1. 从赛道到代码智能汽车竞赛到底在比什么第一次接触全国大学生智能汽车竞赛的人往往会以为这是一个纯粹的“造车”比赛。实际上它更像是一场把机械、电子、控制、算法和临场调试能力全部揉在一起的综合考试。你需要在规定时间内让一台自己设计、自己焊接、自己写代码的小车在一条未知或半未知的赛道上以尽可能快的速度跑完全程。听起来简单做起来每一步都是坑。这个竞赛已经办到第二十一届每年规则都会调整赛道元素、组别划分、传感器限制都有变化。但核心逻辑十几年没变过用有限的硬件资源在有限的时间内做出一个稳定、快速、能适应不同赛道的自动行驶系统。它考察的不是你会不会用某个现成的库而是你能不能从底层开始把一堆零散的模块整合成一个可靠的系统。适合看这篇内容的人大致分三类。第一类是刚组队、还没摸清方向的低年级同学你们需要知道整个比赛的技术栈长什么样哪些地方容易翻车。第二类是有一定基础、正在调车的中年级同学你们可能卡在图像处理阈值调不好、PID参数整定不出来、机械结构跑几圈就松动这些问题上。第三类是老队员或者准备带新人的同学你们需要一套系统的经验框架把踩过的坑变成可传承的文档。我参加过两届这个比赛一届做摄像头组一届做电磁组后来也帮学弟学妹看过车。说实话这个比赛最折磨人的地方不是某个技术点有多难而是所有技术点必须同时工作。机械稍微有点虚位图像处理就会抖图像处理一抖控制输出就不平滑控制不平滑电机电流就波动电流一波动电源电压就塌陷电压一塌陷单片机就复位。这是一个典型的耦合系统任何一个环节的短板都会在赛道上被无限放大。所以这篇内容不会只讲某一个模块而是按照实际做车的顺序把机械设计、硬件设计、软件算法、图像处理这几个核心板块串起来讲。每个板块我都会说清楚为什么这么选怎么做以及最容易在哪里翻车。2. 机械设计别让结构成为你调车的瓶颈2.1 车架选型与重心分配的核心逻辑很多队伍一开始就把大量精力放在算法上机械随便装一装就下地跑。结果就是直道还行一进弯就侧翻或者速度一上去车头就开始画龙。这些问题八成不是算法能救回来的根源在机械。智能汽车竞赛的车模通常有几种来源官方指定车模、自制车架、或者基于某款开源车模修改。官方车模的好处是尺寸和接口标准化坏处是留给你的调整空间有限。自制车架自由度高但如果你没有足够的加工和调试经验很容易做出一个“看起来很美、跑起来很废”的东西。我的建议是第一年参赛优先用官方车模或成熟的开源方案把精力集中在电控和算法上。等你对整车动态特性有了感觉再去改机械。机械设计的核心就三件事重心位置、轮距轴距、悬挂刚度。重心位置决定了车在弯道中的极限。重心越低侧翻的临界速度越高重心越靠后后轮抓地力越强但转向会变迟钝重心越靠前转向越灵敏但容易甩尾。对于摄像头组这种需要快速转向的组别重心通常放在整车几何中心稍微靠后的位置同时尽量压低。电池和主控板的位置是调整重心的主要手段不要把它们随便粘在车顶上。轮距和轴距影响的是转向响应和直线稳定性。轮距越宽抗侧翻能力越强但转向时内外轮速差更大差速器或电子差速的负担更重。轴距越长直线越稳但转弯半径变大。这些参数没有绝对的最优解取决于你的赛道类型和车速目标。2.2 转向机构与传动系统的实操要点转向机构是机械部分最容易出问题的地方。常见的有阿克曼转向和舵机直连两种方案。阿克曼转向的优点是转弯时内外轮转角不同减少轮胎侧滑但需要精确的连杆几何设计。舵机直连结构简单但转向时轮胎侧滑严重高速时尤其明显。