STM32F103ZE扫地机器人设计与路径规划实现

1. 项目概述

这个基于STM32F103ZE的扫地机器人项目，是我去年花了三个月时间完成的智能家居实验项目。作为一个嵌入式开发老手，我一直想打造一个真正实用的自主清扫设备，而不是简单的玩具。这个机器人实现了三大核心功能：精准的弓字形路径规划、多传感器融合避障，以及通过WiFi实现的远程控制与状态监控。

选择STM32F103ZE作为主控是经过深思熟虑的。这款Cortex-M3内核的MCU具有72MHz主频和512KB Flash，足够处理路径算法和传感器数据融合。更重要的是它的丰富外设接口——3个USART、2个SPI和2个I2C，可以轻松连接各类传感器和WiFi模块。

2. 硬件架构设计

2.1 主控与驱动电路

主控板采用STM32F103ZET6最小系统，通过L298N电机驱动模块控制两个直流减速电机。这里有个关键细节：我在电机输出端加了LM393比较器构成的速度反馈电路，通过编码器信号实现闭环控制。实测表明，这种设计能让机器人在不同地面材质上保持恒定的行进速度，误差小于5%。

电源管理部分使用了两套方案：主电路由7.4V 5200mAh锂电池供电，通过AMS1117-3.3转换为控制电路电压；电机驱动则直接使用电池电压，避免稳压芯片过热。这个双电源设计让系统连续工作时间达到了120分钟以上。

2.2 传感器布局

避障系统采用了多传感器融合方案：

• 前方：HC-SR04超声波模块（检测距离20-400cm）
• 前侧：两组红外对管（检测距离2-30cm）
• 底部：4个灰度传感器阵列（用于边缘检测和地毯识别）
• 碰撞：8个微动开关组成的碰撞环

特别要说明的是传感器安装角度。经过多次测试，我将超声波模块向下倾斜15度安装，这样既能检测前方障碍，又能识别地面凹陷。红外对管则呈30度夹角向外安装，形成了有效的立体检测区域。

3. 弓字形路径算法实现

3.1 基础运动控制

先来看最基础的运动控制。通过PWM控制两个电机的转速差实现转向，具体参数如下：

c复制#define PWM_PERIOD 7200  // 100kHz PWM
#define BASE_SPEED 3600  // 50%占空比

void SetMotorSpeed(int left, int right) {
    TIM1->CCR1 = BASE_SPEED + left;
    TIM1->CCR2 = BASE_SPEED + right;
}

这里使用TIM1的CH1和CH2输出PWM，通过调节相对于基准速度的偏移量实现差速控制。

3.2 路径规划逻辑

弓字形清扫的核心是状态机设计。我定义了6种运动状态：

c复制typedef enum {
    STATE_FORWARD,
    STATE_TURN_90,
    STATE_SIDE_STEP,
    STATE_OBSTACLE_AVOID,
    STATE_RETURN_HOME,
    STATE_IDLE
} RobotState;

主控制循环中维护着一个二维数组map[20][20]，每个元素代表10cm×10cm的区域。当机器人检测到已清扫区域时，对应数组元素置1。路径规划算法会优先选择相邻的未清扫区域前进。

关键技巧：在实际编码中发现，纯弓字形路径在复杂家居环境中效率很低。后来改进为"弓字形+沿边清扫"的混合策略——先沿墙走一圈记录房间轮廓，再在内部区域执行标准弓字形清扫。

4. 避障系统实现

4.1 多传感器数据融合

避障系统的核心是建立一个基于加权投票的决策机制。每个传感器提供的数据被赋予不同的置信度：

当任一传感器的威胁值超过阈值时，触发避障行为：

c复制if((sonar_weight*sonar_danger + ir_weight*ir_danger) > 0.5) {
    CurrentState = STATE_OBSTACLE_AVOID;
}

4.2 避障策略

避障采用三级响应机制：

1. 轻度威胁（0.5-0.7）：减速并尝试小角度绕行
2. 中度威胁（0.7-0.9）：停止并扫描寻找最佳绕行路径
3. 严重威胁（>0.9）：后退并重新规划路线

实测中发现，单纯依赖距离检测会导致机器人在桌椅腿丛中陷入死循环。后来增加了历史路径记忆功能，对重复经过的区域自动提高威胁等级，有效解决了这个问题。

5. WiFi控制系统

5.1 硬件连接

选用ESP8266作为WiFi模块，通过USART3与STM32通信。接线方式如下：

code复制STM32    ESP8266
PA10     TXD
PA9      RXD
3.3V     VCC
GND      GND

5.2 通信协议设计

定义了一套简单的ASCII协议，格式为：

code复制[命令类型][参数1],[参数2],...\n

例如：

• 运动控制："M100,-100\n"（左轮速度100，右轮速度-100）
• 状态查询："S\n"
• 返回充电："H\n"

