蒲牢森1. 项目背景与核心目标
去年夏天在深圳的一场大学生智能车竞赛现场，我看到超过60%的参赛队伍都在使用STM32作为主控芯片。这种指甲盖大小的蓝色电路板，正在成为智能车项目的"最强大脑"。而三轮竞速智能车这个细分领域，因其独特的机械结构和控制逻辑，对硬件设计和算法实现提出了更高要求。
这个项目的核心目标很明确：用STM32单片机打造一辆能在复杂赛道上自主决策、高速行驶的三轮智能车。不同于常见的四轮或两轮结构，三轮车在转向灵活性上有天然优势，但同时也带来了重心控制、动力分配等新挑战。我们需要解决三个关键问题：如何让车在高速过弯时不翻车？如何确保三个轮子的动力输出最优？怎样在有限算力下实现实时路径规划？
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. 系统架构设计解析
2.1 硬件选型与机械结构
主控芯片选了STM32F407ZGT6，168MHz主频带FPU浮点运算单元，足够处理传感器数据融合和运动控制算法。这个型号的定时器资源丰富，正好满足我们需要的6路PWM输出（3个电机+3个舵机）。
车体结构采用前二后一的三轮布局，前轮负责转向，后轮提供动力。实测发现前轮间距控制在12-15cm时，既能保证转向灵活度又不会牺牲稳定性。特别要提的是电机选型——经过对比测试，最终选用JGB37-520减速电机（减速比1:30），在12V供电时能提供0.25N·m的扭矩，空载转速300rpm，完美匹配我们设计的1.5kg车重。
2.2 传感器系统搭建
赛道识别用了三套方案并行：
- 线性CCD摄像头（TSL1401）作主传感器，采集赛道边界信息
- 5路红外对管（TCRT5000）作辅助检测
- 六轴IMU（MPU6050）监测车身姿态
这种组合拳的代价是每天要花2小时做传感器标定。比如CCD需要调节曝光时间（通常设在0.5-2ms），红外对管要调整检测阈值（建议在3-3.3V之间）。最坑的是IMU，必须做温度补偿，我们记录了一组数据：温度每升高10℃，陀螺仪零偏会漂移约0.5°/s。
3. 核心算法实现细节
3.1 赛道识别与路径规划
CCD采集的原始数据要先经过中值滤波去噪，然后用动态阈值法提取赛道边缘。这里有个骚操作：我们发现在算法里加入"历史路径记忆"，能让车在遇到急弯时提前减速。具体实现是用环形缓冲区存储最近20帧的赛道中心点，当检测到连续5帧曲率超