STM32扫地机器人开发实战：从传感器融合到路径规划的全流程解析

sql99

486人浏览 · 2026-02-04 05:57:41

sql99 · 2026-02-04 05:57:41 发布

1. STM32扫地机器人开发概述

第一次接触STM32扫地机器人开发是在2015年，当时市面上还没有这么多成熟的解决方案。记得当时为了调试一个简单的红外避障功能，整整熬了三个通宵。现在回头看，STM32在扫地机器人领域的应用已经非常成熟，但很多初学者还是会被复杂的传感器融合和路径规划吓退。其实只要掌握核心开发逻辑，从零搭建一个智能清扫系统并没有想象中那么难。

STM32之所以成为扫地机器人开发的首选，主要得益于它丰富的外设接口和实时性优势。以常见的STM32F103系列为例，它同时支持PWM电机控制、多路ADC采集、I2C/SPI传感器通信，还能跑轻量级RTOS。我经手过的十几个扫地机器人项目，90%都基于Cortex-M3/M4内核的STM32实现。

开发一个完整的扫地机器人系统，通常包含以下核心模块：

感知层：红外/超声波避障、MPU6050姿态检测、编码器测速
决策层：FreeRTOS任务调度、路径规划算法
执行层：L298N电机驱动、吸尘电机控制
交互层：OLED显示、语音提示、WiFi远程控制

2. 硬件设计与传感器选型

2.1 主控芯片选择

在STM32家族中，F103C8T6（蓝色pill开发板同款）是最经济的选择，但更推荐使用F103RCT6或F407系列，主要考虑：

IO数量：至少需要15个GPIO用于传感器和电机驱动
定时器资源：4路PWM控制电机，2路编码器接口
通信接口：2个USART（WiFi+语音模块），1个I2C（MPU6050+OLED）

实测发现，当路径规划算法较复杂时，F103的72MHz主频会有些吃力。这时可以上F405/F7系列，或者优化算法（后面会具体讲）。

2.2 避障传感器配置

红外避障推荐TCRT5000，成本不到2元/个。典型电路如下：

// 红外传感器初始化
void IR_Init(void) {
    GPIO_InitTypeDef GPIO_InitStruct = {0};
    __HAL_RCC_GPIOA_CLK_ENABLE();
    GPIO_InitStruct.Pin = GPIO_PIN_0|GPIO_PIN_1|GPIO_PIN_2; // 前、左、右
    GPIO_InitStruct.Mode = GPIO_MODE_INPUT;
    GPIO_InitStruct.Pull = GPIO_NOPULL;
    HAL_GPIO_Init(GPIOA, &GPIO_InitStruct);
}

超声波模块建议用HC-SR04，测距精度±3cm。注意Trig引脚要给出10us以上的高电平脉冲，ECHO回波信号最好用输入捕获测量：

uint32_t Get_Distance(void) {
    HAL_GPIO_WritePin(TRIG_PORT, TRIG_PIN, GPIO_PIN_SET);
    delay_us(20);
    HAL_GPIO_WritePin(TRIG_PORT, TRIG_PIN, GPIO_PIN_RESET);
    
    while(!HAL_GPIO_ReadPin(ECHO_PORT, ECHO_PIN)); // 等待高电平
    uint32_t start = TIM5->CNT;
    while(HAL_GPIO_ReadPin(ECHO_PORT, ECHO_PIN));  // 等待低电平
    return (TIM5->CNT - start) * 0.017; // 340m/s -> cm
}

2.3 运动控制模块

电机驱动首选L298N，但要注意散热问题。我曾遇到连续工作1小时后驱动芯片过热保护的情况，后来加了散热片才解决。更优方案是使用DRV8833等现代驱动IC。

编码器建议用AB相输出型，STM32的TIMx_CH1/CH2可以直接接入：

// 编码器接口配置
TIM_Encoder_InitTypeDef Encoder_Config = {0};
Encoder_Config.EncoderMode = TIM_ENCODERMODE_TI12;
Encoder_Config.IC1Polarity = TIM_ICPOLARITY_RISING;
Encoder_Config.IC2Polarity = TIM_ICPOLARITY_RISING;
HAL_TIM_Encoder_Init(&htim2, &Encoder_Config);
HAL_TIM_Encoder_Start(&htim2, TIM_CHANNEL_ALL);

3. 传感器数据融合实战

3.1 多传感器数据同步

在FreeRTOS中，我习惯为每个传感器创建独立的任务。比如超声波任务每100ms触发一次，红外传感器则采用中断方式：

void HAL_GPIO_EXTI_Callback(uint16_t GPIO_Pin) {
    if(GPIO_Pin == IR_LEFT_Pin) {
        xQueueSend(irQueue, &LEFT_OBSTACLE, 0);
    }
    // 其他传感器处理...
}

3.2 MPU6050姿态解算

MPU6050的DMP库可以直接输出四元数，避免自己写滤波算法。初始化时注意校准：

void MPU6050_Calibrate(void) {
    uint8_t i;
    int32_t gyro_bias[3] = {0};
    for(i=0; i<100; i++) {
        MPU6050_Read_Gyro(&gyro_x, &gyro_y, &gyro_z);
        gyro_bias[0] += gyro_x;
        gyro_bias[1] += gyro_y;
        gyro_bias[2] += gyro_z;
        HAL_Delay(5);
    }
    gyro_bias[0] /= 100; // 存储校准值
}

