从红外对管到循迹算法：自制灰度传感器与STM32小车全流程实战

1. 背景与核心概念：从“买成品”到“懂原理”的转变

在嵌入式开发、机器人竞赛和电子设计爱好者的圈子里，循迹小车是一个经典的入门项目。很多新手在动手时，第一步就是打开淘宝，搜索“灰度传感器模块”或“循迹模块”，然后下单购买一个现成的、焊好电阻电容、甚至写好基础测试代码的模块。这看似高效，实则错过了学习嵌入式系统最核心、最宝贵的部分——从传感器原理到信号处理，再到控制逻辑的完整闭环。

本文的标题“你连灰度传感器都要淘宝买成品，还做个屁的循迹！”虽然语气激烈，但点出了一个关键问题：依赖成品模块会严重限制你的技术深度和解决问题的能力。当你遇到复杂的弯道、反光地面或者需要更高精度的控制时，如果对底层传感器的工作原理一无所知，调试将变得异常困难，你只能对着淘宝卖家提供的、可能并不适合你具体场景的示例代码束手无策。

那么，灰度传感器究竟是什么？简单来说，灰度传感器是一种用于检测物体表面反射光强度的光电传感器。它通常由一个红外发射管（IRED）和一个红外接收管（光敏三极管或光电二极管）组成。发射管发出红外光，照射到被测表面（如黑线或白底），部分光线被反射回来，由接收管接收。接收管将接收到的光强转换为电流信号，经过电路处理后，最终输出一个可以表征表面“灰度”（即黑白程度）的模拟电压或数字信号（高低电平）。

为什么循迹小车要用它？因为最常见的循迹赛道就是在白色底板上贴黑色胶带，或者反过来。黑色吸收大部分红外光，反射弱，传感器输出低电平（或低电压）；白色反射大部分红外光，反射强，传感器输出高电平（或高电压）。通过判断多个传感器（如常见的3路、5路、8路）的输出状态，小车的主控芯片（如STM32、Arduino、51单片机）就能知道当前车身相对于黑线的位置，从而做出向左转、向右转或直行的决策。

从“买模块”到“自己做”的价值：

1. 成本可控：一个红外对管成本可能只需几毛钱，而成品模块可能要十几甚至几十元。做多路传感器时，成本差异巨大。
2. 参数可调：你可以自由选择发射管的驱动电流（通过限流电阻）、接收管的灵敏度（通过比较器基准电压或ADC参考电压），以适应不同的环境光、赛道材质和检测距离。
3. 电路可优化：理解原理后，你可以设计抗干扰能力更强的电路，比如添加滤波电容、施密特触发器整形，甚至设计模拟输出进行更精细的灰度值采集，为实现PID控制打下基础。
4. 排错能力：当传感器不工作时，你能系统地排查是电源问题、元件损坏、焊接问题还是程序配置问题，而不是简单地怀疑“模块坏了”。

接下来，我们将彻底抛开成品模块，从最基础的红外对管开始，手把手带你设计、制作并编程驱动一个属于自己的灰度传感器模块，并最终集成到一辆完整的循迹小车上。

2. 环境准备与版本说明

在开始硬件制作和软件编程前，我们需要明确整个项目所需的环境和工具。请注意，本文的重点是原理和通用方法，具体的版本号（如STM32 HAL库版本）可能需要你根据实际使用的开发板进行调整。

2.1 硬件环境与物料清单

• 核心控制器：STM32F103C8T6（蓝桥杯、电赛常用款）或 Arduino UNO。本文示例代码将主要以STM32的HAL库为例，因其在性能和灵活性上更具代表性，但原理通用。
• 传感器核心：红外发射接收对管，如经典的TCRT5000。这是一个将发射和接收管集成在一个塑料壳体内的器件，使用非常方便。你也可以分开购买红外发射管（5mm）和光敏三极管（5mm）。
• 基础电子元件：
  • 电阻：10kΩ（上拉电阻）、100Ω-1kΩ（LED限流电阻，具体根据供电电压计算）。
  • 电位器：10kΩ（用于调节比较器阈值）。
  • 运算放大器/比较器芯片：如LM393（双路电压比较器），这是将模拟信号转换为数字信号的关键。
  • 电容：0.1uF（104）瓷片电容，用于电源滤波。
• 小车平台：包括底盘、电机、电机驱动模块（如L298N或TB6612）、轮子、电池等。
• 开发与调试工具：
  • 电脑（Windows, macOS, Linux均可）。
  • STM32开发环境：Keil MDK-ARM 或 STM32CubeIDE。本文使用STM32CubeIDE进行说明。
  • 串口调试助手（如XCOM， Putty）。
  • 万用表、示波器（非必需，但有则更好）。
  • 电烙铁、焊锡、导线、洞洞板或PCB制板工具。