在STM32端使用DMA+空闲中断实现高效串口接收：

c复制// USART3初始化片段
USART3->CR3 |= USART_CR3_DMAR;
DMA1_Channel3->CNDTR = BUF_SIZE;
DMA1_Channel3->CMAR = (uint32_t)uart3_rx_buf;
DMA1_Channel3->CPAR = (uint32_t)&USART3->DR;
DMA1_Channel3->CCR |= DMA_CCR_EN;

5.3 手机端APP

开发了简易的Android控制APP，主要功能包括：

• 实时视频传输（通过额外的摄像头模块）
• 路径地图显示
• 手动控制摇杆
• 清扫模式选择
• 返回充电按钮

数据传输使用JSON格式，例如：

json复制{
    "x": 125,
    "y": 342,
    "battery": 78,
    "state": "cleaning"
}

6. 返回初始位置实现

6.1 位置追踪

采用航位推测法(Dead Reckoning)记录位置：

c复制typedef struct {
    float x;       // 单位：cm
    float y;
    float theta;   // 朝向角度
} Pose;

void UpdatePose(int left_ticks, int right_ticks) {
    float dl = left_ticks * CM_PER_TICK;
    float dr = right_ticks * CM_PER_TICK;
    float d = (dl + dr) / 2;
    current_pose.theta += (dr - dl) / WHEEL_BASE;
    current_pose.x += d * cos(current_pose.theta);
    current_pose.y += d * sin(current_pose.theta);
}

其中CM_PER_TICK需要通过实际测量标定，我的机器人每个编码器脉冲对应0.087cm。

6.2 返回算法

返回过程分为三个阶段：

1. 原地旋转至指向初始点的方向
2. 直线行进至初始点附近
3. 精确定位（利用充电座发出的红外信号）

关键代码逻辑：

c复制float dx = HOME_X - current_pose.x;
float dy = HOME_Y - current_pose.y;
float target_angle = atan2(dy, dx);

// 先转向目标方向
TurnToAngle(target_angle);

// 然后直线前进
float distance = sqrt(dx*dx + dy*dy);
MoveStraight(distance);

7. 系统优化经验

7.1 实时性保障

在FreeRTOS中划分了三个关键任务：

1. 传感器数据采集（优先级3）
2. 运动控制（优先级2）
3. WiFi通信（优先级1）

每个任务都设置了合理的堆栈大小，并通过互斥锁保护共享资源。特别要注意的是，超声波模块的测量会阻塞约60ms，必须放在低优先级任务中。

7.2 电源管理

实现了三级电量检测：

1. 电压检测（ADC采样分压电阻）
2. 电流积分（通过INA219芯片）
3. 软件估算（根据运行时间和负载）

当电量低于15%时，机器人会自动暂停清扫任务并返回充电座。这里有个重要细节：返回过程中要关闭所有非必要外设（包括WiFi），仅保留最基本的传感器和电机控制。

7.3 参数调试技巧

分享几个关键参数的调试经验：

• 电机PID参数：先调P让机器人能动起来，再调D消除震荡，最后加I消除静差
• 传感器权重：在实际环境中用不同障碍物测试，记录误检和漏检情况
• 路径规划：先用仿真工具验证算法逻辑，再上真机微调

我开发了一个简单的上位机工具，通过WiFi实时调整参数并绘制运动轨迹，大大提高了调试效率。

8. 常见问题解决

8.1 电机异常抖动

现象：行进过程中电机突然剧烈抖动
排查步骤：

1. 检查电源电压是否稳定
2. 测量电机电流是否超限
3. 检查编码器连接是否可靠
4. 查看PID参数是否合理

最终发现是编码器信号线受到电机干扰，增加磁环后问题解决。

8.2 WiFi频繁断开

可能原因：

• 天线摆放位置不当（避免被金属部件遮挡）
• 供电不足（ESP8266峰值电流可达300mA）
• 软件看门狗未正确喂狗

解决方案：

c复制// 在WiFi任务中添加心跳检测
if(xTaskGetTickCount() - last_ack > 5000) {
    ESP_Reset();
}

8.3 定位累积误差

航位推测法不可避免会产生累积误差，我采用了以下补偿措施：

1. 利用墙面碰撞校正角度
2. 定期通过WiFi基站三角定位
3. 在特定位置设置RFID地标

实测表明，结合这些方法可以将位置误差控制在5%以内，足够满足家庭清扫需求。