电赛双车跟随系统实战：STM32 PID控制与传感器融合方案详解-育师

这次我们来看一个针对全国大学生电子设计竞赛（电赛）的实战解决方案——“新版双车跟随满分套餐”，它直接对应2022年电赛B题“小车跟随行驶系统”。对于正在备赛或对智能车控制感兴趣的开发者来说，这个方案的价值在于它提供了一个经过验证、可复现的完整技术栈，从硬件选型、核心算法到调试技巧，覆盖了拿高分的关键路径。

这个“套餐”的核心不是空泛的理论，而是能让你快速搭建、跑通并优化一套稳定可靠的双车跟随系统。它重点关注如何在有限的竞赛时间内，实现前车（领航车）与后车（跟随车）之间稳定的距离与速度协同控制，并应对直线、弯道、加减速等复杂场景。本文将带你拆解这套方案的技术内核，从系统框架、硬件配置、核心算法到软件实现与调试，提供一个可落地的实操指南。

如果你正在准备电赛控制类题目，或者对基于视觉/超声波/红外等传感器的跟随系统开发感兴趣，这篇文章可以直接参考。我们将重点关注系统的可实施性、关键参数的调试方法以及如何避开常见的“坑”。

1. 核心能力速览

能力项	说明
对应赛题	2022年全国大学生电子设计竞赛B题《小车跟随行驶系统》
系统目标	实现后车对前车的自动跟随，保持设定距离，并同步完成直线、弯道、加减速、停车等动作。
核心传感器	通常包含测距模块（如超声波、红外、激光TOF）、图像传感器（摄像头）、编码器等。
核心控制器	主流采用STM32系列单片机（如F4/F7/H7）作为主控，负责传感器数据融合与运动控制。
核心算法	PID控制（距离、速度）、图像处理（巡线、目标识别）、数据融合滤波（如卡尔曼滤波）。
通信方式	双车间可采用无线通信（如蓝牙、Wi-Fi、2.4G）传输状态信息，或完全依赖本地传感器实现自主跟随。
开发环境	Keil MDK、STM32CubeMX、OpenMV IDE（若使用OpenMV）、Python（上位机调试）。
方案特点	模块化设计，软硬件解耦；提供关键参数调试方法；包含抗干扰与稳定性处理策略。
适合场景	电赛备赛、课程设计、智能车创新实践、自动跟随机器人原型开发。

2. 适用场景与使用边界

这个“满分套餐”方案主要服务于特定目标人群和场景：

适合谁：

电赛参赛学生：尤其是备战控制类赛题的队伍，需要一套经过验证的参考实现来加速开发。
嵌入式与机器人初学者：希望通过一个完整的项目，学习传感器应用、电机控制、PID算法和系统集成。
高校指导教师：寻找可用于教学或培训的典型综合实践案例。
智能车爱好者：想自己制作一套双车跟随系统，了解其核心技术原理。

能解决什么问题：

缩短开发周期：提供清晰的硬件清单和软件框架，避免从零开始的摸索。
明确调试方向：给出PID参数整定、传感器数据滤波、通信协议设计等关键环节的实操方法。
提升系统稳定性：包含应对地面反光、通信干扰、电机打滑等实际问题的处理经验。
瞄准评分要点：方案设计会紧扣当年赛题的评分标准，帮助在关键得分点上做到位。

不适合什么场景：

追求极限性能的竞赛：如专业级RoboMaster或智能车竞速赛，其对动态性能和算法优化要求更高，本方案更偏向教学与基础实现。
完全商业化的产品开发：方案未考虑大规模生产、成本极致优化、长期可靠性认证等工程问题。
纯理论研究：方案侧重工程实现与调试，对控制理论、状态估计等算法的深层数学原理探讨有限。

安全与合规边界：

实验应在开阔、安全的场地进行，避免在公共道路或人流量大的区域测试。
注意小车电池安全，使用安全的锂电池并做好充放电管理，防止短路或过热。
若使用无线通信，需遵守所在地无线电管理规定，使用免许可频段，并控制发射功率。
本方案为学术与实践参考，用于参赛需遵守竞赛规则，独立完成并注明参考来源。

