给STM32小车装上“眼睛”和“大脑”：OpenMV颜色识别与超声波避障的保姆级融合教程

给STM32小车装上“眼睛”和“大脑”：OpenMV颜色识别与超声波避障的保姆级融合教程

当你的STM32小车已经能够完成基础循迹，下一步就是让它变得更智能——能够识别颜色并避开障碍物。这就像给小车装上了"眼睛"（OpenMV摄像头）和"大脑"（STM32主控），让它能够感知周围环境并做出决策。本文将带你一步步实现这两个功能的完美融合。

1. 系统架构设计

多传感器融合的核心在于合理的系统架构设计。我们需要考虑以下几个关键点：

• 传感器选型：OpenMV摄像头负责颜色识别，超声波模块用于避障，红外循迹模块保持基础功能
• 主控选择：STM32F103C8T6作为核心处理器，负责数据融合和决策
• 通信方式：UART串口用于OpenMV与STM32的数据传输
• 任务调度：采用优先级策略处理不同传感器的输入

系统架构图（文字描述）：

[OpenMV摄像头] --UART--> [STM32主控] --PWM--> [L298N电机驱动] ↑ [超声波模块] --GPIO-----┘

2. 硬件连接与配置

2.1 OpenMV与STM32的通信设置

OpenMV与STM32通过UART通信，需要确保双方配置一致：

// STM32端UART初始化代码片段 USART_InitTypeDef USART_InitStructure; USART_InitStructure.USART_BaudRate = 9600; USART_InitStructure.USART_WordLength = USART_WordLength_8b; USART_InitStructure.USART_StopBits = USART_StopBits_1; USART_InitStructure.USART_Parity = USART_Parity_No; USART_InitStructure.USART_Mode = USART_Mode_Tx | USART_Mode_Rx; USART_Init(USART1, &USART_InitStructure);

注意：务必确保OpenMV和STM32使用相同的波特率，并且共地连接。

2.2 超声波模块接口设计

超声波模块通常需要两个GPIO引脚：

// 超声波模块初始化代码 GPIO_InitStructure.GPIO_Pin = GPIO_Pin_0; GPIO_InitStructure.GPIO_Mode = GPIO_Mode_IN_FLOATING; GPIO_Init(GPIOB, &GPIO_InitStructure); GPIO_InitStructure.GPIO_Pin = GPIO_Pin_1; GPIO_InitStructure.GPIO_Mode = GPIO_Mode_Out_PP; GPIO_Init(GPIOB, &GPIO_InitStructure);

3. 传感器数据融合策略

3.1 优先级处理机制

在多传感器系统中，合理的优先级设置至关重要。我们采用以下策略：

1. 避障优先：当超声波检测到障碍物距离<20cm时，立即执行避障动作
2. 颜色识别次之：当检测到特定颜色时，执行相应动作
3. 循迹基础：无紧急情况时，保持循迹功能

// 优先级处理伪代码 void decision_making() { if(ultrasonic_distance < 20) { avoid_obstacle(); } else if(color_detected == TARGET_COLOR) { handle_color(); } else { line_following(); } }

3.2 数据同步与滤波

传感器数据可能存在噪声，需要适当的滤波处理：

• 超声波数据：采用移动平均滤波
• 颜色识别：设置置信度阈值，避免误识别
• 循迹信号：添加消抖处理

滤波参数建议：

4. OpenMV颜色识别实现

4.1 OpenMV端代码配置

OpenMV使用Python进行编程，以下是一个基础的颜色识别脚本：

import sensor, image, time, pyb # 初始化摄像头 sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) sensor.skip_frames(time = 2000) # 定义目标颜色阈值 (根据实际环境调整) red_threshold = (30, 100, 15, 127, 15, 127) # UART初始化 uart = pyb.UART(3, 9600) while(True): img = sensor.snapshot() blobs = img.find_blobs([red_threshold], pixels_threshold=100, area_threshold=100) if blobs: # 找到最大的色块 largest_blob = max(blobs, key=lambda b: b.pixels()) # 通过UART发送识别结果 uart.write("R") # R表示识别到红色 else: uart.write("N") # N表示未识别到目标颜色 time.sleep(100)

4.2 STM32端数据处理

STM32需要解析OpenMV发送的数据：

void USART1_IRQHandler(void) { if(USART_GetITStatus(USART1, USART_IT_RXNE) != RESET) { char received = USART_ReceiveData(USART1); if(received == 'R') { color_detected = RED_COLOR; } else { color_detected = NO_COLOR; } } }

