1. 项目背景与核心设计思路
第一次接触智能小车项目时，我被这个能自动躲避障碍物的"小东西"彻底吸引了。作为嵌入式开发的经典练手项目，基于STM32的智能小车完美融合了传感器技术、电机控制和实时数据处理等核心技能点。这次我们要做的可不是简单的玩具车，而是一个搭载红外+超声波双传感器的多模态避障系统，用L298N驱动电机实现精准控制，让小车在复杂环境下也能灵活穿行。
你可能好奇为什么选择STM32F103这款芯片？我当初选型时对比过多种方案：51单片机性能不足，Arduino扩展性有限，而STM32凭借72MHz主频和丰富的外设资源脱颖而出。实测下来，它的定时器资源能轻松实现四路PWM输出，ADC模块可以快速处理传感器数据，GPIO口足够连接所有外设，最关键的是性价比超高，开发板几十块钱就能拿下。
L298N电机驱动模块算是老面孔了，但新手常会问："直接用单片机IO口驱动电机不行吗？"我当初也踩过这个坑——电机启动时的反向电动势会烧毁IO口！L298N的双H桥设计不仅能隔离保护电路，还支持PWM调速和正反转控制，驱动两个直流电机绰绰有余。最近给学弟调试时发现，用跳线帽启用板载5V输出还能省去一路电源，这个设计细节很贴心。
2. 硬件系统深度解析
2.1 传感器融合方案对比
市面上常见的避障方案有三种：纯红外、纯超声波以及我们的多模态方案。去年带学生做实验时，我们专门做了组对比测试：
| 方案类型 | 检测距离 | 抗干扰性 | 方向精度 | 成本 |
|---|---|---|---|---|
| 红外传感器 | 10-80cm | 弱 | 高 | 低 |
| 超声波传感器 | 2-400cm | 中 | 低 | 中 |
| 多模态融合系统 | 2-400cm | 强 | 高 | 中高 |
实测发现红外传感器在强光下误报率飙升，超声波对斜面障碍物检测不准。而将HC-SR04超声波模块（测距）与TCRT5000红外对管（方位检测）组合后，系统在光照变化、复杂地形等场景下稳定性提升明显。具体接线时要注意：超声波模块的Trig和Echo引脚最好接中断口，避免轮询带来的延迟。
2.2 电机驱动电路优化
L298N的经典电路相信大家都见过，但有几个实战经验值得分享：
- 电机电源一定要与逻辑电源隔离，我在初期调试时共地导致MCU频繁复位
- 启用芯片的使能端（ENA/ENB）进行PWM调速时，记得并联104电容滤除高频噪声
- 散热问题不能忽视，连续工作时要加装散热片，有次长时间测试后芯片烫到能煎鸡蛋
电机选型也有讲究，推荐N20减速电机（6V 200RPM），扭矩足够且噪音小。曾试过用TT马达，但负载稍大就出现丢步现象。轮子直径建议6-8cm，过小会影响越障能力。
2.3 电源系统设计
整个系统涉及3.3V（STM32）、5V（传感器）和12V（电机）三档电压，推荐使用XL6009升压模块+AMS1117的组合方案。特别要注意电机启停时的电压跌落问题，我在电源输入端并接了4700μF电解电容，效果立竿见影。电流分配方面：
- STM32核心板：约80mA
- 传感器组：约150mA（峰值）
- 双电机：单路峰值可达1.2A
3. 软件架构与关键算法
3.1 多传感器数据融合
超声波测距的代码看似简单，但陷阱不少。以HC-SR04为例，标准的驱动代码是这样的：
// 超声波测距函数 float Get_Distance(void){ HAL_GPIO_WritePin(Trig_GPIO_Port, Trig_Pin, GPIO_PIN_SET); delay_us(12); HAL_GPIO_WritePin(Trig_GPIO_Port, Trig_Pin, GPIO_PIN_RESET); while(!HAL_GPIO_ReadPin(Echo_GPIO_Port, Echo_Pin)); uint32_t start = TIM5->CNT; while(HAL_GPIO_ReadPin(Echo_GPIO_Port, Echo_Pin)); uint32_t duration = TIM5->CNT - start; return duration * 0.034 / 2; // 单位cm }但实际应用中要加入中值滤波和异常值剔除。我通常采用"三次采样取中间值"的策略，配合移动平均算法，可将误差控制在±0.5cm内。
红外传感器的数据处理更讲究，因为它的输出是模拟量。通过ADC采集后，需要建立距离-电压曲线。实测某型号传感器的特性如下：
| 距离(cm) | 输出电压(V) |
|---|---|
| 3 | 3.2 |
| 10 | 2.1 |
| 20 | 1.3 |
| 30 | 0.8 |
建议用查表法+线性插值实现快速换算，比直接计算公式更精准。
3.2 避障决策逻辑
核心算法采用有限状态机(FSM)设计，这是我优化过的状态转换逻辑：
graph TD A[前进] -->|前方障碍| B(测距判断) B -->|距离>30cm| A B -->|10cm<距离≤30cm| C[减速] C --> D{左右扫描} D -->|左侧空间大| E[左转] D -->|右侧空间大| F[右转] E & F --> A B -->|距离≤10cm| G[紧急制动] G --> H[后退转向] H --> A实际编码时，我习惯用枚举类型定义状态：
typedef enum { STATE_FORWARD, STATE_SLOW_DOWN, STATE_TURN_LEFT, STATE_TURN_RIGHT, STATE_EMERGENCY_STOP } FSM_State;3.3 PWM调速优化
STM32的定时器配置是重点，以TIM3通道1为例：
