巡线小车进阶实战：ZTMR平台PID控制与多传感器融合解析

1. 先搞明白：巡线进阶到底在“进”什么

最开始做巡线车，我和大多数新手一样，以为把灰度传感器往车头一装、电机转速调到最大、让小车对着黑线冲就完事了。结果小车不是画龙就是脱缰，一到急弯直接飞出去。后来我慢慢把 ZTMR 这套板子从头到尾过了一遍，才意识到所谓的“进阶”，并不是换个更贵的传感器，而是把控制逻辑从“开关式”推向“连续量式”，从“能跟着线走”变成“能稳定地跟着线走”。

这里说的 ZTMR，是我一直在折腾的一套开源巡线小车项目方案。它把主控、电机驱动、灰度传感器接口、调试按键和显示接口都集成在一块板上，省去了大量跳线麻烦。这篇内容不是产品说明书，而是我的实例笔记，重点讲清楚三件事：传感器数据怎么处理、PID 怎么落地、十字路口和丢线怎么处理。适合已经让小车跑起来、但还想继续调深度的朋友，也适合准备参加机器人竞赛但又不想只停留在“抄例程”阶段的同学。

我默认你已经具备一点基础：知道 PWM 控制电机、能看懂 C 语言基本结构、了解 ADC 采样是什么。如果这些还没弄熟，建议先把入门例程跑通再回来看这篇。进阶和入门最大的区别就在这里：入门是在学“动”，进阶是在学“稳”。

2. 传感器与数据：别再把灰度当开关用

2.1 红外灰度传感器的工作原理与局限

灰度传感器本质上是一个红外发射管加一个接收管。发射管发出红外光，光线照到地面上，白色地面反射率高，接收管能收到较强的反射光；黑色线条吸收率高，接收管收到的反射光很弱。主控通过 ADC 读取接收管的电压，就能得到一个随着地面颜色变化的数值。

听起来很简单，但这里面有个容易被忽略的坑：红外接收管不光接收自己发射的光，它还会接收环境光里的红外成分。太阳光直射、灯光频闪、附近有反光物体，都会让读数漂移。所以进阶的第一个习惯就是：不要把传感器读数当成固定真理，要当成“受环境干扰的模拟量”来对待。

另一个常见误区是使用只有数字输出的“开关式”灰度模块。这种模块内部一般有个比较器，亮度超过阈值就输出高电平，低于阈值就输出低电平。它确实能判断“有没有压线”，但判断不了“线偏了多少”。在弯道里，线可能刚好在两个传感器之间，数字输出只会频繁跳变，根本没法做平滑控制。ZTMR 这类支持模拟量采集的接口，才是进阶巡线的基础。

2.2 标定：让传感器先学会“看环境”

拿到一组新传感器，第一步永远是标定，而不是直接调 PID。标定的目标是给每个传感器算出两个基准值：黑色时的读数和白色时的读数。有了这两个值，后续每个原始 ADC 读数都可以映射到 0 到 1 之间，也就是“黑的程度”。

我习惯在一个例程里做三件事：按键进入标定模式、把车放到黑线上采集黑基准、把车放到白地上采集白基准。采集时每个传感器连续读几十次取平均，避免手抖和噪声。核心逻辑大概是这个样子：

#define N_SENSOR 8 uint16_t black[N_SENSOR]; uint16_t white[N_SENSOR]; void calibrate_black(void) { for (int i = 0; i < N_SENSOR; i++) { uint32_t sum = 0; for (int j = 0; j < 50; j++) { sum += analog_read(i); } black[i] = sum / 50; } } void calibrate_white(void) { for (int i = 0; i < N_SENSOR; i++) { uint32_t sum = 0; for (int j = 0; j < 50; j++) { sum += analog_read(i); } white[i] = sum / 50; } }