5. 超声波避障实现

5.1 距离测量原理

超声波模块通过测量声波往返时间计算距离：

距离(cm) = (高电平时间(us) × 声速(340m/s)) / 2 / 10000

5.2 STM32实现代码

// 超声波测距核心代码 void Read_Distance(void) { GPIO_SetBits(GPIOB, GPIO_Pin_1); // 触发信号 Delay_us(15); GPIO_ResetBits(GPIOB, GPIO_Pin_1); if(TIM3CH3_CAPTURE_STA & 0X80) { // 成功捕获到回波 Distance = TIM3CH3_CAPTURE_STA & 0X3F; Distance *= 65536; Distance += TIM3CH3_CAPTURE_VAL; Distance = Distance * 340 / 1000 / 2; // 计算距离(mm) TIM3CH3_CAPTURE_STA = 0; // 开启下一次捕获 } }

6. 多任务调度与电机控制

6.1 状态机设计

使用状态机管理小车不同行为模式：

typedef enum { MODE_LINE_FOLLOWING, MODE_OBSTACLE_AVOID, MODE_COLOR_ACTION } RobotMode; RobotMode current_mode = MODE_LINE_FOLLOWING; void update_mode() { if(Distance < 200) { current_mode = MODE_OBSTACLE_AVOID; } else if(color_detected != NO_COLOR) { current_mode = MODE_COLOR_ACTION; } else { current_mode = MODE_LINE_FOLLOWING; } }

6.2 电机控制策略

根据不同模式调整电机行为：

void motor_control(RobotMode mode) { switch(mode) { case MODE_OBSTACLE_AVOID: // 后退 Motor_FXSD(8, 10); Delay_ms(100); // 左转 Motor_FXSD(4, 10); while(TCRT5000_R3() == 1); // 等待右侧传感器检测到黑线 Motor_FXSD(6, 10); Delay_ms(750); break; case MODE_COLOR_ACTION: if(color_detected == RED_COLOR) { // 红色→停止3秒 Motor_FXSD(5, 11); Delay_ms(3000); } break; default: line_following_control(); } }

7. 调试技巧与常见问题

7.1 OpenMV调试建议

1. 阈值调整：使用OpenMV IDE中的阈值编辑器工具，实时调整颜色阈值
2. 帧率优化：降低分辨率可以提高处理速度
3. 光照补偿：在不同光照条件下测试并保存多组阈值

7.2 超声波模块常见问题

• 问题1：测量距离不稳定
  • 解决方案：增加滤波算法，检查电源稳定性
• 问题2：无法触发测量
  • 解决方案：确认Trig引脚信号波形，确保脉冲宽度≥10μs
• 问题3：最大测量距离不足
  • 解决方案：调整声波发射功率，确保反射面足够大

7.3 多传感器干扰处理

当多个传感器同时工作时，可能会相互干扰。以下是一些应对措施：

1. 时间分片：错开不同传感器的活跃时间
2. 电源隔离：为每个传感器单独滤波
3. 优先级管理：确保高优先级任务能够中断低优先级任务

8. 进阶优化方向

8.1 性能优化

• DMA传输：使用DMA处理UART数据，减少CPU开销
• 定时器优化：利用硬件定时器生成PWM，替代软件模拟
• 中断优先级：合理设置中断优先级，确保关键任务响应及时

8.2 功能扩展

• 多颜色识别：扩展OpenMV代码识别多种颜色并执行不同动作
• 路径记忆：添加SD卡模块记录行驶路径
• 无线控制：集成蓝牙或WiFi模块实现远程监控

8.3 算法改进

• PID控制：在循迹算法中引入PID控制，提高循迹平滑度
• 机器学习：使用OpenMV的简单机器学习功能提升识别准确率
• 传感器融合算法：尝试卡尔曼滤波等高级融合算法

在实际项目中，我发现最影响系统稳定性的往往是电源质量。使用示波器检查各模块供电电压的纹波，添加适当的去耦电容，可以解决许多莫名其妙的故障。另外，OpenMV的帧率设置需要与STM32的处理能力匹配，过高的帧率会导致数据堆积，而过低的帧率又会影响实时性。经过多次测试，15-20fps通常是一个不错的折中选择。