,'uint8');
    pause(0.5);
    write(I2C_IOE,255,'uint8');
    pause(0.5);
end

 scanI2CBus()函数用来扫描连到I2C总线上的设备地址，通过i2cdev()函数来创建一个设备对象，write()函数实现对设备写入数据。

这个芯片是扩展IO，可以看到扩展IO的引脚电平变化。

8）摄像头与OpenCV

1.USB摄像头与安装OpenCV

我没有买树莓派专用的摄像头模块，价格也确实比较贵，用了USB的摄像头。linux中使用的是v4l2驱动摄像头。插上摄像头可以在终端中输入lsusb来查看是否有了摄像头设备。终端中输入v4l2-ctl --all可以看到摄像头的具体参数。当都正常，可以直接输入mplayer tv://就可以看到摄像头的图像了。

比较可惜，可能是我的摄像头在linux下支持的不好，在v4l2-ctl --all中colorspace识别不出来，说以直接显示颜色是不对的，比较后是RGB通道不对。

接下来安装OpenCV，安装OpenCV前应该安装好gcc/g++，gtk等，OpenCV是依赖他们的。可以使用apt方式来安装，简单方便。

sudo apt-get update
sudo apt-get install libcv-dev

#include 
#include 
#include 
using namespace std;
using namespace cv;
 
int main()
{
	VideoCapture capture(0);
	if(!capture.isOpened())
	{
		cout << "Failed to connect to the camera." << endl;
	}
	Mat frame;
	while(1)
	{
		capture >> frame;
		if(frame.empty())
		{
			cout << "Failed to capture an image" << endl;
			return -1;
		}
		Mat fgray(frame.rows, frame.cols, CV_8UC1);
		cvtColor(frame, fgray, CV_RGB2GRAY);
		imshow("Cam", fgray);
		int key = waitKey(20);
		if(key == 'q')
			break;
	}
	return 0;
}

因为RGB通道问题，我就直接转为灰度图像了。下面是参考网络写的makefile文件

CC = g++
# 可执行文件
TARGET = test
# C文件
SRCS = test.cpp
# 目标文件
OBJS = $(SRCS:.cpp=.o)
# 库文件
DLIBS = -lopencv_core -lopencv_imgproc -lopencv_highgui
# 链接为可执行文件
$(TARGET):$(OBJS)
 $(CC) -o $@ $^ $(DLIBS)
clean:
 rm -rf $(TARGET) $(OBJS)
# 编译规则 $@代表目标文件 $< 代表第一个依赖文件
%.o:%.cpp
 $(CC) -o $@ -c $<

以下是结果