2.2 软件环境与关键库

• STM32CubeMX：用于图形化配置STM32的引脚、时钟、外设等，并生成初始化代码。
• HAL库 (Hardware Abstraction Layer)：ST官方提供的硬件抽象层库，简化了外设操作。我们使用它来读取GPIO和ADC。
• 开发理念：我们将采用“数字传感器 + 模拟传感器”两种方案来制作灰度模块，并对比其优劣。数字方案简单稳定，模拟方案则为高级算法（如PID）铺路。

3. 核心原理与电路设计拆解

在淘宝上买到的成品模块，其内部电路对于用户来说是个黑盒。现在，我们亲手打开它。

3.1 红外对管（TCRT5000）工作原理

TCRT5000有4个引脚：

1. 发射管阳极 (A)
2. 发射管阴极 (K)
3. 接收管集电极 (C)
4. 接收管发射极 (E)

其内部等效电路可以看作一个红外LED和一个NPN光敏三极管。当红外LED发光，照射到物体后反射，光敏三极管接收到反射光，其CE极间的导通程度（电阻）会发生变化。光照越强，CE间电阻越小。

3.2 方案一：数字式灰度传感器电路（基于电压比较器LM393）

这是最常见、最易实现的方案。它将连续的灰度信号转换为非黑即白的数字信号（0或1）。

电路设计思路：

1. 信号采集部分：TCRT5000的接收管CE极与一个上拉电阻（如10kΩ）串联。无光照时，CE电阻极大，输出点电压接近VCC（高电平）。有光照时，CE电阻变小，输出点电压被拉低。这个电压是一个模拟量，其值随反射光强连续变化。
2. 信号比较部分：将上一步得到的模拟电压接入LM393比较器的“反相输入端(-)”。同时，用一个电位器（可变电阻）分压，产生一个可调的参考电压，接入比较器的“同相输入端(+)”。
3. 阈值判断：LM393会比较这两个电压。当模拟电压（反相端）高于参考电压（同相端）时，输出端（Open Collector输出）被内部晶体管拉低到地（输出低电平0）。当模拟电压低于参考电压时，输出端为高阻态，需要靠一个上拉电阻拉到VCC（输出高电平1）。
4. 输出结果：这样，我们就得到了一个数字信号。通过旋转电位器，可以精细地调节判断黑白的“阈值”。例如，设置一个阈值，使得在白纸上输出1，在黑线上输出0。

电路连接示意图（简化）：

VCC (3.3V/5V) | [R1: 10kΩ] (上拉电阻) | |-------> 至 LM393 引脚 2 (IN-) | [TCRT5000] Receiver-C | [TCRT5000] Receiver-E | GND 电位器 (10kΩ) 中间抽头 -------> 至 LM393 引脚 3 (IN+) // 调节阈值 LM393 引脚 1 (OUT) ---[R2: 10kΩ上拉]---> VCC | |-------> 至 MCU GPIO 输入引脚 (数字信号 DO)

优点：电路简单，抗干扰能力强（数字信号），直接给MCU提供0/1，编程简单。缺点：只能做二值化判断，无法感知“有多黑”或“有多白”，在复杂光照或渐变灰度赛道上适应性差。

3.3 方案二：模拟式灰度传感器电路（基于ADC）

这种方案保留了灰度的连续信息，为智能控制提供了可能。

电路设计思路：

1. 信号采集部分：与数字方案前半部分完全相同，利用TCRT5000和上拉电阻产生一个随光强变化的模拟电压。
2. 信号输出部分：不再使用比较器，而是直接将这个模拟电压连接到微控制器（MCU）的ADC（模数转换器）输入引脚。
3. MCU处理：MCU内部的ADC外设会以一定的精度（如12位，0-4095）将这个电压值转换为数字量。这个数字量直接反映了地面的灰度等级。