采集完基准后，归一化公式是：

raw_norm = (raw - black) / (white - black) line = 1 - raw_norm

这里假设黑色读数小于白色读数。line越接近 1，表示该传感器下面越黑；越接近 0，表示越接近白色地面。运算后一定要做一次限幅，把小于 0 的值拉回 0，把大于 1 的值拉回 1，防止个别噪声点把数据带飞。

标定值最好存到 Flash 或者 EEPROM 里。因为实际使用时，你不可能每次都重新摆一遍车去标定，很多套件上电后直接读取上次保存的基准就行。但要注意：标定值只在相同环境下可靠。换个场地、换种灯光，都要重新标定。这一点后面还会专门说。

2.3 多路传感器数据处理：加权平均算出线偏移

有了归一化后的line[i]，下一步是求出“线相对于车头中心的位置”。最常用也最好用的是加权平均法，也叫重心法。

假设有 8 个传感器，下标从 0 到 7，每个传感器在车头下方均匀排列。把每个传感器的line值当作权重，线的位置就是：

sum = L0 + L1 + L2 + L3 + L4 + L5 + L6 + L7 position = (0 * L0 + 1 * L1 + 2 * L2 + ... + 7 * L7) / sum error = position - 3.5

如果线正好在车头正中间，position 大约等于 3.5，error 就是 0；线偏右，error 就是正数；线偏左，error 就是负数。这个 error 就是后面 PID 的输入。

加权平均的好处很多，最明显的一点是它天然带有“模糊梯度”的意味。线在两个传感器中间时，两边传感器的读数都会偏中间值，加权平均出来的 position 会落在两个传感器下标之间，这就比“哪个传感器亮就按哪个转向”平滑太多了。你可以把这个过程理解成一排人举着旗子，旗子越黑的人手臂抬得越高，最后所有人的重心位置，就是线的位置。

为了让数据更稳，我还会在归一化之后做一次一阶低通滤波：

smooth[i] = 0.7f * smooth[i] + 0.3f * line[i];

滤波会稍微牺牲响应速度，但能明显减少传感器在边缘抖动时的毛刺。注意滤波系数不能太极端，0.7/0.3 是比较折中的组合，再低就会让小车反应变慢。

3. 核心控制算法：从阈值跳变到 PID

3.1 为什么开关式控制不够用

入门例程里常见的写法是：中间传感器压到线就直行，左边传感器压到线就右转，右边传感器压到线就左转。这种“开关式”控制在直道上还能凑合，一到 S 弯就会不停左右横摆。原因很简单：控制量只有零和一，没有中间状态。

就像开车时，你不可能只有“方向盘打满向左”和“方向盘打满向右”两个选项，肯定要根据偏离程度调整转向角度。PID 做的事情就是把这个“程度”算出来，让转向量随误差连续变化。

3.2 P 项：让转向量随偏差变化

P 是比例项，公式上就是Kp * error。它的含义最简单：误差越大，输出越大。比如底座 PWM 是 500，当 error 为 0.5 时，P 项输出 100，那么左轮 600、右轮 400，车轻微向右转；当 error 为 2 时，P 项输出 400，那么左轮 900、右轮 100，车明显向右拐。

这里的方向定义要前后一致。我习惯把 error 定义为“正数表示线偏右”，那么输出为正时就应该让左轮加速、右轮减速，这样车辆才会向右转向。

P 项太小，车在弯道里转不过去；P 项太大，直线上也会左右震荡。Kp 没有万能的固定值，和传感器间距、电机速度、轮胎抓地力都有关，只能一步一步试出来。

3.3 I 项：处理长期偏航与累积误差

I 是积分项，它把过去一段时间内的误差累加起来。为什么要积分？因为两个电机不可能完全一致，电池电压也会波动，P 项再准也可能存在一个很小的静态偏差。比如车总是会慢慢往左偏，这个偏差不大，但一直存在，P 项单独处理不掉，这时就需要积分项慢慢补一个修正量。

