STM32循迹小车实战：从硬件选型到PID算法全解析

1. 项目概述：从零打造一台智能“寻路者”

最近在整理工作室的物料，翻出来几块吃灰已久的STM32F103C8T6核心板，还有一堆红外对管和电机驱动模块。看着这些元件，一个经典又充满挑战的想法冒了出来：为什么不亲手做一台循迹小车呢？这不仅是检验嵌入式开发基本功的绝佳项目，更能把枯燥的寄存器配置、传感器采样和PWM控制串联成一个看得见、跑得起来的实体系统。对于刚接触STM32的新手来说，循迹小车是一个完美的“毕业设计”；而对于有经验的开发者，它则是优化控制算法、探索更高级传感器融合的绝佳平台。

简单来说，基于STM32的循迹小车，就是一个能自动识别并沿着预设路径（通常是地面上的黑线或白线）行驶的智能移动平台。它的核心“大脑”是STM32微控制器，通过其GPIO读取前方路面反射回来的红外光强度（判断黑白），再经过内部逻辑处理，控制左右两个电机的转速差，从而实现转向和直行。整个过程涉及硬件电路搭建、传感器标定、底层驱动编写、控制逻辑设计等多个环节，麻雀虽小，五脏俱全。无论你是想参加电子竞赛、完成课程设计，还是单纯享受从代码到实体创造的乐趣，这个项目都能让你收获满满。

2. 核心硬件选型与电路设计思路

一台循迹小车的稳定运行，七分靠硬件，三分靠软件。硬件是骨架，如果骨架不稳，再精巧的算法也难以施展。这里的选型并非追求最贵最新，而是讲究匹配与可靠。

2.1 主控芯片：为什么是STM32F103C8T6？

在众多STM32型号中，F103C8T6（常被称为“蓝色药丸”或“最小系统板”）几乎是入门项目的首选。这背后有非常实际的考量。首先，它基于ARM Cortex-M3内核，主频72MHz，对于处理多路传感器数据并实时控制电机绰绰有余。其次，它拥有足够多的GPIO口，以典型的五路红外循迹方案为例，需要5个GPIO作为输入来读取传感器状态，还需要至少4个GPIO（两路PWM通道和两个方向控制脚）来驱动电机，F103C8T6完全能满足。再者，它的资源丰富，包括多个定时器（用于产生精准PWM）、ADC（可用于模拟量红外传感器）、USART（方便调试打印）等，为未来功能扩展留足了空间。最后，也是最重要的一点：生态极其完善。从标准库、HAL库到丰富的教程、低廉的开发板价格，都使得学习和开发成本降到最低。

注意：虽然F103是经典，但如果项目预算稍宽，或对性能有更高要求（比如后续想加入摄像头做图像循迹），可以考虑F4系列（如F407），其主频更高且自带FPU，处理复杂算法更得心应手。

2.2 循迹传感器：数字式与模拟式的抉择

循迹的核心在于“看见”路线。常见的有数字式和模拟式红外传感器模块。

• 数字式模块：模块上自带比较器，输出的是高低电平（0或1）。例如，遇到黑线输出低电平，遇到白线输出高电平。其优点是接口简单（直接接GPIO），编程容易，抗干扰能力较强。缺点是灵活性差，一旦安装好，灵敏度调节（通过模块上的电位器）就需要手动进行，且无法感知“灰度”信息，对于复杂路径（如十字路口、弯道曲率判断）的支持较弱。
• 模拟式模块：模块输出的是连续的电压值（通常需要接MCU的ADC引脚）。反射光强不同，电压值就不同。其优点是能获取丰富的路面信息，可以通过软件设定多个阈值来区分黑、白、灰等状态，从而实现更精细的控制，例如判断小车是否偏离中线以及偏离的程度。缺点是电路和编程稍复杂，需要ADC采样和软件滤波，且更容易受到环境光干扰。

对于初学者，我强烈建议从3-5路数字式红外对管模块开始。它让你能快速搭建系统并看到效果，建立信心。当你能熟练实现基础循迹后，再尝试升级为模拟式传感器，探索PID控制算法，这会是一个平滑的学习曲线。

