避障小车DIY实战：用STM32F103C8T6和HC-SR04实现自动避障（附完整代码）

STM32智能避障小车全流程开发指南：从硬件搭建到算法优化

项目背景与核心设计思路

去年夏天，我在工作室调试一台自动导引车时，被它笨拙的避障逻辑彻底激怒——这台价值数万元的设备遇到障碍物只会急停报警。这让我萌生了用最基础元器件打造高响应避障系统的想法。经过三个迭代版本验证，最终确定以STM32F103C8T6为主控、HC-SR04为感知核心的方案，其成本不足百元却可实现商用级避障效果。

这个项目完美融合了嵌入式开发三大核心技能：GPIO精准控制（超声波模块驱动）、定时器高级应用（回波时间测量）、以及PWM波形调制（电机调速）。不同于单纯的外设驱动实验，整套系统需要处理传感器数据采集、运动控制决策、执行机构响应等实时性任务，是检验嵌入式开发者系统思维的最佳练手项目。

1. 硬件系统搭建与电路设计

1.1 关键器件选型对比

注：实际采购时需注意L298N模块是否自带5V稳压输出，这关系到超声波模块的供电方案选择

1.2 电路连接要点图解

核心接线遵循"传感器-主控-执行器"三级架构：

1. 感知层：HC-SR04的Trig接PA3，Echo接PA4（需5V电平兼容）
2. 控制层：L298N的IN1-IN4分别接PB6-PB9（TIM4通道复用）
3. 电源层：18650电池正极接L298N的12V输入，其5V输出给STM32供电

关键提示：务必在电机电源端并联470μF电解电容，可有效抑制PWM调速时的电压波动对超声波模块的干扰。

以下为GPIO初始化代码示例（基于HAL库）：

void MX_GPIO_Init(void) { GPIO_InitTypeDef GPIO_InitStruct = {0}; __HAL_RCC_GPIOA_CLK_ENABLE(); __HAL_RCC_GPIOB_CLK_ENABLE(); // HC-SR04控制引脚 GPIO_InitStruct.Pin = GPIO_PIN_3; GPIO_InitStruct.Mode = GPIO_MODE_OUTPUT_PP; GPIO_InitStruct.Pull = GPIO_NOPULL; GPIO_InitStruct.Speed = GPIO_SPEED_FREQ_HIGH; HAL_GPIO_Init(GPIOA, &GPIO_InitStruct); // L298N控制引脚 GPIO_InitStruct.Pin = GPIO_PIN_6|GPIO_PIN_7|GPIO_PIN_8|GPIO_PIN_9; HAL_GPIO_Init(GPIOB, &GPIO_InitStruct); }

2. 超声波测距模块深度优化

2.1 高精度定时器配置

HC-SR04的测距精度直接决定避障效果。采用TIM2输入捕获模式，将时钟源配置为内部72MHz，预分频设为71（即1MHz计数频率），可实现1μs的时间分辨率：

void MX_TIM2_Init(void) { TIM_IC_InitTypeDef sConfigIC = {0}; htim2.Instance = TIM2; htim2.Init.Prescaler = 71; htim2.Init.CounterMode = TIM_COUNTERMODE_UP; htim2.Init.Period = 0xFFFFFFFF; htim2.Init.ClockDivision = TIM_CLOCKDIVISION_DIV1; HAL_TIM_IC_Init(&htim2); sConfigIC.ICPolarity = TIM_ICPOLARITY_RISING; sConfigIC.ICSelection = TIM_ICSELECTION_DIRECTTI; sConfigIC.ICPrescaler = TIM_ICPSC_DIV1; sConfigIC.ICFilter = 0; HAL_TIM_IC_ConfigChannel(&htim2, &sConfigIC, TIM_CHANNEL_1); }

2.2 动态阈值滤波算法

原始测距数据存在随机波动，采用移动窗口加权平均算法可提升稳定性：

1. 维护一个包含最近5次测量值的循环缓冲区
2. 计算时赋予最新数据0.5权重，其余数据平均分配剩余权重
3. 当新数据与均值偏差超过15%时触发重新测量

实现代码片段：

#define SAMPLE_SIZE 5 float distanceFilter(float newDistance) { static float samples[SAMPLE_SIZE] = {0}; static uint8_t index = 0; float sum = 0, validSum = 0; uint8_t validCount = 0; // 检查数据有效性 for(int i=0; i<SAMPLE_SIZE; i++) { if(samples[i] > 2.0 && samples[i] < 400.0) { validSum += samples[i]; validCount++; } } if(validCount > 0 && fabs(newDistance - validSum/validCount)/newDistance > 0.15) { return validSum/validCount; // 异常数据直接返回历史均值 } samples[index++] = newDistance; if(index >= SAMPLE_SIZE) index = 0; // 加权计算 float weightedSum = newDistance * 0.5f; float otherWeight = 0.5f / (SAMPLE_SIZE - 1); for(int i=0; i<SAMPLE_SIZE; i++) { if(i != (index-1)%SAMPLE_SIZE) { weightedSum += samples[i] * otherWeight; } } return weightedSum; }

