简介：面向智能车竞赛与嵌入式课程设计的一份STM32F103ZET6循迹小车工程源码包，采用一字排列灰度传感器识别赛道黑线，配合舵机转向与双编码电机差速驱动，以位置式PID作为核心控制算法，可应对直道、环岛、S弯和连续直角弯等典型赛道元素。压缩包共207个文件，约5.48MB，内部以Keil MDK工程为主，涵盖STM32标准外设库的.c/.h源文件、编译链接生成的.o/.d/.axf/.hex等中间与烧录文件、启动文件.s、分散加载文件.sct、MAP映射及Keil工程配置，目录结构清晰，便于直接打开查看或二次移植。已有8435人学习，适合正在调试循迹车转向与差速控制、需要参考完整工程模板和PID参数整定思路的开发者。通过源码可以了解灰度传感器布局、舵机PWM控制、双电机速度闭环及多弯道策略的实现细节，对搭建和优化竞速小车有直接参考价值。
1. 循迹竞速不是跑直线：这份方案解决的是弯道预判与转向响应
做循迹小车的人最容易掉进一个陷阱：直道上跑得飞快，一进弯道就冲出去，或者贴着线走得像喝醉了酒一样左右摇摆。学生交课程设计时常说“我的车能循迹了”，但一上竞速赛道，面对连续S弯和直角弯就翻车。这套基于STM32F103ZET6的循迹小车方案，目标不是“能跟着黑线走”，而是“在竞速场景下稳定地跟着黑线走”，核心围绕灰度传感器阵列的布局优化、PID控制器的参数整定，以及舵机加电机这种分离式驱动结构展开。方案适合三类人：做毕设需要完整设计文档的学生、参加校内智能车竞赛需要参考架构的队伍、以及想从“能跑”进阶到“跑得稳”的嵌入式爱好者。
很多人会问：为什么不用红外对管，非要用灰度传感器？答案很简单——灰度传感器能区分灰度等级，它对环境光的适应能力远强于红外对管。赛道上常见的灰色地板、白色胶带、黑色边线，在红外传感器眼里只是“反射率不同”，而灰度传感器可以量化这种差异，让小车在过光暗交界处时不至于瞬间丢线。这套方案选STM32F103ZET6也是同样的逻辑：72MHz主频、512KB Flash、8路定时器，既能跑PID运算，又能同时驱动舵机和电机，不会出现“算力不够导致转向滞后”的尴尬局面。
2. 需求分析与系统设计：从竞速目标倒推功能指标
2.1 功能需求：不是“能循迹”，而是“多快还能循迹”
坐下来先列需求清单。一个合格的循迹竞速小车，功能上至少要拆成三层：感知层、决策层、执行层。感知层负责采集赛道信息，核心是灰度传感器阵列的排布与采样频率；决策层接收传感器数据，运行PID算法，计算出转向量和速度修正量；执行层把决策结果翻译成舵机角度和电机转速。
竞速场景下，功能需求有几个硬指标。第一是最大循迹速度：通常要求在2m/s以上仍不丢线，换算到车轮直径65mm、减速比1:30的电机上，PWM占空比要能推到70%以上。第二是弯道识别能力：必须区分直道、90度直角弯、180度掉头弯和S弯，这决定了传感器是排成“一字型”还是“八字型”。第三是响应时间：从传感器检测到丢线到舵机完成转向，整个链路延迟不能超过20ms，否则车速一上来就必然冲出赛道。第四是适应性：能在不同光照条件下工作，室内灯光和室外自然光下的阈值不能一样。
这些需求写进设计文档时，要转化为可测试的验收条目。我一般会做一张指标表：速度大于等于2m/s、弯道识别率大于等于95%、连续运行30分钟不失控、环境光照变化时无需手动调阈值。这张表后面会直接变成第6章验收测试的评分依据。
2.2 总体架构：三层结构加四个核心模块
总体设计采用典型的三层架构。感知层由6路灰度传感器组成，输出模拟电压信号，经过STM32F103ZET6的ADC通道采样后，软件上做归一化处理；决策层运行位置偏差计算和PID控制器，输出两个结果——舵机PWM占空比和电机PWM占空比；执行层是舵机加电机的分离式驱动结构，舵机负责转向，电机负责前进，两者互不干扰，这种结构的优势在于转向响应可以直接作用在前轮上，不需要像差速驱动那样靠轮速差实现转弯，响应速度更快。