如果你用舵机直连一定要确保舵机输出轴和转向节之间的连接没有虚位。虚位是转向控制的大敌它会让你的PID输出和实际转角之间产生一个死区表现为小车在直道上左右微摆。检查虚位的方法很简单用手轻轻转动前轮看舵机臂是否跟着动。如果有明显的空行程就要换更紧的球头或者加垫片。传动系统方面后轮驱动是主流。电机通过齿轮组或者同步带把动力传到后轴。齿轮组的传动效率高但对安装精度要求高齿轮啮合太紧会增加阻力太松会有冲击噪音。同步带的容错性更好但要注意皮带张力太松会跳齿太紧会增加轴承负载。注意每次跑完车一定要检查所有螺丝是否松动。智能车的振动比你想象的大得多尤其是电机高频振动会传递到整个车架。建议使用螺纹胶但不要用太强的型号否则后期拆解会很痛苦。2.3 机械设计手册在实际做车中的用法网上经常有人搜“机械设计手册成大先pdf”说明很多同学意识到机械设计需要查手册。但说实话智能汽车竞赛的机械部分远没有到需要查重型机械手册的程度。你更需要的是公差配合、轴承选型、齿轮参数这几块的基础知识。比如轴承选型法兰轴承和深沟球轴承在智能车上都很常见。法兰轴承安装方便但承受轴向载荷的能力弱深沟球轴承径向承载好但需要设计轴承座。选哪个取决于你的轴系布局。再比如齿轮模数、齿数、压力角这些参数决定了传动比和噪音水平。模数越大齿越粗壮承载能力越强但同样传动比下体积更大。我的经验是机械部分不要追求“设计感”要追求“可维护性”。每个模块都能快速拆装每根线都有明确的走向每个接插件都有防呆设计。这些东西在调车阶段会救你无数次。3. 硬件设计从51单片机到多核MCU的选型思路3.1 主控芯片选型的现实考量“51单片机硬件设计”是一个经典话题很多学校的入门课程还在教51。但智能汽车竞赛的主流主控早就不是51了。原因很简单51的运算能力、外设资源和内存空间根本撑不起摄像头图像处理和实时控制的需求。目前常见的方案有几种。一种是英飞凌的AURIX系列多核架构主频高外设丰富适合做复杂的电机控制和传感器融合。另一种是恩智浦的S32K系列汽车级芯片稳定性和抗干扰能力强。还有一部分队伍用STM32H7或者国产的GD32系列性价比高开发资料多。选型的时候不要只看主频。你要关注的是ADC采样速度、PWM分辨率、DMA通道数量、硬件浮点单元。摄像头图像处理需要大量内存带宽如果MCU没有足够的RAM和DMA支持图像数据搬运就会占用大量CPU时间。电机控制需要高分辨率PWM否则低速时会有明显的转矩脉动。对于新手队伍我建议从STM32F4或者GD32F4起步。资料多社区活跃出了问题容易找到答案。等你对底层寄存器操作和外设配置熟悉了再考虑换更高级的芯片。3.2 电源管理与信号完整性的避坑指南硬件设计里最容易被忽视、但最容易导致玄学问题的是电源。智能车上有电机、舵机、主控、传感器、摄像头每个模块对电源的要求都不一样。电机启动瞬间电流可能达到几安培如果电源走线太细或者去耦电容不够主控就会复位。电源架构通常是这样的电池输出经过DC-DC降压到5V或者3.3V再分配给各个模块。电机和舵机最好单独走一路电源和主控的电源在电池端就分开避免电机电流波动影响主控。每个芯片的电源引脚旁边都要放去耦电容一般是100nF和10uF组合位置越靠近引脚越好。信号完整性方面摄像头的数据线、编码器的信号线、电机的PWM线都要尽量短并且远离电源线。如果必须交叉尽量垂直交叉减少耦合。差分信号比如某些编码器的A A-要走等长线否则会引入相位误差。