2.3 电机与驱动：小车的“心脏”与“肌肉”

小车要动起来，电机和驱动电路是关键。

• 电机选择：常用的是TT减速直流电机。它集成了电机和减速齿轮箱，输出扭矩大，转速适中（通常每分钟几十到上百转），价格便宜，非常适合这种小型底盘。选购时注意电机的额定电压（常见3-6V）和减速比。
• 驱动方案：STM32的GPIO口驱动能力很弱（通常只能输出或吸入几十毫安电流），无法直接驱动电机。因此必须使用电机驱动模块。最经典的是L298N或它的升级版L298P双H桥驱动模块。它可以同时驱动两个直流电机，支持正反转和PWM调速，驱动电流可达2A，完全满足TT电机的需求。接线清晰：使能端接STM32的PWM输出（用于调速），输入控制端接两个GPIO（用于控制方向）。

一个常见的误区是忽视电源管理。电机在启动和堵转时会产生很大的瞬时电流，可能造成系统电压跌落，导致STM32复位。因此，务必为电机驱动模块单独供电，或者使用一个大容量、低内阻的电池（如18650锂电池两串），并通过稳压模块（如LM2596）为STM32提供稳定的5V或3.3V电源。数字传感器可以和STM32共用电源。

3. 系统软件架构与底层驱动实现

硬件连接妥当后，我们就要让STM32“活”起来。软件架构的设计决定了代码的可读性、可维护性和可扩展性。不建议把所有代码都堆在main函数里。

3.1 工程结构与外设初始化

我习惯使用STM32CubeMX进行图形化初始化，生成HAL库代码框架，这能节省大量配置时钟、GPIO、定时器的时间。工程目录可以这样组织：

Project/ ├── Core/ │ ├── Inc/ // 头文件 │ └── Src/ // 主循环、外设初始化 ├── Drivers/ │ └── STM32F1xx_HAL_Driver/ ├── Application/ │ ├── Inc/ │ │ ├── sensor.h // 传感器驱动头文件 │ │ ├── motor.h // 电机驱动头文件 │ │ └── control.h // 控制算法头文件 │ └── Src/ │ ├── sensor.c │ ├── motor.c │ └── control.c └── ...

在main.c的初始化部分，通过CubeMX生成的MX_GPIO_Init(),MX_TIM_Init()等函数完成基础配置。我们需要重点关注几个外设：

1. GPIO：用于读取数字传感器状态。将连接传感器的引脚配置为输入模式（上拉或下拉根据传感器输出特性决定）。
2. 定时器（TIM）：用于产生PWM控制电机速度。例如使用TIM1的CH1和CH2通道，分别对应左右电机的使能端。配置为PWM模式1，预分频器和自动重载值根据时钟频率和所需PWM频率计算设定（通常电机PWM频率在1kHz-10kHz之间即可）。
3. ADC（如果使用模拟传感器）：配置为多通道扫描模式，开启DMA传输可以大大减轻CPU负担。

3.2 传感器数据采集与滤波

对于数字传感器，读取非常简单，直接使用HAL_GPIO_ReadPin()函数即可。但为了确保稳定性，需要进行简单的软件去抖。我通常不会只读一次，而是采用“多次采样，表决通过”的策略。

在sensor.c中，可以这样实现一个传感器的状态获取函数：

// 假设五路传感器接在 GPIOA 的 PIN0~PIN4 #define SENSOR_NUM 5 #define SAMPLE_TIMES 5 // 采样次数 #define JUDGE_THRESHOLD 3 // 判定阈值，5次中至少3次相同则认为有效 uint8_t Get_Sensor_State(void) { uint8_t sensor_value = 0; uint8_t sensor_pins[SENSOR_NUM] = {GPIO_PIN_0, GPIO_PIN_1, GPIO_PIN_2, GPIO_PIN_3, GPIO_PIN_4}; uint8_t count[SENSOR_NUM] = {0}; // 连续采样5次 for(int i = 0; i < SAMPLE_TIMES; i++) { for(int j = 0; j < SENSOR_NUM; j++) { // 注意：根据你的传感器逻辑，黑线可能是0，也可能是1。这里假设遇到黑线（低电平）为1。 if(HAL_GPIO_ReadPin(GPIOA, sensor_pins[j]) == GPIO_PIN_RESET) { count[j]++; } } HAL_Delay(1); // 间隔1ms采样一次 } // 根据阈值判断最终状态 for(int j = 0; j < SENSOR_NUM; j++) { if(count[j] >= JUDGE_THRESHOLD) { sensor_value |= (1 << j); // 将第j位设为1 } // 否则该位为0 } return sensor_value; // 返回一个字节，每位代表一个传感器的状态 }