3. 环境准备与前置条件

在动手之前，需要准备好软硬件环境。以下清单基于常见的电赛智能车平台配置。

硬件准备清单：

主控芯片：至少两片STM32系列单片机（如STM32F407/F429/F767）。F4系列性价比较高，F7/H7系列性能更强，适合处理图像。
小车底盘：两个，需包含电机、车轮、电机驱动模块（如TB6612、DRV8833）。
电源模块：7.4V或12V锂电池，搭配降压模块（如LM2596）为单片机和传感器提供5V/3.3V电源。
测距传感器（核心）：
- 超声波模块：如HC-SR04，成本低，但易受环境声波干扰，测量频率较低。
- 红外测距：如夏普GP2Y0A系列，精度较好，但受环境光影响。
- 激光TOF：如VL53L0X/VL53L1X，精度高、响应快，抗干扰能力强，是当前优选。
视觉传感器（可选但推荐）：用于辅助巡线或识别前车标记。
- OpenMV Cam：内置MicroPython，图像处理库丰富，开发便捷。
- OV7725等摄像头+单片机处理：成本低，但需要自行编写图像处理算法。
编码器：安装在电机上，用于测量车轮实际转速，实现闭环速度控制。
无线模块（可选）：如需双车通信同步状态，可选用蓝牙模块（HC-05）、Wi-Fi模块（ESP8266）或NRF24L01 2.4G模块。
调试工具：ST-Link/V2下载调试器、USB转TTL串口模块、万用表、示波器（用于观察PWM波形）。

软件与环境准备：

集成开发环境（IDE）：
- Keil MDK-ARM：用于STM32的程序开发、编译和调试。需安装对应芯片的Device Family Pack。
- STM32CubeMX：用于图形化配置单片机引脚、时钟、外设，生成初始化代码，极大提升开发效率。
串口调试助手：如XCOM、SSCOM，用于查看传感器数据、打印调试信息。
图像处理环境（如果使用OpenMV）：安装OpenMV IDE。
上位机软件（可选）：可使用Python（PyQt/PySide）或C#编写，用于实时绘制小车运动曲线、PID参数在线整定。

通用检查清单：

[ ] 所有硬件模块供电电压核对正确（5V/3.3V）。
[ ] 电机驱动模块的输入输出线连接牢固，无短路。
[ ] 单片机最小系统（晶振、复位电路）工作正常。
[ ] 下载器能正常连接并识别单片机。
[ ] 准备一个平整、有清晰引导线（黑色电工胶带）的测试场地。

4. 系统框架设计与硬件连接

一个典型的双车跟随系统可以分为“感知-决策-控制-执行”四个层次。这里我们设计一个以本地传感器自主跟随为主，无线通信为辅的框架。

系统框架图（逻辑描述）：

前车（领航车）： [电机驱动] <-速度指令- [STM32主控] -> [编码器反馈] | [无线发射模块] (可选，发送状态如速度、位置) | [自身运动控制逻辑] (按预定路径或手动控制行驶) 后车（跟随车）： [激光TOF/超声波] -> [距离数据] -\ -> [数据融合与滤波] -> [PID控制器] -> [PWM输出] -> [电机驱动] -> 车轮 [摄像头] -> [图像数据] -> [巡线/识别] -/ (距离环) (速度环) [编码器] -> [速度反馈] --------------------------/ [无线接收模块] (可选，接收前车状态)

硬件连接关键点（以后车STM32为例）：

激光TOF (VL53L0X)：连接I2C接口（如PB6/PB7）。注意上拉电阻，并确保供电稳定。
电机驱动模块：PWMA、PWMB连接STM32的定时器通道引脚（如TIM1_CH1, TIM1_CH2）。AIN1/AIN2, BIN1/BIN2连接普通GPIO控制方向。
编码器：A、B相分别连接定时器的编码器接口引脚（如TIM3_CH1, TIM3_CH2）。
OpenMV摄像头：通过串口（UART）与STM32通信，发送处理后的结果（如中线偏差、目标距离）。
无线模块：如NRF24L01，连接SPI接口和几个GPIO控制脚（CE, CSN）。

使用STM32CubeMX进行初始配置：

新建工程，选择你的STM32具体型号。
配置时钟树，将系统时钟设置到最高频率（以发挥芯片性能）。
引脚配置：
- 启用用于PWM输出的定时器（如TIM1），并配置对应通道为“PWM Generation CHx”。
- 启用用于编码器接口的定时器（如TIM3），模式设为“Encoder Mode”。
- 启用I2C1用于激光TOF。
- 启用UART2用于与OpenMV通信。
- 启用SPI1用于NRF24L01。
- 将控制电机方向的GPIO设为输出模式。
生成代码，选择MDK-ARM V5作为工具链。