提示画PCB的时候先布局再布线。把电机驱动、主控、摄像头接口、调试接口这几个大块的位置定好再考虑走线。不要一边布局一边布线那样很容易把自己绕进去。3.3 调试接口与状态指示的实用设计很多队伍在硬件设计时只考虑功能不考虑调试。结果车跑起来之后不知道是图像问题、控制问题还是硬件问题。我的建议是在PCB上预留足够的调试接口和状态指示灯。调试接口至少要有串口打印、SWD下载、OLED或TFT屏幕接口。串口打印是最直接的调试手段可以在关键代码位置输出变量值。SWD用于在线调试和程序下载。屏幕可以实时显示图像处理结果或者关键参数比串口更直观。状态指示灯也很重要。至少要有电源指示、运行指示、错误指示。电源指示确认供电正常运行指示确认程序在跑错误指示可以在检测到异常时亮起。这些灯在调车现场能帮你快速定位问题。4. 软件算法从图像处理到控制输出的完整链路4.1 图像处理为什么CNN不是万能药“图像处理为啥用CNN不用前馈神经网络”这个问题在智能车竞赛的语境下答案很直接因为算力不够而且传统方法足够用。CNN在图像分类和检测上确实强大但它需要大量的矩阵乘加运算对内存带宽和算力要求很高。智能车上的MCU跑一个轻量级CNN都很吃力更别说实时处理了。智能车图像处理的核心任务是从摄像头采集的灰度图像中提取出赛道边线、中心线、特殊元素如十字、环岛、坡道的位置。这些任务用传统的图像处理算法就能很好地完成比如大津法阈值分割、Sobel边缘检测、连通域分析、最小二乘法拟合。以边线提取为例基本流程是这样的先对图像做灰度化如果是彩色摄像头然后用大津法或者固定阈值做二值化把赛道和背景分开。接着用边缘检测算子提取边线像素再用最小二乘法或者RANSAC拟合出左右边线。最后根据边线计算中心线和偏差送给控制算法。“opencv图像处理项目”和“matlab图像处理大作业”里常见的形态学操作在智能车上也有用武之地。比如膨胀和腐蚀可以用来填补二值化后的空洞或者去除噪点。但要注意形态学操作会改变边线的位置如果处理不当会引入额外的偏差。4.2 Kmeans聚类在赛道识别中的实际应用“kmeans聚类算法用什么软件”这个问题在智能车场景下的答案是你自己写或者用现成的C库。Kmeans在赛道识别中的一个典型应用是对图像中的像素点进行聚类把赛道、背景、特殊元素分成不同的簇。比如在环岛识别中你可以把图像中的像素点按照灰度值和位置进行聚类环岛区域的灰度分布和普通赛道不同聚类后可以分离出来。再比如在十字路口聚类可以帮助你判断十字的四个分支方向。但Kmeans的计算量比简单的阈值分割大得多在MCU上跑需要优化。常见的优化手段包括减少聚类中心数量、降低迭代次数、只在感兴趣区域ROI内做聚类。如果你用FPGA做图像处理Kmeans可以硬件加速但开发难度和成本都会上升。4.3 控制算法PID只是起点控制算法是智能车的“大脑”。大部分队伍用的是PID但PID的参数整定和变种选择有很多讲究。位置式PID和增量式PID的区别、积分限幅、微分先行、前馈补偿这些细节决定了你的车是“能跑”还是“跑得快”。位置式PID的输出直接对应舵机转角或者电机占空比适合舵机控制。增量式PID的输出是控制量的增量适合电机速度控制。积分限幅是为了防止积分饱和尤其是在起步和停车阶段。微分先行是把微分项放在反馈通道上避免设定值突变时微分项产生冲击。前馈补偿是提高响应速度的关键。比如在弯道中你可以根据赛道曲率提前给一个转向补偿而不是等PID算出来再转。