3.3 传感器冲突处理

当红外和超声波同时检测到障碍物时，建议采用优先级策略。我的经验值是：

跌落传感器最高优先级（安全第一）
超声波次之（精度高）
红外最后（易受环境光干扰）

4. 路径规划算法实现

4.1 基础清扫模式

最简单的"弓"字形路径实现：

void ZigZag_Clean(void) {
    static int direction = 1; // 1:右, -1:左
    Move_Forward(50); // 前进50cm
    
    if(Get_Right_Distance() < 30) {
        Turn_Left(90);
        Move_Forward(ROBOT_WIDTH);
        Turn_Left(90);
        direction = -1;
    } 
    else if(Get_Left_Distance() < 30) {
        Turn_Right(90);
        Move_Forward(ROBOT_WIDTH);
        Turn_Right(90);
        direction = 1;
    }
}

4.2 改进的栅格算法

更高级的做法是建立栅格地图：

#define MAP_SIZE 20
uint8_t map[MAP_SIZE][MAP_SIZE] = {0};

void Update_Map(int x, int y) {
    if(x>=0 && x<MAP_SIZE && y>=0 && y<MAP_SIZE) {
        map[y][x] = VISITED;
        // 障碍物标记
        if(Get_Front_Distance() < 20) {
            int obs_x = x + (int)(cos(yaw)*20/CELL_SIZE);
            int obs_y = y + (int)(sin(yaw)*20/CELL_SIZE);
            if(obs_x>=0 && obs_x<MAP_SIZE && obs_y>=0 && obs_y<MAP_SIZE)
                map[obs_y][obs_x] = OBSTACLE;
        }
    }
}

4.3 动态路径调整

遇到突发障碍时，采用A*算法重新规划：

void AStar_Plan(int start_x, int start_y, int goal_x, int goal_y) {
    // 开放列表和关闭列表初始化
    PriorityQueue openList;
    uint8_t closedList[MAP_SIZE][MAP_SIZE] = {0};
    
    // 开始搜索路径
    while(!openList.empty()) {
        Node current = openList.pop();
        if(current.x == goal_x && current.y == goal_y) {
            // 回溯路径
            return; 
        }
        // 处理相邻节点...
    }
}

5. FreeRTOS任务设计

5.1 任务划分建议

典型任务优先级从高到低：

安全监控（跌落检测）
电机控制
路径规划
传感器采集
通信任务（WiFi）

5.2 关键任务实现示例

电机控制任务要保证实时性：

void Motor_Task(void *pvParameters) {
    TickType_t xLastWakeTime = xTaskGetTickCount();
    for(;;) {
        if(emergency_stop) {
            Motor_Stop();
        } else {
            PID_Calculate();
            Set_PWM(left_pwm, right_pwm);
        }
        vTaskDelayUntil(&xLastWakeTime, pdMS_TO_TICKS(10)); // 10ms周期
    }
}

5.3 任务间通信

使用消息队列传递传感器数据：

QueueHandle_t sensorQueue = xQueueCreate(10, sizeof(SensorData));

void Sensor_Task(void *pvParameters) {
    SensorData data;
    while(1) {
        data.dist = Get_Ultrasonic();
        data.ir = Read_IR_Sensors();
        xQueueSend(sensorQueue, &data, portMAX_DELAY);
        vTaskDelay(pdMS_TO_TICKS(50));
    }
}

6. 常见问题与优化技巧

6.1 电机抖动问题

如果出现电机启动时抖动，可以：

PWM频率设置在15-20kHz（超出人耳听觉范围）
增加加速斜坡：

void Ramp_Up_PWM(int target) {
    for(int i=0; i<target; i+=5) {
        __HAL_TIM_SET_COMPARE(&htim3, TIM_CHANNEL_1, i);
        HAL_Delay(10);
    }
}

6.2 传感器误触发

环境光干扰红外传感器时：

增加软件去抖：

uint8_t Debounce_IR(GPIO_TypeDef* GPIOx, uint16_t GPIO_Pin) {
    uint8_t stable = 0;
    for(int i=0; i<5; i++) {
        if(HAL_GPIO_ReadPin(GPIOx, GPIO_Pin)) stable++;
        else stable = 0;
        HAL_Delay(1);
    }
    return (stable >= 3);
}

在传感器探头周围加装遮光罩

6.3 低功耗优化

电池供电时需要：

动态调整主频（HAL_RCC_ClockConfig）
空闲时进入STOP模式
关闭不必要的外设时钟

7. 进阶开发方向

7.1 添加SLAM功能

基于STM32F4的轻量级SLAM实现思路：

使用IMU+编码器做航迹推算
每隔50cm记录一个关键点
闭环检测通过RFID或视觉标志实现

7.2 手机APP控制

ESP8266 AT指令配置示例：

void WiFi_Init(void) {
    HAL_UART_Transmit(&huart3, "AT+CWMODE=1\r\n", strlen("AT+CWMODE=1\r\n"), 100);
    HAL_Delay(1000);
    HAL_UART_Transmit(&huart3, "AT+CWJAP=\"SSID\",\"PASSWORD\"\r\n", 
                     strlen("AT+CWJAP=\"SSID\",\"PASSWORD\"\r\n"), 100);
}