5. 核心算法实现与代码解析

双车跟随的核心是控制算法。我们将距离控制作为外环，速度控制作为内环，形成串级PID。

5.1 距离PID控制

后车通过测距传感器获取与前车的实时距离distance_current，与设定的目标距离distance_target比较得到误差e_distance。

// 距离PID结构体定义 (pid.c / pid.h) typedef struct { float Target; // 目标值 float Current; // 当前值 float Error; // 当前误差 float LastError; // 上次误差 float Integral; // 积分项 float Kp, Ki, Kd; // PID参数 float Output; // 输出值（本例中作为速度环的目标速度） float IntegralLimit; // 积分限幅 float OutputLimit; // 输出限幅 } PID_TypeDef; // 距离PID计算函数 float PID_Calculate(PID_TypeDef *pid) { pid->Error = pid->Target - pid->Current; // 积分项，并做限幅防止积分饱和 pid->Integral += pid->Error; if (pid->Integral > pid->IntegralLimit) pid->Integral = pid->IntegralLimit; if (pid->Integral < -pid->IntegralLimit) pid->Integral = -pid->IntegralLimit; // 微分项（使用不完全微分可增加平滑性） float derivative = pid->Error - pid->LastError; // PID输出 pid->Output = pid->Kp * pid->Error + pid->Ki * pid->Integral + pid->Kd * derivative; // 输出限幅 if (pid->Output > pid->OutputLimit) pid->Output = pid->OutputLimit; if (pid->Output < -pid->OutputLimit) pid->Output = -pid->OutputLimit; pid->LastError = pid->Error; return pid->Output; } // 在主循环或定时中断中调用 void Control_Loop(void) { // 1. 读取当前距离（例如从VL53L0X） float current_distance = VL53L0X_GetDistance(); distance_pid.Current = current_distance; distance_pid.Target = 30.0f; // 设定目标距离为30cm // 2. 计算距离PID，输出为目标速度 float target_speed = PID_Calculate(&distance_pid); // 3. 将目标速度传递给速度环PID speed_pid.Target = target_speed; // ... 速度环计算 }

5.2 速度PID控制

速度环的目标值来自距离环的输出。当前速度通过编码器测量得到。

// 编码器速度计算（在定时中断中） extern int32_t encoder_count; // 编码器计数值 int32_t last_count = 0; void TIMx_IRQHandler(void) { // 假设定时器中断频率为100Hz if (TIM_GetITStatus(TIMx, TIM_IT_Update) != RESET) { int32_t diff = encoder_count - last_count; float current_speed = (float)diff / (COUNTS_PER_REV * WHEEL_CIRCUMFERENCE) * 100; // 单位：cm/s last_count = encoder_count; speed_pid.Current = current_speed; speed_pid.Target = target_speed_from_distance_pid; // 来自距离环 float pwm_output = PID_Calculate(&speed_pid); // 将pwm_output赋值给电机PWM占空比 MOTOR_SetPWM(pwm_output); TIM_ClearITPendingBit(TIMx, TIM_IT_Update); } }

5.3 数据滤波处理

传感器数据（尤其是超声波、红外）存在噪声，需要进行滤波。这里以简单的滑动平均滤波和一阶低通滤波为例。

// 滑动平均滤波（用于距离数据） #define FILTER_LEN 5 float distance_filter_buffer[FILTER_LEN] = {0}; uint8_t filter_index = 0; float Moving_Average_Filter(float new_value) { distance_filter_buffer[filter_index] = new_value; filter_index = (filter_index + 1) % FILTER_LEN; float sum = 0; for (int i = 0; i < FILTER_LEN; i++) { sum += distance_filter_buffer[i]; } return sum / FILTER_LEN; } // 一阶低通滤波（用于速度数据） float Low_Pass_Filter(float new_value, float old_value, float alpha) { // alpha = dt / (dt + RC)，通常取0.1~0.3 return alpha * new_value + (1 - alpha) * old_value; }