电路连接示意图（更简化）：

VCC (3.3V/5V) | [R1: 10kΩ] (上拉电阻) | |-------> 至 MCU ADC 输入引脚 (模拟信号 AO) | [TCRT5000] Receiver-C | [TCRT5000] Receiver-E | GND

优点：可以获取连续的灰度值，能区分深灰、浅灰，为实现比例控制、PID控制等高级算法提供了数据基础。缺点：对电源稳定性要求稍高，程序需要处理ADC采样和滤波，比直接读GPIO复杂。

4. 完整实战案例：制作8路模拟灰度传感器并实现循迹

我们将以更进阶、更具潜力的模拟方案为例，制作一个8路灰度传感器模块，并集成到STM32小车上，实现基础循迹。

4.1 硬件制作与连接

1. 焊接传感器阵列：

   • 取一块洞洞板，将8个TCRT5000一字排开，间距建议在1.5-2cm（根据常见赛道黑线宽度调整）。
   • 为每个TCRT5000焊接电路：VCC和GND并联到电源总线。每个接收管的C极通过一个独立的10kΩ上拉电阻接到VCC。每个上拉电阻与C极的连接点，作为该路的模拟输出（AO1, AO2, ..., AO8）。
   • 将所有发射管的阳极（A）通过一个100Ω的公共限流电阻接到VCC，阴极（K）并联到GND。
   • 在电源入口处焊接一个0.1uF的滤波电容。
   • 将8路AO输出线、VCC、GND引出一排排针，方便连接单片机。

2. 连接STM32：

   • 将传感器模块的VCC、GND连接到开发板的3.3V和GND。注意：TCRT5000工作电压范围较宽（3.3V-5V），但为了与STM32的ADC参考电压一致，建议使用3.3V供电，这样ADC采集值无需电压转换。
   • 将8路AO信号线分别连接到STM32的8个具有ADC功能的引脚上，例如PA0,PA1,PA2,PA3,PA4,PA5,PA6,PA7。

3. 连接小车其他部分：

   • 电机驱动模块（如TB6612）的电源接电池，控制逻辑引脚接STM32的PWM输出引脚（如TIM1_CH1,TIM1_CH2控制一个电机）。
   • 确保共地。

4.2 STM32CubeMX工程配置

1. 新建工程，选择你的STM32型号。
2. 配置时钟：在RCC中设置HSE为Crystal/Ceramic Resonator，在Clock Configuration标签页将系统时钟（SYSCLK）设置为最高频率（如72MHz）。
3. 配置ADC：
   • 在Analog下找到ADC1。
   • 将IN0到IN7（对应PA0到PA7）的Mode设置为“Single-ended”。
   • 在Parameter Settings中，设置Resolution为12位（4096级），Scan Conversion Mode为Enabled，Continuous Conversion Mode为Enabled，DMA Continuous Requests为Enabled。
   • 在DMA Settings标签页，点击Add，选择ADC1，模式为Circular（循环模式），这样ADC可以自动连续采样。
   • 设置Rank：为IN0到IN7分别添加8个Rank，Sampling Time可以设为239.5 Cycles以获得较好精度。
4. 配置PWM控制电机：
   • 找到TIM1（或其他定时器）。
   • 将CH1和CH2设置为PWM Generation CH1/CH2。
   • 在Parameter Settings中，设置Prescaler和Counter Period以生成合适频率的PWM（例如1kHz）。Pulse初始值设为0。
5. 配置一个串口（USART1）用于调试打印数据，模式为Asynchronous。
6. 生成代码：指定项目名称和路径，选择IDE为STM32CubeIDE，然后生成代码。

