智能送药小车国一方案：STM32+OpenMV+PID控制全流程实战

STM32OpenMVPID控制

于 2026-08-02 04:31:51 修改

·本内容遵循CC 4.0 BY-SA版权协议

在准备全国大学生电子设计竞赛（电赛）时，智能送药小车是控制类题目中的经典赛题，也是许多队伍冲击国奖的“兵家必争之地”。它综合考察了机械结构、运动控制、传感器融合、路径规划以及人机交互等多个维度的能力，对参赛者的系统设计能力和工程实践水平提出了极高要求。很多队伍在备赛过程中，常常面临方案选择困难、代码调试复杂、传感器数据融合不稳定等挑战，导致小车运行效果不佳，与理想成绩失之交臂。

本文将以一个获得国一奖项的智能送药小车作品为蓝本，系统性地拆解其从方案设计、硬件选型、软件算法到调试优化的全流程。无论你是初次接触电赛的新手，还是希望优化现有方案的进阶选手，都能从中获得一套完整、可复现的实战方案。我们将重点讲解如何将零散的模块（如STM32、OpenMV、编码器、舵机）整合成一个稳定、高效、智能的完整系统，并分享在备赛和现场测试中积累的关键“避坑”经验。

1. 智能送药小车赛题解析与核心需求

智能送药小车赛题通常模拟医院场景，要求小车在指定区域内自主行驶，完成药品识别、抓取、运输并精准送达至不同病房（指定区域）的任务。其核心考核点远不止“让车跑起来”那么简单。

1.1 赛题典型任务分解

虽然每年具体规则会有微调，但核心任务框架相对稳定，主要包括以下几个环节：

自主启动与循迹：小车从起点区自动出发，沿黑色引导线（可能是直线、曲线、十字路口）稳定行驶。这是所有任务的基础。
病房/货架识别与定位：需要识别道路旁的病房编号（通常是数字标签）或不同颜色的货架，并准确判断目标病房的位置。
药品识别与抓取：在药房区，需要识别指定的药品（可能通过形状、颜色或二维码区分），并使用机械臂或舵机云台等机构进行抓取。
路径规划与决策：根据识别的目标病房，规划从当前位置到该病房的最优或规定路径，并处理途中的岔路选择。
精准送达与卸载：将药品运送至目标病房区域，可能要求精确停车（如停在指定色块内），并完成卸货动作（如放下药品、翻转货仓）。
返回与重复任务：完成一次送药后，可能需要返回药房进行下一次任务，直至所有药品送达或规定时间结束。

1.2 系统核心能力要求

要高质量完成上述任务，小车系统必须具备以下几种核心能力：

稳定的底层运动控制：包括电机PID调速、精确的里程计计算（通过编码器）、稳定的舵机转向控制。这是小车一切智能行为的基础。
鲁棒的视觉感知：用于循迹（识别赛道黑线）、识别病房编号、识别药品特征。这通常由独立的视觉模块（如OpenMV、K210）完成。
高效的数据融合与决策：主控（如STM32）需要实时接收视觉模块、编码器、陀螺仪等传感器的数据，进行融合处理，并做出行驶、抓取、转向等决策。
可靠的机械执行机构：抓取机构（机械爪、电磁铁）、卸货机构（舵机翻斗）需要设计合理、动作准确、响应快速。
强健的系统稳定性：在连续运行、不同光照条件、场地轻微不平整等情况下，系统不能出现死机、跑飞、误动作等问题。

2. 硬件系统设计与核心器件选型

硬件是系统的骨架，合理的选型和布局是成功的第一步。国一作品通常采用模块化设计，便于调试和更换。

2.1 主控模块：STM32系列微控制器

STM32F4系列（如F407、F429）或H7系列是主流选择，因其强大的计算能力、丰富的外设（多路PWM、定时器、串口、ADC）和成熟的生态。

核心职责：
- 处理编码器数据，实现电机闭环PID控制。
- 通过串口与视觉模块（OpenMV）通信，接收识别结果。
- 控制舵机（转向舵机、抓取舵机）的PWM信号输出。
- 处理按键、显示屏等交互输入输出。
推荐型号：STM32F407ZGT6或STM32F429IGT6。资源充足，足以应对多任务调度和复杂计算。