5.4 图像处理辅助（OpenMV示例）

如果使用OpenMV进行巡线，可以将其作为横向控制的参考，与距离控制结合。

# OpenMV Cam 主程序 (main.py) import sensor, image, time, pyb from pyb import UART # 初始化摄像头 sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QQVGA) # 160x120 sensor.skip_frames(time = 2000) uart = UART(3, 115200) # 使用UART3与STM32通信 while(True): img = sensor.snapshot() # 1. 巡线：寻找黑线中线 line = img.get_regression([(0, 0, 0, 255, 255, 255)], robust = True) # 二值化找线 if line: img.draw_line(line.line(), color = (255, 0, 0)) # 计算中线偏差（图像中心x坐标 - 线中心x坐标） center_x = line.x1() + (line.x2() - line.x1()) // 2 bias = 80 - center_x # 假设图像中心x=80 # 2. （可选）识别前车上的色块或AprilTag # ... # 通过串口发送数据：格式如 "Bias,距离\n" data = "%d,%d\n" % (bias, distance_read_from_sensor) uart.write(data) time.sleep(10) # 控制发送频率

STM32端解析OpenMV数据，可以将横向偏差bias作为一个修正量，叠加到左右轮的速度差上，实现同时跟随和巡线。

6. 软件调试与参数整定实战

算法实现后，调试是成败的关键。遵循“先独立，后联合；先开环，后闭环”的原则。

步骤1：电机与编码器基础测试

编写代码让电机以固定PWM值正反转，观察车轮转动是否顺畅，方向是否正确。
测试编码器计数：在电机空转和受阻力时，查看编码器计数值变化是否灵敏、连续。确保编码器接口配置正确。

步骤2：速度环PID整定

将距离环断开，直接给速度环一个固定的目标速度（如20 cm/s）。
先调P：将Ki, Kd设为0。逐渐增大Kp，直到电机出现“嗡嗡”声但还未开始持续振荡，此时系统响应较快但有静差。
再调I：逐渐加入Ki，用于消除静差。观察小车能否稳定在目标速度。注意Ki太大会引起超调或振荡。
最后调D：加入Kd，用于抑制振荡，使速度曲线更平滑。微分项对噪声敏感，通常取值较小。
通过串口将目标速度、实际速度、PWM输出等数据实时发送到上位机（如Python的Matplotlib）绘制曲线，直观观察响应过程。

步骤3：距离环PID整定

将前车静止放置，后车置于稍远位置。
速度环参数暂时固定（使用步骤2调好的参数）。
整定方法同速度环：先P后I再D。目标距离设为固定值（如30cm）。观察后车能否平滑地接近并稳定在目标距离处，无超调或持续振荡。
关键点：距离环的输出是速度环的目标值，因此距离环的输出限幅OutputLimit应设置为一个合理的最大跟踪速度。

步骤4：联合调试与动态测试

让前车开始缓慢匀速运动，观察后车跟随情况。
测试前车加减速：后车应能及时调整速度，保持距离稳定。
测试前车转弯：如果系统纯靠距离控制，转弯时后车容易撞到前车内侧。此时需要引入图像处理的横向偏差进行辅助纠偏，或者使用两个测距传感器（一左一右）进行差速控制。
测试不同地面材质（木板、地砖、地毯）对编码器打滑的影响，必要时加入速度观测器或自适应控制。

7. 通信协议与双车协同（可选进阶）

如果采用双车无线通信方案，需要设计简单的通信协议。

NRF24L01 简单数据帧设计：前车（发射端）周期性地将自身状态（如编码器速度、舵机角度）打包发送。

// 数据包结构体 typedef struct { uint16_t speed; // 前车速度 int16_t steering; // 前车转向角（如有） uint8_t checksum; // 校验和 } CarData_Packet_t; // 发送函数（前车） void NRF24L01_TxData(void) { CarData_Packet_t tx_data; tx_data.speed = get_current_speed(); tx_data.steering = get_steering_angle(); tx_data.checksum = tx_data.speed ^ tx_data.steering; // 简单异或校验 NRF24L01_WriteTxPayload((uint8_t*)&tx_data, sizeof(tx_data)); NRF24L01_TxMode(); // 切换到发射模式并发送 } // 接收函数（后车） if (NRF24L01_RxPacket((uint8_t*)&rx_data) == RX_OK) { // 验证校验和 if (rx_data.checksum == (rx_data.speed ^ rx_data.steering)) { // 使用前车速度作为自身速度参考，或用于预测前车轨迹 // 可以结合本地传感器数据，进行数据融合（如卡尔曼滤波） } }