void PWM_Init(void){ TIM_TimeBaseInitTypeDef TIM_TimeBaseStructure; TIM_OCInitTypeDef TIM_OCInitStructure; RCC_APB1PeriphClockCmd(RCC_APB1Periph_TIM3, ENABLE); TIM_TimeBaseStructure.TIM_Period = 999; // 自动重装载值 TIM_TimeBaseStructure.TIM_Prescaler = 71; // 72MHz/72=1MHz TIM_TimeBaseStructure.TIM_ClockDivision = 0; TIM_TimeBaseStructure.TIM_CounterMode = TIM_CounterMode_Up; TIM_TimeBaseInit(TIM3, &TIM_TimeBaseStructure); TIM_OCInitStructure.TIM_OCMode = TIM_OCMode_PWM1; TIM_OCInitStructure.TIM_OutputState = TIM_OutputState_Enable; TIM_OCInitStructure.TIM_Pulse = 500; // 初始占空比50% TIM_OCInitStructure.TIM_OCPolarity = TIM_OCPolarity_High; TIM_OC1Init(TIM3, &TIM_OCInitStructure); TIM_Cmd(TIM3, ENABLE); TIM_CtrlPWMOutputs(TIM3, ENABLE); }调速时发现，电机在低速段（占空比<30%）会出现抖动。通过实验找到了解决方案：将PWM频率从1kHz提升到5kHz后明显改善，但要注意TIM_Prescaler要相应调整。
4. 系统调试与性能优化
4.1 传感器标定流程
超声波传感器需要做温度补偿，标准声速（343m/s）在25℃时准确，但温度每升高1℃，声速增加0.6m/s。我设计的补偿公式：
float sound_speed = 331.4 + 0.6 * temperature; // temperature为环境温度红外传感器标定更繁琐，需要：
- 固定传感器高度，测量不同距离下的ADC值
- 用Matlab拟合曲线，得到转换公式
- 写入程序作为校准参数
4.2 运动控制调参
PID控制虽然经典，但对小车这类惯性系统，我更喜欢用Bang-Bang控制结合速度斜坡：
void Motor_Control(int target_speed){ static int current_speed = 0; const int step = 5; // 加速度步进值 if(current_speed < target_speed){ current_speed += step; if(current_speed > target_speed) current_speed = target_speed; } else if(current_speed > target_speed){ current_speed -= step; if(current_speed < target_speed) current_speed = target_speed; } TIM3->CCR1 = current_speed; // 更新PWM占空比 }这种方法虽然不如PID精确，但响应快且不易振荡，特别适合处理突发障碍。
4.3 抗干扰设计
遇到电磁干扰导致传感器误触发时，可以：
- 在电源端加磁珠滤波
- 信号线使用双绞线
- 软件上增加防抖逻辑：
#define DEBOUNCE_TIME 50 // 防抖时间50ms uint8_t Safe_Read_GPIO(GPIO_TypeDef* GPIOx, uint16_t GPIO_Pin){ static uint32_t last_time = 0; if(HAL_GetTick() - last_time < DEBOUNCE_TIME) return 0xFF; // 返回无效值 last_time = HAL_GetTick(); return HAL_GPIO_ReadPin(GPIOx, GPIO_Pin); }5. 功能扩展与进阶玩法
基础功能实现后，可以尝试这些升级：
- 手机蓝牙控制：加装HC-05模块，通过串口接收指令
- 路径记忆：利用STM32的Flash存储行驶路径
- 图像识别：外接OV7670摄像头做视觉避障
- ROS接入：移植到STM32CubeMX+ROS框架
最近在尝试用卡尔曼滤波优化传感器数据融合，效果比加权平均更好。核心代码如下：
typedef struct { float q; // 过程噪声协方差 float r; // 观测噪声协方差 float x; // 估计值 float p; // 估计误差协方差 float k; // 卡尔曼增益 } KalmanFilter; float Kalman_Update(KalmanFilter* kf, float measurement){ // 预测 kf->p = kf->p + kf->q; // 更新 kf->k = kf->p / (kf->p + kf->r); kf->x = kf->x + kf->k * (measurement - kf->x); kf->p = (1 - kf->k) * kf->p; return kf->x; }调试中发现，参数q=0.01、r=0.1时，对超声波数据的平滑效果最佳。这套系统从最初的碰碰车式避障，到现在能流畅通过迷宫，期间踩过的坑和解决问题的成就感，或许就是嵌入式开发的魅力所在。