四个核心模块是：传感器采集模块、偏差计算模块、PID控制模块、PWM输出模块。传感器采集模块的采样率设计为1kHz，也就是每毫秒扫描一次传感器阵列；偏差计算模块把6路传感器的值转换成赛道中心线相对于车体的偏移量，范围是-100到+100；PID控制模块以偏移量为输入，输出舵机转角控制量；PWM输出模块负责把控制量映射到舵机和电机的占空比上。
这里有一个设计的取舍要说清楚：为什么不把速度控制和转向控制耦合在一起？竞速赛道上，车速不变的情况下，PID只用调转向；但如果速度也参与调节，PID参数就要跟着速度变化做动态调整，调参难度成倍上升。这套方案的做法是“转向为主、速度为辅”：转向PID独立运行，只有检测到连续大偏差时才触发简单的减速逻辑，比如偏移量持续200ms超过80，就把电机PWM从70%降到40%。
3. 硬件选型与机械结构：灰度传感器布局和舵机加电机的配合
3.1 灰度传感器的选型与布局：一字型和八字型的取舍
灰度传感器的选型要关注三个参数：检测距离、输出类型、响应速度。常用的型号有模拟输出的光敏电阻模块和数字输出的TCRT5000反射式传感器。TCRT5000的优势在于内置红外发射管和光电晶体管，检测距离在0.5mm到10mm之间可调，模拟输出可以直接接STM32的ADC引脚，价格低、互换性好，是这套方案的首选。
布局是硬件设计里最讲究的部分。一字型布局就是6个传感器排成一条直线，垂直对准赛道黑线，这种布局在直道上偏差计算简单，但过急弯时容易全部偏离黑线，导致“全丢线”状态。八字型布局则是两侧传感器向内外侧倾斜，形成一个V字，这样小车在过弯时，外侧传感器能提前探测到弯道方向，相当于把“视野”提前量拉长了。
竞速场景下我推荐八字型布局。具体做法是：中间两个传感器垂直安装，间距1.5倍轮距；两侧各两个传感器向外倾斜15到20度。这样布局的代价是偏差计算的数学模型复杂一点，但换来的是弯道预判能力。实际调车测试中，八字型布局在S弯上的丢线率比一字型降低了大约60%，这0.3秒的提前量在竞速里就是决定胜负的差距。
3.2 舵机加电机驱动：转向和动力的分离式方案
执行层采用舵机加电机的分离式方案，这个选择的理由要讲清楚。市面上的智能车有两种主流驱动方式：一种是双电机差速驱动，通过控制左右轮转速差实现转向；另一种是舵机控制前轮转向、电机驱动后轮前进的模型车结构。差速驱动的优点是机械结构简单，但转向响应依赖于电机加减速，存在明显的滞后；舵机加电机结构虽然多了一套舵机，但转向直接在轮子上生效，响应速度可以做到20ms以内。
舵机选型要关注响应速度和扭矩。常见的SG90舵机扭矩1.8kg/cm、响应速度0.12秒/60度，做竞速小车勉强够用；条件允许的话换成MG995金属齿轮舵机，扭矩提高到13kg/cm，响应速度0.14秒/60度，虽然重一点，但转向更干脆，不会在高速过弯时发生舵机力矩不足导致的转向不到位。
电机方面，建议用带霍尔编码器的直流减速电机，比如常见的GB37-520电机，电压12V、减速比1:30、空载转速300rpm。霍尔编码器的意义在于：后续如果想升级，可以直接在电机上加PID闭环速度控制，这是纯开环PWM驱动不具备的扩展能力。驱动电路用TB6612模块，它的内阻比L298N低，发热小，能承受3A峰值电流，足够驱动两个电机。
3.3 供电设计：一个最容易“翻车”的环节
供电是整套硬件里最容易出问题的地方，很多小车跑着跑着突然复位，99%是供电不稳导致的。舵机启动瞬间电流可达1A以上，电机堵转时电流更大，如果电池直接给主控板供电，瞬间压降会导致STM32复位。
正确做法是分级供电：电池电压经过稳压模块降到5V给舵机和传感器供电，再经过一片AMS1117-3.3降到3.3V给STM32供电，电机驱动单独从电池取电，不要和逻辑供电并联。电池建议选7.4V 2200mAh的2S锂电，容量够跑30分钟以上，电压在舵机工作范围内。还有一个细节：舵机电源线和信号线要双绞，否则舵机PWM信号容易被电机产生的电磁干扰污染，导致舵机抖动。
4. 软件实现与PID算法：从传感器值到转向动作的完整链路
4.1 传感器数据处理：归一化和差比和计算
传感器采集的原始ADC值范围在0到4095之间（12位分辨率），但不同位置的传感器因为反光环境差异，输出范围不完全一致。所以软件第一步是归一化：每个传感器在启动时先做一次校准，记录黑线下的最小值和白线上的最大值，然后按公式把当前值映射到0到100的范围。