这个函数返回一个8位变量，其低5位分别对应5个传感器的状态（1代表检测到黑线）。这种处理能有效滤除因传感器抖动或偶然干扰产生的误信号。

3.3 电机驱动与控制函数封装

电机控制需要两个层面：方向控制和速度控制。方向控制通过两个GPIO电平组合实现（如IN1=1, IN2=0为正转）。速度控制通过调节PWM占空比实现。

在motor.c中封装电机控制函数：

// 电机初始化：设置PWM通道，初始化方向控制GPIO void Motor_Init(TIM_HandleTypeDef *htim, uint32_t channel_left, uint32_t channel_right) { // 保存定时器和通道句柄 htim_motor = htim; channel_l = channel_left; channel_r = channel_right; // 启动PWM输出 HAL_TIM_PWM_Start(htim_motor, channel_left); HAL_TIM_PWM_Start(htim_motor, channel_right); // 设置方向控制引脚为输出模式（已在CubeMX中配置） } // 设置单个电机速度和方向 void Set_Motor_Speed(Motor_ID motor, int16_t speed) { // speed范围：-100 ~ +100。负值代表反转。 uint16_t pwm_duty; GPIO_PinState in1, in2; if(speed >= 0) { // 正转 in1 = GPIO_PIN_SET; in2 = GPIO_PIN_RESET; pwm_duty = (speed * (htim_motor->Instance->ARR)) / 100; // ARR是自动重载值 } else { // 反转 in1 = GPIO_PIN_RESET; in2 = GPIO_PIN_SET; pwm_duty = ((-speed) * (htim_motor->Instance->ARR)) / 100; } // 设置方向 if(motor == MOTOR_LEFT) { HAL_GPIO_WritePin(MOTOR_L_IN1_GPIO_Port, MOTOR_L_IN1_Pin, in1); HAL_GPIO_WritePin(MOTOR_L_IN2_GPIO_Port, MOTOR_L_IN2_Pin, in2); __HAL_TIM_SET_COMPARE(htim_motor, channel_l, pwm_duty); } else { HAL_GPIO_WritePin(MOTOR_R_IN1_GPIO_Port, MOTOR_R_IN1_Pin, in1); HAL_GPIO_WritePin(MOTOR_R_IN2_GPIO_Port, MOTOR_R_IN2_Pin, in2); __HAL_TIM_SET_COMPARE(htim_motor, channel_r, pwm_duty); } }

这样，在控制逻辑中，我们只需要调用Set_Motor_Speed(MOTOR_LEFT, 50)和Set_Motor_Speed(MOTOR_RIGHT, 50)就能让小车以50%的速度直行了，非常清晰。

4. 循迹控制算法：从简单逻辑到PID进阶

有了可靠的传感器数据和电机控制函数，就可以编写“大脑”了。控制算法决定了小车的循迹性能和流畅度。

4.1 基础逻辑判断法（适合初学者）

这是最直观的方法，根据五路传感器返回的二进制状态，进行查表式判断。例如：

• 0b00100(只有中间传感器检测到黑线)：直行。
• 0b00010或0b00011(中间偏右传感器检测到)：轻微左转（右轮减速或左轮加速）。
• 0b01000或0b11000(中间偏左传感器检测到)：轻微右转。
• 0b10000(最左传感器检测到)：大角度右转。
• 0b00001(最右传感器检测到)：大角度左转。
• 0b11111或0b00000：可能遇到十字路口或终点，执行特定动作（如停车、鸣笛）。