巡线小车里 I 项要非常克制。积分项天然有“惯性”，弯道里误差方向一直变化，如果积分太强，车会甩尾。而且当车辆完全丢线时，积分一定要清零，否则回来之后会带着一大笔历史账，行为会变得很诡异。我一般会限制积分输出在一个很小的范围内，比如正负 50 个 PWM 单位，避免积分饱和。

3.4 D 项：抑制震荡，过弯更稳

D 是微分项，它看的是误差的变化趋势。如果误差正在迅速变大，说明车正在快速冲离赛道，D 项会额外给一个修正；如果误差正在迅速收敛，说明车已经在回正轨迹，D 项会减小输出，防止冲过头。

一个比较形象的类比是：P 项是“看到偏了就打方向”，D 项是“看到偏的趋势才打方向”。单独用 D 没有意义，但它和 P 配合后，能显著消除“画龙”现象。D 调得太大的时候，车子在直线上会出现高频抖动，电机发出明显的咔哒声，这时候要果断降下来。

3.5 一套可落地的 PID 框架

综合起来，我的控制循环大概长这样：

#define DT 0.01f float KP = 200.0f; float KI = 0.5f; float KD = 20.0f; float error; float last_error; float integral; float output; void pid_loop(void) { error = get_line_error(); if (line_lost_flag) { integral = 0.0f; } else { integral += error * DT; integral = constrain(integral, -50.0f, 50.0f); } float derivative = (error - last_error) / DT; output = KP * error + KI * integral + KD * derivative; output = constrain(output, -700.0f, 700.0f); last_error = error; int base = 500; int left = base + (int)output; int right = base - (int)output; set_motor_pwm(left, right); }

这里的get_line_error()要返回我们之前算出来的 error，同时根据sum判断线是否丢了。line_lost_flag也在这里更新。注意 DT 必须是真实控制周期，最好用定时器中断固定 10ms 执行一次，不要靠 main 循环里的 delay 硬憋，否则 PID 里的时间项全是乱的。

4. 实战调参：从画龙到贴线的完整过程

4.1 调参前的准备与固定测试场景

调 PID 最忌“随机调”。今天高兴改一下 Kp，明天又改一下 Kd，最后根本不知道是哪个参数起了作用。我建议你先固定一个测试场：找一块大平地，用两厘米宽的黑胶带贴一个直径大约一米二的圆环，再额外贴一个 S 弯。场地不用复杂，但一定要能重复跑。

先把初始速度压到很低，比如 base PWM 300 左右。这个速度下，就算 PID 参数很不合理，小车也不至于冲出太远。每次只改一个参数，然后把结果记录下来。我习惯在代码里把 Kp、Ki、Kd 都定义成可以运行时修改的变量，按键加减参数，OLED 或者串口实时显示，这样调试效率高很多。

4.2 三步调参法：P、D、I

第一步，先把 Ki 和 Kd 全部设成 0，只留 Kp。从一个小值开始，比如 100，然后每次加 50。观察小车在圆环上的表现。Kp 太小时，车在弯道里会偏向外侧，甚至冲出线；Kp 合适时，车能贴着线走完整个圆环；Kp 太大时，车会在直线上左右晃动，晃动幅度还会越来越大。找到刚刚好出现轻微晃动的那组 Kp，再往回退 20% 左右，作为基准 Kp。

第二步，固定 Kp，慢慢加 Kd。Kd 的作用是压掉第一步里残留的震荡。我一般从 5 开始，每次加 5，加到直线稳定、弯道不甩尾为止。Kd 过大的表现前面说过：直线上高频抖动，电机发闷。合适的 D 项会让车头出弯时很干净，不会有余摆。

第三步，最后再看 I。只有在长直道上有恒定的小幅偏移，比如车总是慢慢贴向同一侧，才需要加 I。从 Ki=0.1 开始，一次加 0.1，加到偏移消失就停。大多数情况下，KI 可以保持 0，因为 I 项是双刃剑，能不用就不用。