4.3 核心代码编写

打开生成的工程，我们在main.c的/* USER CODE BEGIN */和/* USER CODE END */之间添加代码。

4.3.1 定义变量与启动ADC

/* USER CODE BEGIN PV */ uint16_t adc_buf[8]; // DMA循环存储8路ADC值的缓冲区 int sensor_values[8]; // 存储处理后的8路传感器值 int sensor_min[8] = {4095,4095,4095,4095,4095,4095,4095,4095}; // 存储最小值（白） int sensor_max[8] = {0,0,0,0,0,0,0,0}; // 存储最大值（黑） int line_position = 0; // 计算出的黑线位置 /* USER CODE END PV */ int main(void) { /* ... 系统初始化 ... */ HAL_ADC_Start_DMA(&hadc1, (uint32_t*)adc_buf, 8); // 启动ADC DMA采集 /* ... */ while (1) { process_sensors(); // 处理传感器数据 calculate_position(); // 计算线位置 motor_control(line_position); // 根据位置控制电机 HAL_Delay(10); // 控制周期，约100Hz } }

4.3.2 传感器数据处理函数这个函数负责读取ADC原始值，并进行标准化。标准化是为了消除每个传感器因个体差异、安装高度微小不同带来的误差。

void process_sensors(void) { for(int i=0; i<8; i++) { // 1. 动态更新最大最小值（用于自动校准） // 注意：此方法简单，实际应用可能需要更稳定的校准策略，如开机时在黑白区域滑动校准。 if(adc_buf[i] < sensor_min[i]) sensor_min[i] = adc_buf[i]; if(adc_buf[i] > sensor_max[i]) sensor_max[i] = adc_buf[i]; // 2. 将原始ADC值映射到0-1000的范围（假设1000为最黑，0为最白） // 防止除零 int range = sensor_max[i] - sensor_min[i]; if(range == 0) range = 1; sensor_values[i] = 1000 - ((adc_buf[i] - sensor_min[i]) * 1000 / range); // 限制范围 if(sensor_values[i] < 0) sensor_values[i] = 0; if(sensor_values[i] > 1000) sensor_values[i] = 1000; } }

4.3.3 计算黑线位置函数这里采用加权平均法来计算黑线的“重心”位置，这是实现平滑循迹的关键。

void calculate_position(void) { long sum = 0; long weight_sum = 0; // 假设传感器从左到右编号为0-7，对应的位置权重可以是0, 1000, 2000, ... ,7000 // 这样计算出的 line_position 范围在 0-7000 之间，3500代表黑线在正中间。 int weights[8] = {0, 1000, 2000, 3000, 4000, 5000, 6000, 7000}; for(int i=0; i<8; i++) { // 只对检测到黑线的传感器进行加权（例如，值大于某个阈值，如500） if(sensor_values[i] > 500) { sum += (long)sensor_values[i] * weights[i]; weight_sum += sensor_values[i]; } } if(weight_sum != 0) { line_position = sum / weight_sum; // 计算加权平均位置 } else { // 没有传感器检测到黑线，可能脱线了，执行脱线处理策略 line_position = -1; // 用-1表示脱线 } }

4.3.4 电机控制函数（基础P控制）根据计算出的line_position，我们用一个简单的比例（P）控制器来调整电机速度。

void motor_control(int pos) { int setpoint = 3500; // 目标位置：传感器阵列中心 int error = 0; int left_speed = 0, right_speed = 0; int base_speed = 2000; // 基础PWM占空比值（需根据电机调整） int kp = 3; // 比例系数，需要调试 if(pos == -1) { // 脱线处理：例如原地旋转寻找黑线，这里简单停止 __HAL_TIM_SET_COMPARE(&htim1, TIM_CHANNEL_1, 0); __HAL_TIM_SET_COMPARE(&htim1, TIM_CHANNEL_2, 0); return; } error = setpoint - pos; // 误差 = 目标 - 实际 // P控制：调整量 = Kp * error int adjustment = kp * error; left_speed = base_speed + adjustment; right_speed = base_speed - adjustment; // 限制PWM值在有效范围内（0-最大计数值，假设为5000） left_speed = (left_speed < 0) ? 0 : ((left_speed > 5000) ? 5000 : left_speed); right_speed = (right_speed < 0) ? 0 : ((right_speed > 5000) ? 5000 : right_speed); // 设置电机PWM // 假设 TIM1_CH1 控制左轮，TIM1_CH2 控制右轮，且电机驱动逻辑为高电平有效 __HAL_TIM_SET_COMPARE(&htim1, TIM_CHANNEL_1, left_speed); __HAL_TIM_SET_COMPARE(&htim1, TIM_CHANNEL_2, right_speed); }