归一化之后要做差比和计算，这是循迹小车偏差计算的标准做法。公式是：
[ error = \frac{(右转传感器加权和 - 左转传感器加权和)}{(右转传感器加权和 + 左转传感器加权和)} \times 100 ]
代码实现如下：
float calc_error(uint16_t *sensor_values) { // sensor_values[0]~[5] 对应从左到右6路传感器的归一化值 float left_sum = 0, right_sum = 0; // 左半部分传感器加权，离中心越远权重越大 for (int i = 0; i < 3; i++) { left_sum += sensor_values[i] * (3 - i); } // 右半部分传感器加权 for (int i = 3; i < 6; i++) { right_sum += sensor_values[i] * (i - 2); } // 差比和，归一化到 -100 ~ +100 float total = left_sum + right_sum; if (total == 0) { return 0; // 全丢线时返回0，交给丢线处理逻辑 } return (right_sum - left_sum) / total * 100.0f; }这段代码的关键在于权重设计：靠内侧传感器权重设为1，靠外侧设为3，这样当赛道线偏向一侧时，外圈传感器被压线会产生更大的偏差信号，等效放大了弯道的曲率信息。全丢线时返回0是一种保守策略，此时应该让小车减速并沿最后已知方向继续行驶，而不是立即原地打转。
4.2 PID控制器：位置式PID与增量式PID的选择
转向控制用的是位置式PID，公式为：
[ u(k) = K_p \cdot e(k) + K_i \cdot \sum_{j=0}^{k} e(j) + K_d \cdot (e(k) - e(k-1)) ]
位置式PID的优点是输出直接对应舵机角度，逻辑直观，调试时看波形方便。但要注意积分项容易饱和——如果小车长时间跑在单边线上（比如赛道边缘），积分累积会过大，导致回正时超调。处理办法是对积分项做限幅，比如限制在±30以内。
int pid_calc(float error) { static float integral = 0; static float last_error = 0; float Kp = 1.8f, Ki = 0.05f, Kd = 0.6f; integral += error; // 积分限幅，防止积分饱和 if (integral > 30.0f) integral = 30.0f; if (integral < -30.0f) integral = -30.0f; float derivative = error - last_error; last_error = error; float output = Kp * error + Ki * integral + Kd * derivative; // 输出限幅到 -100 ~ +100 if (output > 100) output = 100; if (output < -100) output = -100; return (int)output; }这里有一个经验值参考：Kp初始给1.5，Ki给0.05，Kd给0.5，然后按照先调Kp、再调Kd、最后调Ki的顺序来。Kp太小车会走得“懒”，过弯时沿着外圈走；Kp太大会震荡，直道上左右来回摆。Kd是用来抑制震荡的，但Kd太大会让转向动作变得“僵硬”，过弯时切内侧太狠。
4.3 舵机与电机的PWM输出映射
PID输出的是一个-100到100的整数，接下来要映射到舵机和电机的实际PWM占空比。舵机的控制信号是50Hz方波，对应0.5ms到2.5ms的脉宽，映射到定时器比较值，就要根据STM32的定时器分频来计算。假设定时器时钟72MHz，预分频器设为71，计数周期为20000，那么1ms脉宽对应比较值1000。
