題目簡(jiǎn)述

一、 任務(wù)

設(shè)計(jì)并制作三子棋游戲裝置，能夠控制機(jī)械臂或其他機(jī)構(gòu)放置棋子，實(shí)現(xiàn)人 機(jī)對(duì)弈。圖 1 所示的三子棋棋盤(pán)和棋子位置示意圖中，棋盤(pán)由黑色實(shí)線圍成 9 個(gè)方格，人、機(jī)分別從棋子放置處拾取棋子并放置到方格中，先將己方的 3 個(gè)棋 子連成一線（橫連、豎連、斜連皆可）即獲勝。

二、 要求

（1）裝置能將任意 1 顆黑棋子放置到 5 號(hào)方格中。（5 分）

（2）裝置能將任意 2 顆黑棋子和 2 顆白棋子依次放置到指定方格中。（20 分）

（3）將棋盤(pán)繞中心±45°范圍內(nèi)旋轉(zhuǎn)后，裝置能將任意 2 顆黑棋子和 2 顆 白棋子依次放置到指定方格中。（20 分）

（4）裝置執(zhí)黑棋先行與人對(duì)弈（第 1 步方格可設(shè)置），若人應(yīng)對(duì)的第 1 步白 棋有錯(cuò)誤，裝置能獲勝。（20 分）

（5）人執(zhí)黑棋先行，裝置能正確放置白棋子以保持不輸棋。（20 分）

（6）對(duì)弈過(guò)程中，若人將裝置下過(guò)的 1 顆棋子變動(dòng)位置，裝置能自動(dòng)發(fā)現(xiàn) 并將該棋子放置回原來(lái)位置。（10 分）

Vision Broad開(kāi)發(fā)板簡(jiǎn)述

開(kāi)發(fā)板描述：Vision Board搭載全球首顆 480 MHz Arm Cortex-M85芯片，擁有Helium和TrustZone技術(shù)的加持。SDK包里集成了OpenMV機(jī)器視覺(jué)例程，配合MicroPython 解釋器，使其可以流暢地開(kāi)發(fā)機(jī)器視覺(jué)應(yīng)用。Vision Board具有以下主要特點(diǎn)：

強(qiáng)大的處理性能：Vision Board搭載了全球首款基于 ARM Cortex-M85 架構(gòu)的瑞薩電子RA8 MCU，6.39 CoreMark/MHz，可以快速而高效地運(yùn)行機(jī)器視覺(jué)算法，實(shí)現(xiàn)圖像處理、等功能。

完整支持OpenMV生態(tài)：Vision Board完全兼容OpenMV開(kāi)發(fā)平臺(tái)，用戶可以直接使用OpenMV IDE進(jìn)行編程和開(kāi)發(fā)，利用豐富的API和庫(kù)函數(shù)進(jìn)行圖像處理和計(jì)算機(jī)視覺(jué)任務(wù)。

友好的學(xué)習(xí)環(huán)境：提供簡(jiǎn)潔易用的開(kāi)發(fā)環(huán)境和示例項(xiàng)目，帶領(lǐng)初學(xué)者快速上手機(jī)器視覺(jué)、GUI等應(yīng)用。同時(shí)具有豐富的文檔資料供給開(kāi)發(fā)者學(xué)習(xí)。

可擴(kuò)展性：豐富的擴(kuò)展接口，如攝像頭、MIPI-DSI、RGB666、樹(shù)莓派兼容IO、BTB拓展接口等，用戶可以根據(jù)自己的需求連接其他外設(shè)或模塊，如以太網(wǎng)、CAN/LIN、傳感器、執(zhí)行器等，實(shí)現(xiàn)更復(fù)雜的應(yīng)用場(chǎng)景。

板載資源：

外設(shè)支持情況：

支持的 IDE：RT-Thread Studio、MDKV538。OpenMV工程目前僅支持MDK開(kāi)發(fā)

三子棋思路

找棋盤(pán)

生成居中的九宮格區(qū)域

函數(shù) generate_centered_rois 的目的是生成一個(gè)九宮格的區(qū)域，每個(gè)區(qū)域都包含棋盤(pán)上的一個(gè)方塊，并且這些區(qū)域在整個(gè)圖像中居中。函數(shù)的參數(shù)包括圖像的寬度和高度、每個(gè)方塊的邊長(zhǎng) b 以及感興趣區(qū)域（ROI）的邊長(zhǎng) k。

函數(shù)定義

步驟解析

1.初始化區(qū)域列表：

rois 是一個(gè)列表，用于存儲(chǔ)每個(gè) ROI 的坐標(biāo)和大小。

2.計(jì)算每個(gè) ROI 中心的位置偏移：

偏移量 offset 是為了確保 ROI 在每個(gè)方塊的中心。b 是方塊的邊長(zhǎng)，而 k 是 ROI 的邊長(zhǎng)。

3.計(jì)算整個(gè)九宮格的總寬度和高度：

因?yàn)榫艑m格有 3 行 3 列，每個(gè)方塊的邊長(zhǎng)為 b，所以總寬度和高度分別是 3 * b。

4.計(jì)算左上角的起始點(diǎn)：

為了使九宮格在圖像中居中，我們計(jì)算左上角的起始點(diǎn) start_x 和 start_y。它們分別是圖像寬度和高度減去九宮格的總寬度和高度的一半。