2.2 视觉模块：OpenMV Cam H7

OpenMV是一款基于STM32H7的嵌入式机器视觉模块，内置MicroPython解释器，开发效率高，非常适合电赛的快速原型开发。

核心职责：
- 循迹：使用find_blobs函数寻找黑色赛道线，计算偏距。
- 数字识别：使用内置的NN（神经网络）功能或template matching（模板匹配）识别病房门牌数字。
- 颜色与形状识别：识别药瓶颜色、形状或场地色块。
优势：与STM32主控通过串口（UART）通信，协议简单。社区资源丰富，有大量现成的图像处理例程。

2.3 运动执行模块：电机、驱动与编码器

电机：推荐采用直流减速电机（TT马达升级版），如GA25、GA37系列，扭力大，带金属齿轮箱，寿命长。
电机驱动：TB6612FNG或DRV8833模块。它们支持双路直流电机控制，具有内置保护电路，比传统的L298N效率高、发热小。
编码器：这是实现精准控制的关键！ 必须为每个驱动轮配备增量式编码器（如AB相输出）。推荐使用霍尔编码器或光电编码器，精度在500线以上为宜。编码器输出接入STM32的定时器编码器接口，用于实时测量轮子转速和计算行走距离（里程计）。

2.4 传感器模块

陀螺仪（IMU）：MPU6050（六轴）或MPU9250（九轴）。用于测量小车姿态角（Yaw），在直道行驶时辅助纠正航向角漂移，提升长直道稳定性。数据通过I2C接口读取。
超声波传感器/TOF激光测距：HC-SR04或VL53L0X。可用于辅助避障（虽然赛题通常不要求，但可作为安全冗余），或在接近病房时辅助精准停车。
巡线传感器（备用）：虽然主循迹靠视觉，但可以准备一排红外对管或灰度传感器作为辅助或应急方案，在视觉受到极端光照干扰时使用。

2.5 电源模块

电源管理是稳定性的基石！

方案：采用多路独立稳压供电。
- 一块大容量（如5000mAh以上）3S锂聚合物电池（11.1V）作为总电源。
- 电机驱动供电：电池电压（11.1V）直接供给电机驱动模块，保证电机有足够动力。
- 主控及核心模块供电：通过大电流BEC（电池消除器电路）或DC-DC降压模块，将11.1V稳定降至5V，为STM32、OpenMV、舵机、传感器等供电。务必确保5V电源输出电流充足（建议3A以上）且干净稳定，避免因电机启停导致电压波动引起单片机复位。
注意：舵机，特别是转向舵机，在堵转时电流很大，必须由独立的5V大电流线路供电，切勿与主控共用微弱的LDO输出。

2.6 机械结构

车体：建议使用坚固的铝合金或碳纤维底盘，确保承载能力和刚性。
转向机构：前轮阿克曼转向（由舵机驱动）是常见选择，结构简单，控制直观。
抓取机构：根据药品形状设计。对于方盒，可采用四杆机构驱动的机械爪；对于圆瓶，可采用自适应夹持器或简单的推板结构。动力源常用舵机或直流电机+丝杠。
布局原则：重心低、左右对称、传感器（尤其是摄像头）前置且视野无遮挡、线束整齐固定。

3. 软件架构与核心算法实现

软件是系统的灵魂。一个清晰的架构和稳健的算法是取得高分的关键。

3.1 系统软件架构

采用前后台或轻量级实时操作系统（如FreeRTOS）的思想进行模块化编程。

TEXT

主循环 (Main Loop) 或任务调度器 (FreeRTOS Scheduler)