4.4 运行与调试

1. 编译并下载程序到STM32。
2. 将小车放在赛道上，打开串口调试助手，可以打印出sensor_values和line_position进行观察。
3. 调试步骤：
   • 静态测试：将传感器分别对准黑线和白纸，观察sensor_values是否在0（白）和1000（黑）附近变化。如果不是，检查电路焊接和ADC配置。
   • 动态测试：用手在传感器下来回移动黑白纸片，观察line_position变化是否平滑。调整kp（比例系数）和base_speed（基础速度）。
   • 赛道测试：将小车放上赛道，观察其行走。如果摆动过大，减小kp；如果反应迟钝、拐弯不及时，增大kp。如果脱线后无法找回，需要完善motor_control中的脱线处理逻辑（如记忆最后一次转向并小幅度旋转搜索）。

5. 常见问题与排查思路

在自制传感器和调试循迹程序时，你肯定会遇到各种问题。下表列出了典型问题及解决方法：

6. 最佳实践与工程建议

掌握了基础制作和调试后，以下建议能让你的循迹小车更稳定、更智能，代码也更健壮。

1. 传感器布局与数量：

   • 数量：5路或8路是常见选择。路数越多，对线的位置判断越精确，但电路和代码也越复杂。对于大多数赛道，5路已足够。
   • 布局：传感器应对称分布。中间传感器间距应略小于黑线宽度，以确保黑线在直道上至少能覆盖两个传感器。最外侧传感器用于提前检测急弯和脱线。

2. 信号滤波：

   • 硬件滤波：在每个传感器的AO输出端对地加一个0.1uF的电容，可以滤除高频噪声。
   • 软件滤波：在process_sensors函数中，不要只使用单次ADC采样值。可以采用移动平均滤波或中值滤波来平滑数据，避免突发干扰。

   // 简单的移动平均滤波示例（需定义历史数组） #define FILTER_SIZE 5 int adc_history[8][FILTER_SIZE] = {0}; int history_index[8] = {0}; int get_filtered_value(int sensor_id, int new_value) { adc_history[sensor_id][history_index[sensor_id] % FILTER_SIZE] = new_value; history_index[sensor_id]++; long sum = 0; for(int i=0; i<FILTER_SIZE; i++) { sum += adc_history[sensor_id][i]; } return sum / FILTER_SIZE; }

3. 校准策略：

   • 本文示例使用了动态最大最小值，这在赛道灰度均匀时有效。更稳健的方法是上电自动校准：让小车在原地缓慢旋转一圈，或前后移动一段距离，记录下每个传感器遇到的最白和最黑值，用这些值作为初始的sensor_min和sensor_max。

4. 控制算法升级：

   • PID控制：在简单的P控制基础上，加入积分(I)和微分(D)环节。I项可以消除静态误差（让小车在直道上严格居中），D项可以预测误差变化趋势，抑制震荡，让过弯更平滑。网上有大量PID调参教程。
   • 状态机：将小车的行为（如直行、左转、右转、脱线搜索、十字路口处理）用状态机来管理，使逻辑更清晰。

5. 代码结构优化：

   • 将传感器驱动、电机控制、算法逻辑模块化，分别放在独立的.c和.h文件中。
   • 使用宏定义或常量来管理引脚、参数（如KP,KI,KD,BASE_SPEED），方便调试。
   • 充分利用STM32的定时器中断来执行周期性的控制任务，代替HAL_Delay，这样更精确且不阻塞其他操作。

6. 电源管理：

   • 电机启动瞬间会产生较大的电流冲击，可能导致单片机复位。务必为单片机和传感器使用独立的稳压模块（如AMS1117-3.3），并与电机驱动电源隔离（共地即可）。在电源入口处增加大电容（如100uF电解电容）储能。

通过从零制作传感器到完成循迹算法，你不仅得到了一个能跑的小车，更重要的是掌握了光电检测、模拟信号处理、ADC采集、实时控制以及嵌入式系统调试的全套技能。下次当你的学弟学妹拿着淘宝模块来问你为什么车跑不好时，你可以自信地告诉他：“来，我教你从画电路图开始。”