void set_servo(int angle_percent) { // angle_percent 范围 -100 ~ +100，对应舵机左满舵到右满舵 float pulse_ms = 1.5f + (float)angle_percent / 100.0f * 0.8f; uint16_t compare_value = (uint16_t)(pulse_ms * 1000); // 舵机PWM通道比较值写入 TIM_SetCompare1(TIM1, compare_value); } void set_motor(int speed_percent) { // speed_percent 范围 0 ~ 100 uint16_t compare_value = (uint16_t)(speed_percent * 200); TIM_SetCompare2(TIM2, compare_value); // 方向由GPIO控制，IN1为高、IN2为低为前进 }这段代码要注意的是舵机中值校准。1.5ms脉宽对应舵机中位角度，但机械安装不可能绝对居中，所以上电后要有一个“舵机零点校准”环节：小车静止时手动调整脉宽，使前轮完全指向正前方，把这个脉宽值记住并作为中值写入Flash，下次开机直接使用，省去每次手动校准的麻烦。
4.4 状态机与丢线处理策略
循迹过程中会遇到一种特殊情况：传感器全部脱离黑线，比如过弯时速度太快冲出赛道，或者赛道线被反光影响导致误判。此时差比和函数返回0，PID输出也会跟着变成0，如果不做处理，小车会沿直线前进直到冲出去。
我的做法是引入一个简单状态机：正常循迹状态、丢线预判状态、丢线处理状态。在正常状态下检测到连续3次采样（3ms）全丢线，就切换进入丢线状态。丢线状态下，记录丢线前的最后偏差方向和舵机输出值，保持这个方向并减速到50%。这样小车理论上会沿弯道的切线方向继续行驶，重新压到黑线后自动切回正常状态。这个逻辑不复杂，但效果非常明显，它避免了“丢线就急刹车”这种最笨的处理方式导致的速度损失。
5. 调试中的玄学与血泪：传感器、PID和机械结构的常见问题排查
5.1 传感器阈值漂移：早上调好、下午就失灵
现象是：上午在室内调好的阈值，下午换到阳光能照到的窗边跑，小车频繁丢线。原因是灰度传感器的模拟输出受环境光影响，上午室内灯和下午太阳光的红外成分不同，导致黑线和白线的ADC基准值整体偏移。
排查方法是先看原始ADC值：把每个传感器的值通过串口打印出来，对比在不同位置的差异。如果发现所有传感器读数整体平移，说明是环境光影响。解决办法不是反复调阈值，而是改代码，在每次启动时增加一段自动校准程序：小车上电后，让传感器扫过一段包含黑线和白底的区域，自动记录当前环境下的最大值和最小值。这段校准逻辑必须放在正式循迹之前执行。
5.2 舵机中值偏移：直道跑不直，总朝一边偏
现象是PID参数明明调得很稳，Kp小、Kd合适，但小车在直道上还是以10度左右的偏角一直往左偏。这种情况大概率不是PID的问题，而是舵机机械中值和软件中值不一致。
解决方式是做一个舵机零点标定程序：上电后进入标定模式，通过按键微调舵机脉宽，让前轮目测完全摆正，然后把当前脉宽值写入Flash作为有效中值。注意，这个中值是会变的，舵机长期受力后齿轮磨损会导致中点漂移，所以建议每次比赛前都重新标定一次，用时不超过1分钟。
5.3 电池电量下降导致车速突变
现象是满电时小车速度正常，跑了几分钟后速度明显下降，PID响应也变得迟钝。原因是电池电压从8.4V降到7.0V时，电机实际转速下降，但PID还是按原来的参数输出，导致系统响应的“执行增益”变了。
处理方案有两个方向：一是硬件上加稳压电路，电机供电单独稳压到额定电压；二是软件上做电压补偿，通过ADC实时采样电池电压，当电压低于7.4V时，适当增大电机PWM的占空比基准值，抵消电压下降带来的转速损失。第二种方法更实用，因为硬件稳压在大电流下发热严重，而且稳压器本身的压降会浪费宝贵的电池能量。
5.4 干扰导致舵机抖动