├── 传感器数据采集任务

│ ├── 编码器定时器中断读取 -> 速度/里程计算

│ ├── IMU (I2C) 数据读取 -> 姿态解算

│ └── 超声波 (定时触发) 距离读取

├── 通信处理任务

│ └── 串口中断接收OpenMV数据 -> 解析协议（如：`$LINE,offset,angle\r\n`）

├── 决策与控制任务（核心）

│ ├── 状态机：管理小车当前状态（循迹、识别、转弯、抓取、卸货）

│ ├── 循迹控制器：根据视觉偏距和IMU角度，计算转向舵机角度

│ ├── 速度控制器：根据设定速度和编码器反馈，运行PID计算电机PWM

│ └── 动作序列器：控制抓取、卸货等固定流程动作

└── 调试与监控任务

├── 通过串口打印关键数据（速度、偏距、状态）

└── 在OLED屏上显示实时信息

3.2 核心算法详解

3.2.1 循迹控制算法：PD控制器

视觉（OpenMV）识别赛道中线后，会计算出一个offset（车体中心与赛道中心的横向偏差，单位像素）和angle（赛道切线角度）。

// 伪代码示例

float line_offset; // 从串口接收到的偏距

float line_angle; // 从串口接收到的角度

float gyro_yaw; // IMU读取的偏航角

// PD控制器计算转向舵机目标角度

float target_steering_angle;

float kp = 0.1; // 比例系数，需实际调试

float kd = 0.05; // 微分系数，需实际调试

static float last_offset = 0;

// 结合图像偏距和IMU角速度（或角度差）进行控制

target_steering_angle = kp * line_offset + kd * (line_offset - last_offset) + 0.2 * gyro_yaw; // 权重需调试

last_offset = line_offset;

// 将target_steering_angle映射到舵机的PWM脉宽并输出

set_steering_servo_pwm(angle_to_pwm(target_steering_angle));

为什么用PD？ P（比例）项快速响应偏差，D（微分）项抑制振荡，结合IMU可以更好地保持直道航向，减少“画龙”现象。

3.2.2 电机速度控制：PID闭环

通过编码器获取电机实际转速，与目标转速比较，通过PID控制器调整PWM占空比。

// 速度PID结构体

typedef struct {

float target_speed; // 目标速度（编码器计数/单位时间）

float actual_speed; // 实际速度

float err; // 本次误差

float err_last; // 上次误差

float err_integral; // 误差积分

float Kp, Ki, Kd; // PID参数

float output; // 输出PWM值

} PID_Speed;

// PID计算函数（位置式）

void PID_Speed_Calc(PID_Speed *pid) {

pid->err = pid->target_speed - pid->actual_speed;

pid->err_integral += pid->err;

// 积分限幅，防止积分饱和

if(pid->err_integral > 1000) pid->err_integral = 1000;

if(pid->err_integral < -1000) pid->err_integral = -1000;

pid->output = pid->Kp * pid->err +

pid->Ki * pid->err_integral +

pid->Kd * (pid->err - pid->err_last);

pid->err_last = pid->err;

}

// 定时中断中调用：读取编码器值 -> 计算actual_speed -> PID计算 -> 更新电机PWM

调试关键：先调P（让电机有响应），再调D（抑制超调和震荡），最后加很小的I（消除静差）。左右电机的PID参数需独立调试。

3.2.3 视觉数据处理与通信协议

OpenMV与STM32之间需要定义简单高效的通信协议。

OpenMV端（MicroPython）：

PYTHON

import pyb, sensor, image, time, math

from pid import PID

# 初始化摄像头

sensor.reset()

sensor.set_pixformat(sensor.RGB565)

sensor.set_framesize(sensor.QQVGA) # 160x120，处理速度快

sensor.skip_frames(time = 2000)

# 初始化串口

uart = pyb.UART(3, 115200, timeout_char=1000)

# 循迹函数

def find_track():

img = sensor.snapshot()

# 寻找黑色色块（赛道）

blobs = img.find_blobs([(0, 64)], pixels_threshold=100, area_threshold=100)

if blobs:

max_blob = max(blobs, key=lambda b: b.area())

# 计算偏距：图像中心x坐标 - 色块中心x坐标

offset = max_blob.cx() - img.width()//2

# 计算角度（简化版，可用矩形拟合求角度）

angle = 0 # 实际可根据拟合直线计算

# 发送数据

data_packet = "$LINE,%d,%.1f\r\n" % (offset, angle)

uart.write(data_packet)

while(True):

find_track()