在control.c中实现一个简单的状态机：

void Basic_Track_Ctrl(uint8_t sensor_state) { switch(sensor_state) { case 0b00100: // 直行 Set_Motor_Speed(MOTOR_LEFT, BASE_SPEED); Set_Motor_Speed(MOTOR_RIGHT, BASE_SPEED); break; case 0b00010: // 轻微左转 Set_Motor_Speed(MOTOR_LEFT, BASE_SPEED + TURN_BIAS); Set_Motor_Speed(MOTOR_RIGHT, BASE_SPEED - TURN_BIAS); break; case 0b01000: // 轻微右转 Set_Motor_Speed(MOTOR_LEFT, BASE_SPEED - TURN_BIAS); Set_Motor_Speed(MOTOR_RIGHT, BASE_SPEED + TURN_BIAS); break; case 0b00001: // 大角度左转 Set_Motor_Speed(MOTOR_LEFT, BASE_SPEED); Set_Motor_Speed(MOTOR_RIGHT, -BASE_SPEED/2); // 右轮反转，实现原地转弯 break; // ... 其他状态 default: // 未定义的状态，可以停车或保持上一状态 Motor_Stop(); break; } }

这种方法实现简单，响应快，在路径曲率不大、速度要求不高的场合完全够用。但它的控制是“阶跃式”的，不够平滑，在高速或急弯时容易产生振荡（小车在轨迹两侧来回摆动）。

4.2 PID控制算法（提升性能的关键）

要让小车跑得又快又稳，PID是绕不开的算法。它的核心思想是根据当前偏离目标（黑线中心）的误差（Error），通过比例（P）、积分（I）、微分（D）三个环节的综合计算，输出一个连续、平滑的控制量。

1. 误差计算：对于模拟传感器，误差可以量化为各个传感器读数的加权和。对于数字传感器，我们可以将传感器的位置进行“量化”。假设5个传感器从左到右编号为-2, -1, 0, 1, 2。当检测到黑线时，将对应的编号相加作为误差。例如：

   • 0b00100-> 只有0号检测到，误差 = 0。
   • 0b00010-> 只有1号检测到，误差 = 1。
   • 0b01000-> 只有-1号检测到，误差 = -1。
   • 0b00011-> 0号和1号检测到，误差 = 0+1 = 1。
   • 0b11000-> -2号和-1号检测到，误差 = (-2)+(-1) = -3。 这样，误差e(t)就是一个有正负、有大小（绝对值）的连续量，完美契合PID的输入需求。

2. PID公式与实现：u(t) = Kp * e(t) + Ki * ∫e(t)dt + Kd * de(t)/dt其中u(t)是输出控制量（用于调整左右轮速差），Kp,Ki,Kd是需要调试的参数。 在离散系统中，我们这样实现：

   typedef struct { float Kp, Ki, Kd; float integral; float prev_error; } PID_Controller; float PID_Calculate(PID_Controller *pid, float error, float dt) { float proportional = pid->Kp * error; pid->integral += error * dt; // 积分限幅，防止积分饱和 if(pid->integral > INTEGRAL_LIMIT) pid->integral = INTEGRAL_LIMIT; if(pid->integral < -INTEGRAL_LIMIT) pid->integral = -INTEGRAL_LIMIT; float integral = pid->Ki * pid->integral; float derivative = pid->Kd * (error - pid->prev_error) / dt; pid->prev_error = error; return proportional + integral + derivative; }

3. 应用PID输出：在定时中断（例如10ms一次）中，读取传感器状态计算误差e(t)，调用PID_Calculate得到控制量u(t)。然后：

   float control = PID_Calculate(&track_pid, error, 0.01); // dt=0.01s int left_speed = BASE_SPEED + control; int right_speed = BASE_SPEED - control; // 对速度进行限幅处理 left_speed = constrain(left_speed, -MAX_SPEED, MAX_SPEED); right_speed = constrain(right_speed, -MAX_SPEED, MAX_SPEED); Set_Motor_Speed(MOTOR_LEFT, left_speed); Set_Motor_Speed(MOTOR_RIGHT, right_speed);

   control为正时，说明小车偏右，需要左转（左轮加速，右轮减速）。control为负时则相反。

实操心得：PID调参是个耐心活。我的经验是“先P后I再D”。先将Ki和Kd设为0，逐渐增大Kp，直到小车能跟随轨迹但出现轻微振荡。然后加入较小的Kd来抑制振荡。最后，如果小车在直道上存在静态误差（始终无法完全居中），再加入很小的Ki来消除。调试时，可以通过串口实时打印误差和输出值，能极大帮助理解系统行为。