3. 运动控制系统实现

3.1 电机PWM调速策略

采用TIM3的CH1-CH4输出四路PWM，通过调节占空比实现差速转向。关键参数配置：

void MX_TIM3_Init(void) { TIM_MasterConfigTypeDef sMasterConfig = {0}; TIM_OC_InitTypeDef sConfigOC = {0}; htim3.Instance = TIM3; htim3.Init.Prescaler = 71; // 1MHz计数频率 htim3.Init.CounterMode = TIM_COUNTERMODE_UP; htim3.Init.Period = 999; // 1kHz PWM频率 htim3.Init.ClockDivision = TIM_CLOCKDIVISION_DIV1; HAL_TIM_PWM_Init(&htim3); sConfigOC.OCMode = TIM_OCMODE_PWM1; sConfigOC.Pulse = 0; // 初始占空比0% sConfigOC.OCPolarity = TIM_OCPOLARITY_HIGH; sConfigOC.OCFastMode = TIM_OCFAST_DISABLE; HAL_TIM_PWM_ConfigChannel(&htim3, &sConfigOC, TIM_CHANNEL_1); // 相同配置其他通道... }

3.2 三级避障响应机制

根据障碍物距离实施差异化应对策略：

1. 安全区域（>50cm）：全速前进（PWM占空比80%）
2. 预警区域（20-50cm）：减速至50%并启动扫描模式
   • 左转30度测距
   • 回正后右转30度测距
   • 选择距离更长的方向转向
3. 危险区域（<20cm）：立即刹车（PWM占空比0%持续200ms）
   • 后退1秒（占空比40%）
   • 随机选择左转或右转90度

状态机实现逻辑：

typedef enum { STATE_FORWARD, STATE_SCAN_LEFT, STATE_SCAN_RIGHT, STATE_BRAKE, STATE_BACKWARD, STATE_TURN } ObstacleAvoidState; void updateStateMachine(float distance) { static ObstacleAvoidState state = STATE_FORWARD; static uint32_t stateTimer = 0; switch(state) { case STATE_FORWARD: if(distance < 50.0f) { state = STATE_SCAN_LEFT; stateTimer = HAL_GetTick(); setMotorSpeed(50, 50); } break; case STATE_SCAN_LEFT: if(HAL_GetTick() - stateTimer > 500) { float leftDistance = measureDistance(); state = STATE_SCAN_RIGHT; stateTimer = HAL_GetTick(); setMotorSpeed(-30, 30); // 右转 } // 其他状态转换逻辑... } }

4. 系统联调与性能优化

4.1 实时调试技巧

利用SWD接口和STM32CubeMonitor实现：

1. 超声波原始数据波形显示
2. 电机PWM占空比实时监控
3. 状态机当前状态可视化

关键调试代码：

void debugOutput(void) { static uint32_t lastTick = 0; if(HAL_GetTick() - lastTick > 100) { // 10Hz输出 printf("Dist:%.1fcm | L:%d%% R:%d%% | State:%d\n", currentDistance, (int)(leftMotorDuty*100), (int)(rightMotorDuty*100), currentState); lastTick = HAL_GetTick(); } }

4.2 常见问题解决方案

• 问题1：超声波模块误触发

  • 现象：无障碍物时突然报短距离
  • 解决：在Trig引脚串联100Ω电阻，并联10nF电容到地

• 问题2：电机干扰导致系统复位

  • 现象：电机启动时开发板重启
  • 解决：在STM32的5V输入增加LC滤波电路（22μH电感+100μF电容）

• 问题3：转向角度不准确

  • 现象：预期90度转向实际偏差大
  • 解决：通过编码器反馈实现闭环控制：

    void turnAngle(float targetAngle) { // 单位：度 resetEncoder(); float startAngle = getIMUAngle(); // 使用MPU6050获取当前角度 while(fabs(getIMUAngle() - startAngle) < targetAngle) { setMotorSpeed(-30, 30); // 持续左转 } setMotorSpeed(0, 0); }

5. 扩展功能实现思路

5.1 多传感器数据融合

增加红外测距模块（如GP2Y0A21）作为超声波测距的补充：

• 红外传感器响应更快（<5ms）
• 超声波在特定角度（>30度）检测效果下降
• 融合算法采用加权投票机制：

  float getFusedDistance() { float usDist = getUltrasonicDistance(); float irDist = getInfraredDistance(); if(usDist < 15.0f && irDist < 15.0f) { return (usDist*0.3f + irDist*0.7f); // 近距离侧重红外 } else { return (usDist*0.8f + irDist*0.2f); // 远距离侧重超声波 } }

5.2 上位机监控界面

基于Python+PyQt5开发控制终端：

1. 通过USB转TTL接收STM32数据
2. 实时显示小车运动轨迹
3. 支持参数在线调整（如避障阈值、PWM频率等）

关键Python代码片段：

class MainWindow(QMainWindow): def __init__(self): super().__init__() self.serial = Serial('COM3', 115200, timeout=1) self.timer = QTimer() self.timer.timeout.connect(self.updateData) self.timer.start(100) # 10Hz刷新 def updateData(self): if self.serial.in_waiting: raw = self.serial.readline().decode().strip() try: dist, speed, state = map(float, raw.split(',')) self.plotter.update(dist, speed, state) except: pass

在最终版本中，我给小车增加了WS2812B灯带，通过不同颜色灯光表示当前状态（蓝色-前进、黄色-转向、红色-刹车），这个设计在夜间测试时效果特别酷炫。实际测试表明，优化后的小车可以在1.5m/s速度下可靠识别并避开直径2cm以上的障碍物，这个性能已经接近部分商用扫地机器人的避障水平。