1. 项目背景与需求分析
快递行业近年来爆发式增长，但末端配送环节的错分、误投问题日益突出。传统驿站人工分拣效率低下，平均每1000件包裹就会出现3-5件错分情况。我们团队针对这一痛点，设计了一套基于STM32的智能取货小车系统，通过机器视觉+自动循迹技术实现精准货位识别与自主取货。
核心需求指标：
- 识别准确率≥99.5%（对比人工分拣98%基准）
- 单次取货耗时≤30秒
- 支持6V干电池供电续航8小时
- 可识别0-9数字编码，字符尺寸≥3cm×5cm
关键设计考量：选择STM32F103C8T6而非树莓派等方案，主要考虑工业环境下的抗干扰能力，以及实时控制响应速度（PWM控制周期可达1μs）
2. 系统架构设计
2.1 硬件拓扑设计
code复制[主控]STM32F103C8T6
├─[感知层]
│ ├─OV7670摄像头(带FIFO)
│ └─光敏电阻阵列×4
├─[执行层]
│ ├─L298N电机驱动
│ └─强磁减速电机×2
├─[交互层]
│ ├─ILI9341触摸屏
│ └─矩阵键盘
└─[供能层]
├─6V干电池组
└─LM1117-33稳压
2.2 方案选型对比
| 对比项 | FPGA方案 | STM32方案 |
|---|---|---|
| 开发周期 | ≥6周 | ≤3周 |
| BOM成本 | ¥380 | ¥210 |
| 图像处理速度 | 120fps | 30fps |
| 功耗 | 5.8W | 2.3W |
| 编程复杂度 | Verilog HDL | C语言 |
选择STM32方案的核心原因：
- 成本敏感场景下性价比更优
- 满足实时性要求（30fps识别速度对应3cm/ms的小车移动速度）
- 丰富的生态支持（HAL库、CubeMX等）
3. 核心模块实现细节
3.1 视觉识别系统
3.1.1 图像采集流程
c复制// OV7670配置示例
void CAM_Init(void) {
SCCB_Write(0x12, 0x80); // 复位寄存器
HAL_Delay(100);
SCCB_Write(0x3A, 0x04); // 设置QVGA格式
SCCB_Write(0x40, 0xD0); // 开启自动曝光
}
图像处理关键步骤：
- 灰度化：Y=0.299R+0.587G+0.114B
- 二值化：自适应阈值算法
python复制# 伪代码示例 threshold = np.mean(image) * 0.8 binary = np.where(image > threshold, 255, 0) - 字符分割：投影法找连通域
- 模板匹配：汉明距离比对
实测发现：当环境光照>300lux时，采用固定阈值(120)比自适应阈值快17ms
3.2 循迹控制系统
3.2.1 光敏阵列布局
code复制[左2][左1][右1][右2]
| | | |
10cm 5cm 5cm 10cm
AD采样值-动作对应表：
| 采样模式 | 左2 | 左1 | 右1 | 右2 | 执行动作 |
|---|---|---|---|---|---|
| 正常循迹 | 低 | 高 | 高 | 低 | 直行 |
| 左偏修正 | 高 | 高 | 低 | 低 | 右轮加速20% |
| 右偏修正 | 低 | 低 | 高 | 高 | 左轮加速20% |
| 岔路识别 | 高 | 高 | 高 | 高 | 停车500ms |
PID控制参数：
c复制#define KP 0.6f
#define KI 0.02f
#define KD 0.1f
3.3 电机驱动设计
采用PWM互补输出模式，死区时间设置为1μs：
c复制TIM_OC_InitTypeDef sConfigOC;
sConfigOC.OCMode = TIM_OCMODE_PWM1;
sConfigOC.Pulse = 0;
sConfigOC.OCPolarity = TIM_OCPOLARITY_HIGH;
sConfigOC.OCNPolarity = TIM_OCNPOLARITY_HIGH;
sConfigOC.OCFastMode = TIM_OCFAST_DISABLE;
sConfigOC.OCIdleState = TIM_OCIDLESTATE_RESET;
sConfigOC.OCNIdleState = TIM_OCNIDLESTATE_RESET;
HAL_TIM_PWM_ConfigChannel(&htim1, &sConfigOC, TIM_CHANNEL_1);
电机参数实测数据：
| 负载(g) | 空载转速(rpm) | 6V电压下电流(mA) |
|---|---|---|
| 0 | 210 | 120 |
| 200 | 185 | 210 |
| 500 | 150 | 350 |
4. 系统调优与问题排查
4.1 典型故障案例
问题1：数字识别在强光下失效
- 现象：中午阳光直射时识别率骤降至60%
- 排查：用示波器检测OV7670输出信号，发现RGB分量饱和
- 解决：增加光学滤光片 + 软件增加过曝检测
c复制if((R>250) && (G>250) && (B>250)) { CAM_Adjust_Exposure(-10); }
问题2：电机启动时电源跌落
- 现象：电机启动瞬间导致STM32复位
- 测量：示波器捕捉到3.3V跌落到2.1V
- 改进：
- 增加1000μF电解电容
- 电机供电与MCU供电分离
- 软启动PWM（50ms线性递增）
4.2 性能优化记录
- 图像处理加速：
- 将浮点运算改为Q15定点数
- 识别耗时从78ms降至42ms
- 路径规划改进：
- 提前预读下一个岔口位置
- 平均取货时间从34s缩短至27s
- 功耗优化：
- 空闲时关闭摄像头供电
- 续航从6.5h提升至8.2h
5. 实测数据对比
测试环境：3m×4m模拟货架，12个货位
| 指标 | 本系统 | 人工分拣 | 提升幅度 |
|---|---|---|---|
| 平均耗时 | 28.3s | 45.6s | 38%↑ |
| 识别准确率 | 99.7% | 98.2% | 1.5%↑ |
| 连续工作时长 | 8h | 4h | 100%↑ |
| 错误成本 | ¥0.02 | ¥0.35 | 94%↓ |
特殊场景处理能力：
- 倾斜字符（±30°内）：识别率98.5%
- 部分遮挡（≤30%面积）：识别率95.2%
- 低照度（50lux）：识别率97.8%
6. 扩展应用方向
- 多车协同调度：
mermaid复制graph TD A[中央服务器] --> B[路径规划] B --> C1[小车1] B --> C2[小车2] C1 --> D[冲突检测] C2 --> D - 重量检测扩展：
- 在货架加装压力传感器
- 实现取货前后重量比对
- 无线充电改造：
- 采用Qi标准接收端
- 在停靠点布置发射线圈
实际部署中发现，将光敏电阻升级为红外对管后，在复杂光照环境下的循迹稳定性提升40%。建议后续版本采用TCRT5000传感器模块，其内置的940nm红外发射管对环境光干扰具有更好的抗性。