2024电子设计竞赛自动驾驶小车寻迹抖动问题解决方案：红外对码管优化实践

1次阅读

没有评论

共计 1540 个字符，预计需要花费 4 分钟才能阅读完成。

红外对码管是寻迹小车中最常用的传感器之一，它的原理是通过发射红外光并接收反射光强度来判断地面黑线的位置。在 2024 年电子设计竞赛中，许多队伍都遇到了一个共同的问题：小车在寻迹过程中出现明显的左右抖动现象。

这种现象的主要原因包括：

传感器噪声：环境光干扰和传感器本身的噪声导致信号波动
机械延迟：舵机或电机响应存在滞后
控制算法缺陷：简单的位置式控制容易产生超调

这种抖动看似微小，但实际上会显著影响比赛成绩：

路径偏离误差可达±5cm
速度损失高达 30%
增加了能量消耗

传统方案大多采用固定阈值法，这种方法实现简单但存在明显缺陷：

无法适应不同材质、颜色的赛道
对光照变化敏感
响应速度与稳定性难以兼顾

相比之下，动态阈值法具有明显优势：

实时跟踪环境变化
自动适应不同赛道条件
可以与 PID 控制形成互补

我们还考虑了卡尔曼滤波方案，但实测发现：

STM32F103 系列处理器计算资源有限
对实时性要求高的场合可能造成控制延迟
实现复杂度较高

我们采用 STM32F103C8T6 最小系统板，主要硬件配置如下：

5 路红外对码管传感器
PCA9685 舵机驱动
TB6612 电机驱动

// 在 adc.c 中实现动态阈值计算
#define SAMPLE_NUM 10
#define NOISE_THRESHOLD 50

uint16_t get_dynamic_threshold(uint16_t raw_values[]) {
    uint16_t min = 4095, max = 0;

    for(int i=0; i<SAMPLE_NUM; i++) {if(raw_values[i] < min) min = raw_values[i];
        if(raw_values[i] > max) max = raw_values[i];
    }

    // 去除异常值
    if((max - min) > NOISE_THRESHOLD) {return (max + min) / 2;
    } else {return fixed_threshold; // 使用预设阈值}
}

// pid.c 中的关键实现
typedef struct {
    float Kp, Ki, Kd;
    float integral;
    float prev_error;
} PIDController;

float PID_Update(PIDController* pid, float error, float dt) {float derivative = (error - pid->prev_error) / dt;
    pid->integral += error * dt;

    // 积分限幅
    pid->integral = constrain(pid->integral, -100, 100);

    pid->prev_error = error;
    return pid->Kp * error + pid->Ki * pid->integral + pid->Kd * derivative;
}

我们设计了三种测试场景：