后车可以利用收到的前车速度信息，实现更精准的速度跟随，甚至提前预判前车运动趋势。

8. 常见问题与排查方法

在开发过程中，你几乎一定会遇到以下问题。这里提供排查思路。

问题现象	可能原因	排查方式	解决方案
电机不转或只振动	1. PWM频率不对 2. 电机驱动使能信号错误 3. 电源功率不足	1. 用示波器看PWM波形和频率（通常10kHz-20kHz） 2. 检查驱动芯片的IN/EN引脚电平 3. 测量电池电压带载后的跌落	1. 调整定时器分频和重载值 2. 核对驱动芯片真值表 3. 更换容量更大的电池或降低电机电流
编码器计数不准或不动	1. 编码器AB相接反 2. 定时器编码器模式配置错误 3. 硬件接触不良	1. 手动转动电机，观察计数方向是否正确 2. 检查CubeMX中TIM的Encoder Mode设置 3. 重新焊接或按压接线	1. 交换A、B相接线 2. 确认计数边沿和极性 3. 确保连接可靠
测距传感器数据跳动大	1. 环境干扰（超声波回声、红外杂光） 2. 供电不稳 3. 通信受干扰（I2C）	1. 在静止状态下观察数据 2. 用示波器测量传感器VCC 3. 检查I2C上拉电阻，缩短接线	1. 增加软件滤波（如中值、均值） 2. 电源增加滤波电容 3. 降低I2C速度，采用屏蔽线
小车跟随振荡（来回撞）	1. 距离环PID参数过冲，尤其是P太大 2. 速度环响应太慢 3. 传感器数据延迟大	1. 观察距离误差曲线 2. 测试速度环阶跃响应 3. 测量传感器数据更新周期	1. 降低距离环P和D，适当增加I 2. 先优化速度环动态性能 3. 选择更快传感器或降低控制频率
转弯时后车撞前车内侧	纯距离控制无法处理横向偏移	观察转弯时两车轨迹	1. 增加横向控制（视觉巡线） 2. 使用两个测距传感器，计算差速 3. 前车通过无线发送转向意图，后车预判
无线通信丢包严重	1. 距离过远或有遮挡 2. 频道干扰 3. 电源干扰	1. 拉近距离测试 2. 更换通信频道 3. 通信模块电源加磁珠和电容	1. 确保比赛场地内通信可靠 2. 选择空旷频段 3. 优化电源设计，通信线与电机电源线分开
系统运行一段时间后死机	1. 堆栈溢出 2. 中断冲突 3. 看门狗未喂狗	1. 检查.map文件查看内存使用 2. 检查中断优先级和嵌套 3. 检查看门狗配置	1. 增大堆栈大小 2. 合理分配中断优先级 3. 确保主循环或定时器及时喂狗

9. 竞赛技巧与最佳实践

基于“满分套餐”的思路，要想在电赛中获得好成绩，除了功能实现，还需注意以下工程细节：

模块化编程：将电机驱动、PID控制、传感器读取、通信协议等写成独立的.c/.h文件，方便调试和复用。使用#ifdef DEBUG宏来控制调试信息的打印。
参数可配置化：将所有PID参数、阈值、速度限制等定义为宏或存储在全局结构体中，便于在上位机调试时通过串口指令动态修改。
设计调试上位机：使用Python (PySerial + PyQt) 快速制作一个简易上位机，能实时绘制距离、速度曲线，并能发送参数修改指令。这在调试PID时效率倍增。
准备多种传感器预案：赛题可能对传感器有限制。提前测试超声波、红外、激光TOF等多种方案的性能，并封装好驱动，以便快速切换。
重视机械结构与安装：确保传感器（特别是测距和摄像头）安装牢固，且测量方向与小车中轴线平行。降低小车重心，防止急停急启时晃动影响测量。
电源管理：电机启动瞬间电流很大，会引起电压跌落，可能导致单片机复位。建议单片机电源与电机驱动电源隔离（使用二极管或独立降压模块），并在单片机电源入口加大电容。
比赛策略：
- 先稳后快：先调出一套能在各种情况下稳定跟随的参数，再考虑优化跟随速度和响应时间。
- 分步得分：仔细阅读赛题评分标准。确保“基本要求”部分（如直线跟随、指定距离停车）绝对稳定，再挑战“发挥部分”（如弯道、变速、绕障）。
- 现场适应性调试：比赛场地光线、地面摩擦系数可能与实验室不同。预留时间，准备几组针对不同场景（强光、弱光、光滑地面）的参数，现场快速切换测试。