STM32端（C语言）：

// 串口中断服务函数中解析数据

void USART3_IRQHandler(void) {

if(USART_GetITStatus(USART3, USART_IT_RXNE) != RESET) {

char rx_char = USART_ReceiveData(USART3);

// 简单的帧解析：寻找'$'开头，'\n'结尾

if(rx_char == '$') {

rx_index = 0;

rx_buffer[rx_index++] = rx_char;

} else if(rx_char == '\n') {

rx_buffer[rx_index] = '\0';

// 解析rx_buffer，例如使用sscanf

if(sscanf(rx_buffer, "$LINE,%d,%f", &vision_offset, &vision_angle) == 2) {

// 成功接收，更新全局变量

g_line_offset = vision_offset;

g_line_angle = vision_angle;

}

rx_index = 0;

} else if(rx_index < RX_BUF_SIZE - 1) {

rx_buffer[rx_index++] = rx_char;

}

3.2.4 状态机设计

使用状态机（State Machine）来管理小车复杂的任务流程，使程序逻辑清晰，易于调试和维护。

typedef enum {

STATE_IDLE, // 空闲

STATE_TRACKING, // 循迹行驶

STATE_NUM_RECOG, // 数字识别（寻找病房）

STATE_TURNING, // 转弯

STATE_GRABBING, // 抓取药品

STATE_DELIVERING, // 前往病房

STATE_UNLOADING, // 卸货

STATE_RETURNING // 返回

} CarState_t;

CarState_t g_car_state = STATE_IDLE;

void StateMachine_Update(void) {

switch(g_car_state) {

case STATE_IDLE:

if(start_button_pressed) {

g_car_state = STATE_TRACKING;

set_target_speed(BASE_SPEED);

}

break;

case STATE_TRACKING:

// 正常循迹

if(detect_crossroad()) { // 检测到十字路口

g_car_state = STATE_NUM_RECOG;

set_target_speed(0); // 停车识别

}

break;

case STATE_NUM_RECOG:

// 发送指令让OpenMV识别数字，并接收结果

if(received_target_room_number) {

decide_turn_direction(); // 根据病房号决定左转/右转/直行

g_car_state = STATE_TURNING;

}

break;

// ... 其他状态处理

}

4. 系统调试与优化实战经验

调试是电赛备赛中最耗时但也最重要的环节。以下是国一团队总结的实战经验。

4.1 分模块独立调试

电机与编码器：单独写测试程序，让电机以固定PWM转动，观察编码器计数是否正常、方向是否正确。确保能准确读取速度。
PID调试：将小车架空，轮子悬空。编写测试程序，让电机目标速度阶梯变化，通过串口打印实际速度曲线，调整PID参数直至响应快速且无振荡。
视觉循迹：单独测试OpenMV，将其画面通过IDE显示出来，观察在不同光照下识别赛道的效果。调整颜色阈值、曝光等参数，确保稳定识别。
舵机控制：测试每个舵机，确定其PWM脉宽与角度的对应关系，并标定中位。

4.2 系统联调与问题排查

问题：小车循迹“画龙”严重。
- 排查：首先检查视觉offset数据是否平滑跳动。可能是摄像头帧率低或图像处理算法不稳定。其次，检查PD参数是否合适，D值可能太小。最后，检查转向舵机响应速度，机械连接是否有虚位。
- 解决：优化OpenMV算法，增加图像滤波；适当增大D参数；加固舵机摇臂与转向拉杆的连接。
问题：直道跑偏（不是振荡，是缓慢偏向一边）。
- 排查：这是左右轮实际转速不一致或机械不对称导致。检查左右电机PID参数是否一致，轮胎直径、磨损是否一致，车体重心是否居中。
- 解决：精细调试左右轮PID，使空载转速一致。在代码中为左右轮设置微小的速度补偿系数。确保机械对称。
问题：OpenMV与STM32通信丢包或乱码。
- 排查：检查波特率是否一致，串口线连接是否可靠，共地是否良好。检查双方代码的缓冲区大小和解析逻辑。
- 解决：使用示波器查看串口波形。在协议中加入帧头($)、帧尾(\r\n)和校验和。STM32端使用中断接收，并做好缓冲区管理。
问题：抓取机构动作不到位或卡死。
- 排查：舵机扭矩是否足够？机械结构是否有死点或干涉？电源电压在动作时是否被拉低？
- 解决：更换更大扭矩舵机；优化机械设计，避免死点；为舵机提供独立且容量足够的电源。