这个补偿量可以通过离线拟合或者在线学习得到。注意PID参数不是调一次就完事的。电池电压变化、轮胎磨损、赛道材质变化都会影响控制效果。建议在代码里加入参数在线调整功能通过串口或者遥控器实时修改。4.4 从图像到控制的完整数据流把图像处理和控制算法串起来整个数据流是这样的摄像头采集一帧图像DMA搬运到内存图像处理模块提取赛道信息计算出中心线偏差和曲率控制模块根据偏差和曲率计算舵机转角和电机占空比输出到执行器。这个链路里任何一个环节的延迟都会影响整体性能。摄像头的曝光时间、图像处理的耗时、控制周期的稳定性都需要仔细优化。一般来说控制周期要稳定在5ms以内图像处理耗时不能超过控制周期的三分之一。5. 常见问题与排查技巧实录5.1 图像处理类问题速查现象可能原因排查方法解决方案图像全黑或全白曝光时间不对、阈值不对串口输出灰度直方图调整曝光时间或阈值边线抖动严重光照变化、噪点观察原始图像加入滤波、动态阈值十字误判为弯道边线拟合错误检查十字区域的边线加入十字特征判断环岛识别不出来特征提取不完整观察环岛区域图像调整环岛判断逻辑5.2 控制类问题速查现象可能原因排查方法解决方案直道画龙舵机虚位、PID参数不当手动转动前轮检查虚位消除虚位、降低P值弯道冲出赛道速度过快、转向不足降低速度测试调整速度策略、增加前馈起步抖动积分饱和、电机死区观察起步时PWM输出积分限幅、死区补偿高速时复位电源电压跌落示波器观察电源增加电容、分离电源5.3 硬件类问题速查现象可能原因排查方法解决方案主控频繁复位电源不稳、看门狗示波器看电源纹波增加去耦电容摄像头数据错误信号完整性差检查数据线走线缩短走线、加屏蔽电机不转驱动故障、PWM配置错误测量驱动输出检查驱动电路编码器计数错误信号干扰、接线错误示波器看编码器信号加滤波、检查接线5.4 独家避坑经验第一不要等到车跑起来才调图像。在静态下先把图像处理调好用串口或者屏幕看二值化结果确认边线提取正确。动态下图像会有运动模糊但基本逻辑不变。第二PID参数从低速开始调。先把速度降到很低调好转向PID再逐步提速。高速下如果转向跟不上先检查机械再检查前馈。第三每次修改只改一个变量。同时改多个参数出了问题你都不知道是哪个引起的。改完一个参数跑几圈记录效果再改下一个。第四保留每个版本的代码和参数。用Git或者简单的文件夹备份。调车过程中你会反复回退到之前的版本没有备份会浪费大量时间。第五赛道元素要逐个攻破。先调直道再调弯道再调十字再调环岛。不要一上来就跑完整赛道那样问题太多无从下手。6. 从第十九届到第二十一届规则变化与技术趋势6.1 组别划分与赛道元素的演变从第十九届到第二十一届竞赛的组别划分越来越细赛道元素也越来越复杂。第十九届的百度智慧交通创意组引入了更多场景化的任务第二十届和第二十一届则在传统竞速组的基础上增加了对传感器使用限制和算法实时性的要求。赛道元素方面早期的比赛主要是直道、弯道、十字、环岛。后来的比赛加入了坡道、断路、障碍物、甚至动态元素。这对图像处理的鲁棒性提出了更高要求。你不能只靠一套固定的阈值和逻辑跑完所有赛道必须让算法具备一定的自适应能力。6.2 硬件平台的发展与选型建议硬件平台方面主控芯片的性能逐年提升从早期的8位、16位MCU到现在的多核32位MCU。摄像头从模拟摄像头发展到数字摄像头分辨率从几十像素发展到几百像素。电机驱动从简单的H桥发展到带电流环的智能驱动。