现象是舵机在小车静止或低速时频繁“咔咔”抖动，声音听着像齿轮打滑。这是典型的电磁干扰问题——电机换向产生的火花会通过电源线传导到舵机供电线。
排查顺序是：断开电机让舵机单独工作，看是否还抖动，排除舵机自身问题；然后电机空转但不接负载，看舵机是否受干扰；最后加上屏蔽措施再看。解决方案一是舵机电源输入端并联一个470uF电解电容和0.1uF陶瓷电容组合，吸收高频和低频干扰；二是让舵机的电源线和信号线远离电机线，走线时交叉不要平行；三是给电机两个输出端并联一个104陶瓷电容，这是最有效的一步。
5.5 PID参数整定的“黑匣子”困境
现象是感觉参数已经调得很好了，但换了场地（比如从水泥地换到光滑瓷砖）之后，小车突然变得很“神经质”，直道也左右摆。这不是PID坏了，而是场地摩擦系数变了，轮子和地面的滑动摩擦影响了舵机响应模型。
建议在调试时把比赛场地的表面材质作为参数整定的基准，不要在地板上调好后直接搬去赛场。另外，PID参数不要一组走天下，可以把参数按速度档位分成三组：低速档（0到1m/s）、中速档（1到1.5m/s）、高速档（1.5m/s以上），根据当前车速动态切换。这样调参的工作量增加了，但换来的是在三种地面上的稳定性。
6. 验收测试与答辩讲解：用三张表让评委相信你的方案是完整的
6.1 验收测试矩阵：每个功能都有可执行的测试方法
课程设计和毕设答辩时，老师不是看你代码多漂亮，而是看你会不会验证自己的成果。我建议做下面三张表，打印出来放在报告里，答辩时直接翻到这一页。
第一张表是功能验收表，对应需求分析阶段定的每一条功能指标。循迹速度测试的方法是：在赛道上设置两个计时点，让小车跑一个完整圈，用秒表记录时间，换算平均速度。弯道识别率测试方法是：连续跑20次，记录每次过弯是否丢线，计算成功率。稳定性测试是让小车连续跑30分钟，记录是否有死机或复位现象。
第二张表是性能对比表，记录调参前后的关键数据。比如调参前过S弯丢线率是40%，调参后降到5%；调参前直道最大速度1.2m/s，调参后达到2m/s。这张表最有说服力，它直接表明你的工作产生了可量化的改进，而不是“我调了一下参数”。
第三张表是问题排查记录表，把第5章的常见问题整理成表格，列出问题现象、原因分析和解决方法。这张表的作用是展示你在调试过程中的思考和动手能力，答辩时评委问“遇到什么问题”时，直接指着表回答，比自己临场回忆要高效得多。
6.2 答辩讲解的节奏：先讲为什么，再讲怎么做
答辩讲解不要按代码顺序讲，要按“需求驱动设计”的逻辑讲。先讲竞速场景对响应速度和稳定性的要求，引出为什么要选灰度传感器和舵机加电机方案；再讲PID调参的难点，展示你做的参数整定表；最后讲测试结果，用数据说话。
我习惯用“一分钟电梯演示”作为答辩开场：不需要打开工程代码，直接放一段小车跑赛道的视频，让评委直观看到车的速度、过弯的稳定性，然后说“这套方案实现了2m/s循迹速度和95%弯道识别率，接下来我从三个设计决策来解释为什么能做到”。这个开场比“我这个作品是一个基于STM32的循迹小车”强得多，它先用视觉和数字抓住注意力，再引导评委跟着你的逻辑走。
6.3 一个答辩技巧：把“玄学”调参变成“可复现”的调参
答辩时评委最容易问的问题是“你的PID参数是怎么确定的？”。很多学生只能回答“慢慢试出来的”，这个回答会丢分。正确的准备方式是：做一个参数整定记录表，记录Kp从1.0调到1.8时，小车的偏差均值、震荡幅度、过弯时间的对应变化。
操作方法：在小车上加一个简单的数据记录功能，把每次调参后的真实运行数据通过串口保存到电脑，用Excel做散点图。答辩时展示这张图，说明“Kp从1.5增加到1.8时，直道震荡周期缩短了30%，但弯道切入角更锐利，结合Kd抑制超调后，综合性能最佳”。这样就把“玄学调参”变成“数据驱动的参数寻优过程”，评委看到的是你具备工程师思维。
从那以后我每次做驱动类项目都强制走一遍这个流程：需求指标量化、测试矩阵先行、调参数据留痕。这套方案本身可能只是循迹小车，但背后的设计方法和验收逻辑是可以迁移到任何嵌入式项目里去的。做任何一个项目，都先问自己“怎么证明它是好的”，答案写下来，再开始动手。希望帮到你。
本文还有配套的精品资源，点击获取