4.3 场地适应性优化

比赛场地光照、赛道颜色可能与实验室不同。

光照：准备不同光照（强光、弱光、侧光）下的多组颜色阈值，比赛时根据现场情况选择或动态调整。
摄像头参数固化：调试到最佳效果后，在OpenMV脚本开头使用sensor.set_auto_gain(False)和sensor.set_auto_whitebal(False)关闭自动调节，并固定增益和白平衡参数，避免环境光变化引起参数漂移。
机械结构加固：赛前对所有螺丝、接线端子进行紧固检查。准备备用关键零件（如舵机、车轮）。

5. 国一作品进阶技巧与心得

除了基本功能，以下几点是作品脱颖而出的关键：

速度与稳定性的平衡：不要一味追求高速。国一作品首先追求的是稳定完成所有任务。在稳定基础上，通过优化PID和路径规划，逐步提升平均速度。
引入IMU融合：单纯依靠视觉循迹在长直道容易产生累积偏差。将IMU的偏航角（Yaw）或角速度融合到转向控制中，可以极大提升长直道的走线精度，实现“惯性导航”辅助。
设计冗余与容错机制：
- 视觉识别失败时，能否根据编码器里程计和上一次识别结果继续行驶一段？
- 抓取动作失败后，是否有重试机制？
- 主循迹失效时，能否切换到底部的红外巡线传感器作为备份？
人机交互与调试便利性：
- 增加OLED显示屏，实时显示小车状态、速度、偏差、当前任务等。
- 设计蓝牙或Wi-Fi无线调试接口，可以实时修改PID参数、发送指令，避免频繁插拔串口线。
- 通过蜂鸣器或LED指示不同的运行状态和错误代码。
代码的工程化管理：
- 使用版本控制（如Git）。
- 将硬件驱动、算法、应用层分离，提高代码可读性和可移植性。
- 关键参数（如PID值、速度、阈值）定义为宏或全局变量，集中在头文件中，方便调整。

6. 备赛流程与时间规划建议

第一阶段（赛前2-3个月）：知识储备与方案论证
- 学习STM32、OpenMV基础，掌握PID原理。
- 查阅往年优秀作品报告，确定技术路线（如主控、视觉方案）。
- 完成硬件选型和采购。
第二阶段（赛前1-2个月）：模块开发与独立调试
- 搭建最小系统车体。
- 逐个攻克电机控制、编码器读取、视觉循迹、舵机控制、传感器读取等模块。
- 实现每个模块的基础功能。
第三阶段（赛前1个月）：系统集成与算法联调
- 将所有模块整合，实现基础循迹。
- 调试PD转向控制和PID速度控制。
- 实现状态机，完成一次完整的取药-送药流程。
第四阶段（赛前2周）：优化与稳定性测试
- 进行长时间、多环境的压力测试。
- 优化参数，提升速度和稳定性。
- 设计并制作最终的车体结构和外壳。
- 准备技术报告初稿。
第五阶段（赛前1周）：模拟与准备
- 按照比赛时长进行全流程模拟。
- 检查所有备件和工具。
- 完善技术报告，准备答辩PPT。

智能送药小车是一个典型的软硬件结合的综合项目，其备战过程本身就是一次完整的工程训练。成功的关键在于清晰的系统设计、扎实的模块调试、耐心的系统联调以及面对问题的解决能力。希望这份从国一作品中提炼的实战指南，能为你提供一条清晰的备赛路径。记住，在电赛的舞台上，稳定可靠的“基本功”往往比炫酷的“黑科技”更能赢得评委的青睐。祝你备赛顺利，在比赛中取得优异成绩！