对于准备参加第二十一届及以后比赛的同学我的选型建议是主控选主流多核MCU摄像头选数字灰度或彩色摄像头电机驱动选带电流反馈的方案。不要为了省钱选太老的平台后期调试的时间成本远高于硬件成本。6.3 算法趋势传统方法与深度学习的融合虽然前面说了CNN在MCU上跑不动但趋势是传统图像处理和轻量级神经网络在边缘端的融合。比如用传统方法做预处理和候选区域提取用轻量级网络做分类或回归。FPGA和专用加速器的出现也让一些计算密集的算法有了落地的可能。但不管算法怎么变底层能力是不变的对图像的理解、对控制的理解、对系统的理解。这些能力需要你在一次次调车中积累没有捷径。7. 给不同阶段队伍的具体建议7.1 新手队伍先跑起来再跑快新手队伍最大的问题是贪多求全。想用最好的芯片、最复杂的算法、最酷的机械结构。结果时间花在选型和设计上车都没跑起来。我的建议是第一年用最成熟的方案把车先跑起来。主控用STM32F4摄像头用总钻风或者MT9V03X电机驱动用DRV8701舵机用SD-5。这些方案资料多社区活跃出了问题容易找到答案。先把直道和弯道跑稳再去挑战复杂元素。7.2 中级队伍优化细节提升稳定性中级队伍的车已经能跑完赛道但速度上不去或者稳定性不够。这时候要抓的是细节机械的虚位、电源的纹波、图像处理的延迟、控制周期的抖动。建议做一次全面的系统测量用示波器看电源纹波用逻辑分析仪看控制周期用串口看图像处理耗时。找到瓶颈针对性优化。不要盲目改算法很多时候问题在硬件和机械上。7.3 高级队伍突破极限追求极致高级队伍的车已经很快了但想再快零点几秒。这时候需要的是系统级的优化更轻的车架、更低的重心、更快的图像处理、更精准的控制。可以考虑的方向包括用FPGA做图像预处理减轻MCU负担用IMU做姿态融合提高弯道稳定性用在线学习调整PID参数适应不同赛道。但这些都需要深厚的积累不要为了用而用。8. 调车现场的真实记录与心得8.1 一次典型的调车过程我记得有一次调环岛车总是进不去或者进去了出不来。图像上环岛的特征很明显但代码就是判断不对。后来发现是环岛的入口处有一个小S弯图像处理把S弯的边线误判成了环岛的入口。解决方法是在环岛判断逻辑里加入一个“预判断”阶段先检测到环岛的大致区域再在这个区域内做精细判断。同时调整了边线拟合的权重让远处的边线对拟合结果影响更大。这个问题花了整整一个下午但解决之后环岛的通过率从30%提升到了90%以上。8.2 那些年踩过的坑坑一电池电压监测没做。跑着跑着车变慢以为是算法问题其实是电池没电了。后来加了电压监测低于阈值就报警。坑二舵机中位没校准。换了舵机之后没重新校准中位车一直往一边偏。后来在代码里加了中位校准模式上电时自动校准。坑三图像处理用了浮点运算。MCU没有硬件浮点单元浮点运算耗时太长控制周期不稳定。后来全部改成定点运算性能提升明显。坑四PCB设计没考虑散热。电机驱动芯片发热严重跑几圈就过热保护。后来加了散热片调整了驱动频率问题解决。8.3 给下一届参赛者的几句话这个比赛很苦但也很值得。你会学到很多课堂上不会教的东西怎么在资源受限的情况下做取舍怎么在压力下快速定位问题怎么和队友分工协作。不要怕失败。我见过很多队伍第一年连赛道都跑不完第二年拿了国奖。关键是你有没有从失败中总结出东西有没有把经验传承下去。最后分享一个小技巧每次调车结束花十分钟写调车日志。记录今天改了什么、效果如何、明天要做什么。这个习惯会让你少走很多弯路。