4.3 动态限幅与变速过弯

调好 PID 之后，你会发现一个很尴尬的问题：低速很稳，一加速就冲线。原因也很简单，速度高的时候，留给控制系统的反应时间变短了，同样的误差幅度需要更大的转向量。所以进阶巡线里一定要做动态降速。

我常用的一招是根据误差绝对值调整目标速度：

float target_base = fabs(error) > 2.0f ? 300 : 600; base += (target_base - base) * 0.05f;

这个 0.05 是平滑系数，作用是把速度变化变成渐变，而不是瞬间跳变。瞬间跳变会破坏当前 PID 的积分状态，还容易让车因为惯性失去抓地力。误差大的时候提前减速，误差小的时候放开跑，这是“稳”和“快”之间的平衡点。

另外，PID 输出一定要限幅。如果输出超过电机 PWM 的最大值，或者进入电机驱动的死区，实际转向量并不会按理论值增长，车就会在高速弯里显得很“肉”。我上面的代码把输出限制在正负 700，配合 base 500，能保证左右轮 PWM 不会超过 1200 这种非法值。

5. 场景进阶：十字、T字、路口记忆与补线策略

5.1 识别路口：状态机比想象的更有用

巡线再往上走，就要处理十字路口、T 字路口和直角弯。最常见的方法是统计当前有多少个传感器压到了线上。普通直线上，黑线宽度和传感器间距决定了一次大概会有两到三个传感器被触发；十字路口或者 T 字路口，横向的线会让更多传感器同时变黑。

具体阈值要实测。我先在正常线上打印 activeCount，记住正常最大值；再到十字路口打印 activeCount，记住路口最小值。然后取中间值作为进入路口的判定条件。

这里有个很重要的技巧：进入路口和退出路口要用不同的阈值。比如进入条件定成 activeCount >= 5，退出条件定成 activeCount < 3。两套阈值之间留出回差，就能避免在路口边缘因为某个传感器反复抖动而重复触发。

路口状态的伪代码大概是：

if (activeCount >= 5 && !in_intersection) { in_intersection = true; intersection_index++; } if (in_intersection && activeCount < 3) { in_intersection = false; }

5.2 路口策略：直行、转弯还是停车

识别到路口之后，具体动作取决于任务。如果只是绕场地巡线，十字路口直行就可以了，这时候不用做特殊处理，继续跑 PID 就行，但建议在路口期间把速度降下来一点，防止横向线干扰。

如果要左转或右转，就需要在路口中间执行一段开环转弯，而不是干等 PID 把线找回来。我的做法是：检测到路口后，根据预设的路口序列，决定转向方向，然后在固定时间内输出一个较大的转向 PWM。比如要左转，就让左轮减速、右轮加速，持续一段时间后再切回正常巡线。

转弯期间千万不要沿用原来的 PID 输出。因为 PID 在横向线上算出的 error 是乱的，继续用它会让小车反复左右摇摆，错过转向窗口。开环转弯的时间需要实测，可以先用串口或者按键把时间参数改成变量，边跑边调。

路口序列可以放到一个数组里，比如：

char route[] = {'L', 'R', 'S', 'T'}; // L：左转 R：右转 S：直行 T：停车

每过一个路口，intersection_index加一，再根据route[intersection_index]决定动作。这样就能让小车按预定路线走完一整圈，最后在终点停车。停车动作通常是在检测到最后一个路口时直接输出 PWM 为 0，再用蜂鸣器响两声提示任务完成。

5.3 丢线处理：不慌，先“补线”

高速过弯时，常见的情况是轮子压到线外，所有传感器一下子都读不到黑线了。新手第一反应是急停，但急停会让车的姿态更乱，有时还会正好停在偏离赛道的位置，重新起步更难。

我的丢线策略分两个阶段。第一阶段是短时间丢失，时间在 100ms 以内，这时候车通常只是暂时脱离赛道边缘，我继续沿用上一拍的输出，让它保持原来的转向趋势冲一下，很可能就能重新压回线上。第二阶段是长时间丢失，超过 100ms 还没找回，就进入搜索模式。

