2024年电子设计竞赛自动驾驶小车弧形寻迹方案：红外对码管原理与实战优化

共计 1342 个字符，预计需要花费 4 分钟才能阅读完成。

背景痛点

弧形赛道在电子设计竞赛中越来越常见，但传统直线寻迹方案往往在这里栽跟头。我自己在调试时就发现，当小车遇到 30°以上的弯道时，红外对管的误判率会突然飙升。经过反复测试，发现问题主要来自两个方面：

1. 弧形赛道导致红外光反射角度变化，部分传感器可能同时检测到黑白区域
2. 环境光干扰（特别是场馆顶灯）会使接收管产生约 200mV 的基线漂移

技术方案对比

参加过三届竞赛后，我总结出这些传感器的特点：

• 红外对管 ：
• 成本最低（约 0.8 元 / 对）
• 响应时间快（<0.1ms）

• 需要精心设计抗干扰电路

• 灰度传感器 ：

• 价格中等（5-15 元）
• 自带环境光补偿

• 响应速度较慢（1-2ms）

• 摄像头方案 ：

• 成本高（>200 元）
• 需要图像处理算法
• 受光照影响极大

核心实现方案

传感器布局优化

通过 3D 打印不同角度的测试支架，最终确定 15°弧形排布效果最佳：

1. 中心对称布置 5 组对管
2. 相邻对管间隔 15°
3. 安装高度保持在 8 -10mm

硬件设计要点

使用 STM32F103 的 ADC 时要注意：

// ADC 配置示例
void ADC_Config() {
    ADC_InitTypeDef ADC_InitStructure;
    RCC_APB2PeriphClockCmd(RCC_APB2Periph_ADC1, ENABLE);
    ADC_InitStructure.ADC_Mode = ADC_Mode_Independent;
    ADC_InitStructure.ADC_ScanConvMode = ENABLE; // 多通道扫描
    ADC_InitStructure.ADC_ContinuousConvMode = ENABLE; // 连续转换
    ADC_Init(ADC1, &ADC_InitStructure);
    ADC_Cmd(ADC1, ENABLE);
}

动态阈值算法

关键是要实时更新环境光基准：

#define SENSOR_NUM 5
uint16_t dynamicThreshold(uint16_t rawValues[]) {static uint16_t baseline[SENSOR_NUM];
    uint16_t threshold = 0;

    // 更新基线（移动平均滤波）for(int i=0; i<SENSOR_NUM; i++) {baseline[i] = 0.9*baseline[i] + 0.1*rawValues[i];
        threshold += abs(rawValues[i] - baseline[i]);
    }
    return threshold/SENSOR_NUM * 1.5; // 1.5 倍系数经验值
}

常见问题解决方案

PCB 布线避坑

遇到过最头疼的问题是串扰：

1. 接收管信号线必须远离电机驱动线路
2. 每组对管的 VCC 都要加 0.1μF 去耦电容
3. 模拟地与数字地单点连接

赛道材质适配

实测反射率数据：

性能验证

在 50cm/ s 速度下测试结果：

• 直线赛道：误判率 <1%
• R30cm 弯道：误判率 3.2%
• R15cm 急弯：误判率 8.7%

进阶优化思路

结合 PID 控制时要注意：

1. 根据检测到的有效传感器数量判断弯道曲率
2. 大曲率时适当降低 P 参数
3. 加入微分项抑制过冲

通过这套方案，我们最终在省赛中获得了一等奖。最关键的经验是：前期花时间做好传感器标定，比赛时能省去 80% 的调试麻烦。