5.生成九宮格區(qū)域：

使用雙重循環(huán)生成每個(gè) ROI 的坐標(biāo)。

x_center 和 y_center 計(jì)算每個(gè)方塊的中心位置。

x 和 y 是 ROI 的左上角坐標(biāo)，減去 k // 2 是為了將 ROI 的中心對(duì)齊到方塊的中心。

最后，將每個(gè) ROI 添加到 rois 列表中。

6.返回 ROI 列表：

視覺(jué)化解釋

假設(shè)圖像的寬度和高度分別為 320 和 240，每個(gè)方塊的邊長(zhǎng) b 為 43，每個(gè) ROI 的邊長(zhǎng) k 為 10。九宮格將會(huì)在圖像中居中，每個(gè) ROI 將位于方塊的中心，形成一個(gè)規(guī)則的 3x3 矩陣。

找棋子

棋子識(shí)別的關(guān)鍵在于處理圖像并根據(jù)灰度值來(lái)判斷每個(gè)方塊中是否存在棋子，以及棋子的顏色是黑色還是白色。這個(gè)過(guò)程在 while 循環(huán)中進(jìn)行。

代碼段

步驟解析

1.抓取圖像和鏡頭矯正：

使用 Vision Broad的攝像頭捕獲當(dāng)前圖像，并進(jìn)行鏡頭矯正，以減少鏡頭畸變。

2.遍歷所有 ROI（感興趣區(qū)域）：

使用雙重循環(huán)遍歷之前生成的九宮格區(qū)域 rois。

3.計(jì)算灰度值的平均值：

對(duì)每個(gè) ROI 計(jì)算灰度值的平均值。img.get_statistics(roi=rois[y][x]) 返回一個(gè)統(tǒng)計(jì)對(duì)象，包含了該 ROI 內(nèi)的像素統(tǒng)計(jì)數(shù)據(jù)。通過(guò) mean() 方法可以得到該區(qū)域的平均灰度值。

4.判斷灰度值來(lái)確定棋子：

如果灰度值小于 100，則認(rèn)為該區(qū)域有一個(gè)黑色棋子（"X"）。

如果灰度值大于 200，則認(rèn)為該區(qū)域有一個(gè)白色棋子（"O"）。

否則，該區(qū)域?yàn)榭眨? "）。

博弈策略計(jì)算

minimax 函數(shù)

minimax 函數(shù)使用遞歸的方法評(píng)估所有可能的棋步，并為每個(gè)棋步計(jì)算一個(gè)分?jǐn)?shù)，以確定最佳移動(dòng)。

步驟解析

1.定義變量：

定義機(jī)器人棋子為 ‘X’，玩家棋子為 ‘O’。

2.檢查終止條件：

如果機(jī)器人贏了，返回一個(gè)正分（10 減去深度，越快贏分?jǐn)?shù)越高）。

如果玩家贏了，返回一個(gè)負(fù)分（深度減去 10，越快輸分?jǐn)?shù)越低）。

如果平局，返回 0 分。

遞歸搜索：

機(jī)器人最大化得分：

初始化 best_score 為負(fù)無(wú)窮。

遍歷每個(gè)空位置，模擬機(jī)器人下棋。

遞歸調(diào)用 minimax 計(jì)算對(duì)方的最佳應(yīng)對(duì)分?jǐn)?shù)。

恢復(fù)棋盤(pán)狀態(tài)，更新 best_score。

返回最佳分?jǐn)?shù)。

玩家最小化得分：

初始化 best_score 為正無(wú)窮。

遍歷每個(gè)空位置，模擬玩家下棋。

遞歸調(diào)用 minimax 計(jì)算機(jī)器人的最佳應(yīng)對(duì)分?jǐn)?shù)。

恢復(fù)棋盤(pán)狀態(tài)，更新 best_score。

返回最佳分?jǐn)?shù)。

computer_move 函數(shù)

computer_move 函數(shù)用來(lái)確定機(jī)器人下一步應(yīng)該下到哪里。

步驟解析

1.初始化變量：

初始化 best_score 為負(fù)無(wú)窮，用來(lái)追蹤最佳分?jǐn)?shù)。move 用來(lái)記錄最佳移動(dòng)位置。

2.遍歷棋盤(pán)找空位：

遍歷每個(gè)位置，如果是空位，模擬機(jī)器人在此下棋。

調(diào)用 minimax 計(jì)算此移動(dòng)的分?jǐn)?shù)。

恢復(fù)棋盤(pán)狀態(tài)。

如果當(dāng)前移動(dòng)的分?jǐn)?shù)大于 best_score，更新 best_score 和 move。

3.返回最佳移動(dòng)位置：

如果找到最佳移動(dòng)位置，返回該位置的坐標(biāo)。

總結(jié)

Minimax 算法：通過(guò)遞歸搜索所有可能的棋步，評(píng)估每個(gè)棋步的得分，最大化機(jī)器人的得分，最小化玩家的得分。

確定最佳移動(dòng)：遍歷所有可能的移動(dòng)，調(diào)用 minimax 算法計(jì)算每個(gè)移動(dòng)的得分，并選擇得分最高的移動(dòng)。

贏者檢測(cè)

贏者檢測(cè)是通過(guò) check_win 函數(shù)實(shí)現(xiàn)的。該函數(shù)會(huì)檢查棋盤(pán)的行、列和對(duì)角線，判斷某個(gè)玩家是否已經(jīng)獲勝。

check_win 函數(shù)

步驟解析

1.檢查行和列：

遍歷每一行，檢查該行是否全部是當(dāng)前玩家的棋子。如果是，返回 True。

遍歷每一列，檢查該列是否全部是當(dāng)前玩家的棋子。如果是，返回 True。

2.檢查對(duì)角線：

檢查主對(duì)角線（從左上到右下），是否全部是當(dāng)前玩家的棋子。如果是，返回 True。

檢查副對(duì)角線（從右上到左下），是否全部是當(dāng)前玩家的棋子。如果是，返回 True。

3.未找到獲勝者：

如果沒(méi)有找到任何一行、一列或?qū)蔷€全部是當(dāng)前玩家的棋子，返回 False。

完整代碼：