搜索模式不要盲目原地转。我的做法是：先按最后一次的 error 方向旋转一段时间，因为车大概率是朝那个方向冲出线的；如果没找到，再向反方向旋转。如果两边都找不到，再停车报警。

代码结构类似：

if (line_lost_flag) { lost_time += DT; if (lost_time < 0.12f) { set_motor_pwm(last_left, last_right); } else if (lost_time < 0.5f) { set_motor_pwm(-300, 300); // 朝最后一次 error 方向搜索 } else { set_motor_pwm(0, 0); beep(); } }

这里的“补线”就是用一个虚拟误差代替真实误差。丢失的瞬间，我们可以把 last_error 当作虚拟 error，继续走 PID。虽然传感器看不到线，但逻辑上认为线还在原来的相对位置，这样短暂丢失时车会非常平滑。

6. 常见问题与排查实录

6.1 问题速查表

巡线做多了，你会发现九成以上的问题都出在几个固定的地方。我把最常见的现象、原因和排查顺序整理成了表格，可以直接对照。

6.2 强光下的“发疯”问题

传感器在太阳底下经常会出现误判，这是所有红外巡线车都绕不过去的坎。解决思路不是换传感器，而是从物理层面减少环境光干扰。第一，传感器离地高度最好控制在 8 到 15 毫米，离地越近，发射管和接收管之间的角度越小，对外部光线的接收面积也越小。第二，在传感器排上方加一块遮光板，用热熔胶或者打印件都行，相当于给传感器戴了顶帽子。第三，跑之前重新标定一次，让系统适应当前光照环境。

6.3 同一套参数换个场地就废

很多朋友调好一套参数，换了个地板就发现怎么跑怎么不对。原因往往不是 PID 参数不行，而是环境反射率变了。原来是浅色地砖配黑色胶带，到了哑光地面或者反光地面，传感器的基础值和对比度都变了。不重新标定，归一化出来的数据就全错。所以我现在每次换场地，第一件事永远是跑一遍标定程序，标定完了再谈调参。越早养成这个习惯，越少踩坑。

6.4 电机差速跟不上算法

PID 输出算得再好，最终也要靠两个电机执行。电池电量下降后，电机转速会明显变化，同一个 PWM 值在不同电量下带来的速度完全不一样。如果你发现早上调好的参数，下午跑起来全部偏位，八成是电池电压变了。

如果 ZTMR 板子上有电机编码器接口，建议后期上闭环速度环，让左右轮实际转速去追目标转速。没编码器的话，可以先用万用表测一下电机驱动供电电压，尽量保证每次调试都在相同电量下进行。另一个土办法是给两个电机分别做一次 PWM-转速曲线，然后在程序里做一个简单的非线性补偿，虽然精度有限，但比完全不管强很多。

7. 最后再分享两个小技巧

第一个小技巧是调试信号的声音化。我给丢线、路口、标定完成都设置了不同的蜂鸣器提示音，这样就不用一直盯着 OLED 或者串口看，只要听声音就能知道小车当前处在什么状态。丢线时“嘀”一声，路口时“嘀嘀”两声，任务完成时响三声，跑起来之后非常直观。

第二个小技巧是把 error 和输出量实时发到串口绘图工具。调参的时候，光看车跑得稳不稳是不够的，还得看数据。error 波形应该在零轴附近小幅震荡，如果波形频繁打到上下限，说明传感器受到干扰或者 PID 参数偏大；如果波形一直偏向一侧，说明车有恒定的系统偏差，需要考虑 I 项。数据不会骗人，比用眼睛追车靠谱得多。

巡线这一行，最让人上头的不是跑通那一刻，而是当你发现每一次参数微调都能在小车的姿态上看到反应时，那种把不确定因素一点点消灭掉的过程。别怕翻车，翻车说明传感器数据至少是真的。Z TMR 这套板子玩到后面，你会发现巡线只是入口，PID、状态机、路径规划这些通用能力，才是真正能带走的东西。