5. 系统集成、调试与性能优化

当各个模块都准备好后，将它们集成到主循环中，并进行系统级调试。

5.1 主程序逻辑与状态机设计

一个健壮的主程序不应是简单的while(1)里不断循迹。我通常会引入一个简单的状态机，使小车具备不同的工作模式，例如待机模式、手动遥控模式、自动循迹模式、调试模式等。这通过一个全局变量sys_state和几个按键来控制。

int main(void) { // HAL初始化、外设初始化... Motor_Init(&htim1, TIM_CHANNEL_1, TIM_CHANNEL_2); PID_Init(&track_pid, 20.0, 0.5, 2.0); // 初始化PID参数，需调试 uint8_t sensor_val; float error; while (1) { switch(sys_state) { case STATE_IDLE: Motor_Stop(); if(Key_Start_Pressed()) sys_state = STATE_TRACKING; break; case STATE_TRACKING: sensor_val = Get_Sensor_State(); error = Calculate_Error_From_Sensor(sensor_val); // 将传感器状态转换为误差值 // 调用PID控制器 Track_With_PID(error); // 检查特殊条件，如十字路口、终点 if(Check_Crossroad(sensor_val)) { Handle_Crossroad(); } if(Key_Stop_Pressed()) sys_state = STATE_IDLE; break; case STATE_DEBUG: // 通过串口发送传感器原始数据、PID计算值等，用于调试 Debug_Send_Data(); break; } HAL_Delay(10); // 主循环周期约10ms } }

5.2 现场调试技巧与问题排查

组装好小车后，第一次上电往往不会一帆风顺。以下是我总结的调试清单和常见问题：

一个关键的调试工具是串口打印。在代码中关键位置加入printf，通过USB转TTL模块连接STM32的串口到电脑，用串口助手软件（如Putty、XCOM）实时查看变量值（如传感器状态、误差、PID输出、电机速度等）。这是洞察系统内部运行状态的“眼睛”，比盲目修改代码高效得多。

5.3 性能优化与扩展思路

当基础循迹稳定后，可以尝试以下优化和扩展，让小车变得更“聪明”：

• 速度闭环控制：目前的PWM调速是开环的，电池电压下降或负载变化会导致实际转速变化。可以给电机加装编码器，使用另一个PID环对电机转速进行精确闭环控制，实现更稳定的直行和转向。
• 路径记忆与算法：让小车第一次运行时以较慢速度学习并记忆路径（记录转弯指令和距离），第二次运行时即可高速复现。这涉及到数据结构（队列、数组）的应用。
• 多传感器融合：加入超声波或TOF传感器实现避障功能；加入陀螺仪（MPU6050）进行姿态感知，实现更稳定的运动控制，甚至在坡道上也能保持循迹。
• 无线遥控与监控：增加蓝牙（如HC-05）或Wi-Fi（如ESP-01S）模块，通过手机APP或电脑上位机进行遥控，并实时接收小车传回的传感器数据和图像（如果加了摄像头）。
• 更高级的控制算法：尝试模糊控制，它对于非线性、模型不精确的系统（如小车运动模型）有时比PID有更好的鲁棒性。

从点亮第一个LED，到让小车稳稳地跑完一个复杂赛道，这个过程充满了挑战与成就感。基于STM32的循迹小车项目，就像一把钥匙，为你打开了嵌入式系统开发、自动控制原理和硬件集成的大门。每一个遇到的问题和解决的方案，都会成为你宝贵的经验。别怕踩坑，动手去做，调试的过程本身就是最好的学习。当你看到自己亲手打造的小车沿着轨迹自如穿梭时，那种喜悦是无与伦比的。