1. 项目背景与需求解析
去年在浦东机场转机时,我亲眼目睹一位商务人士拖着登机箱狂奔,结果箱轮卡在缝隙里导致整个人摔得人仰马翻。这个场景让我开始思考:在万物互联的时代,为什么旅行箱还不能像扫地机器人一样自主跟随?这正是我们团队开发智能跟踪自行式旅行箱的初衷。
传统旅行箱存在三大痛点:一是负重行走时手臂容易疲劳,二是狭窄空间需要反复调整方向,三是特殊场景(如机场快走、车站爬坡)需要额外体力消耗。我们的控制系统要实现的不仅是基础跟随,更要解决这些实际出行场景中的刚需问题。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 系统架构设计
2.1 硬件控制中枢
采用STM32F407作为主控芯片,这是经过多次实测后的选择。相比常见的ESP32方案,F407的定时器资源更丰富(17个独立定时器),能完美支持6路PWM电机控制+2路超声波中断检测。在首都机场T3航站楼的实测中,这套方案在人群密集环境下仍能保持20ms级的响应速度。
电机选型上对比了直流有刷、步进和伺服三种方案:
| 类型 | 扭矩 | 功耗 | 噪音 | 适用性评估 |
|---|---|---|---|---|
| 直流有刷 | 中等 | 低 | 较大 | 成本低但控制精度不足 |
| 步进电机 | 高 | 高 | 中等 | 易失步导致路径偏移 |
| 无刷伺服 | 可调 | 中等 | 小 | 最终选用方案 |
2.2 多模态感知系统
在行李箱前端布置了三个层次的传感器阵列:
- 底层:TOF激光雷达(VL53L1X)阵列,负责10-80cm范围内的障碍物检测
- 中层:UWB定位模块(DW1000),实现厘米级相对距离测量
- 顶层:广角摄像头(OV2640)配合轻量化YOLOv3模型,用于识别特定目标
实测中发现,在阳光直射环境下TOF传感器容易失效。我们的解决方案是动态切换检测模式:当环境光强>80000lux时自动切换为超声波主导模式,这个阈值是通过在正午的北京南站广场反复测试得出的。
3. 核心算法实现
3.1 自适应跟随算法
不同于简单的PID控制,我们开发了
