LineTrackAvoidAICar

项目简介 (Project Overview)

本项目是一个基于 STM32F407 和 K230 视觉模块的智能小车系统，集成了循迹 (Line Tracking)、避障 (Obstacle Avoidance) 和 AI 视觉识别 (AI Visual Recognition) 功能。

核心逻辑运行在 STM32 上，使用 FreeRTOS 实时操作系统进行任务调度。K230 模块负责视觉识别（如箭头方向识别），并通过 UART 与 STM32 通信。

硬件架构 (Hardware Architecture)

• 主控芯片: STM32F407ZGT6
• 视觉模块: Canaan K230 (运行 MicroPython)
• 传感器:
  • MPU6050: 6轴姿态传感器 (用于精确转向和保持直线)
  • 超声波 (HC-SR04): 障碍物距离检测
  • 红外循迹模块: 4路/5路红外传感器 (L1, L2, R1, R2)
• 执行器:
  • 直流电机: 差速驱动
  • 舵机 (SG90): 摄像头云台或转向机构
• 显示: OLED 屏幕 (显示状态和调试信息)

软件架构 (Software Architecture)

项目基于 STM32CubeMX 生成，使用 FreeRTOS 进行多任务管理。

核心任务 (Core Tasks)

任务名称	优先级	功能描述
MotorConfig	High	电机控制核心循环，处理循迹算法 (PID)
MVProcess	AboveNormal4	视觉处理任务，解析 K230 发送的 UART 数据
PostureAcq	AboveNormal2	读取 MPU6050 数据，计算欧拉角 (Yaw)
ObstacleAvoidan	Normal4	避障逻辑状态机 (倒车->绕行->回正)
StateSwitch	AboveNormal	系统状态切换与管理
EncoderCap	AboveNormal6	编码器数据采集 (用于测速)
SG90Config	Normal6	舵机控制
OLEDDisplay	AboveNormal5	OLED 屏幕刷新
DebugTask	Realtime	调试信息输出

目录结构 (Directory Structure)

LineTrackAvoidAICar/
├── Core/               # STM32 核心代码 (main.c, freertos.c, stm32f4xx_it.c)
├── Hardware/           # 硬件驱动程序
│   ├── Avoid.c         # 超声波避障逻辑
│   ├── LINE_TRACKER.c  # 红外循迹逻辑
│   ├── MOTOR.c         # 电机驱动与 PID 控制
│   ├── MPU6050.c       # 陀螺仪驱动
│   ├── OLED.c          # OLED 显示驱动
│   └── SG90.c          # 舵机驱动
├── K230/               # K230 视觉模块相关代码
│   ├── UART.py         # K230 运行的主脚本 (视觉识别 + 串口通信)
│   └── train/          # 模型训练相关文件
│       ├── arrow_detect.py # 数据采集/测试脚本
│       ├── arrownet.kmodel # 编译好的 KPU 模型文件
│       └── ...
├── Drivers/            # STM32 HAL 库
├── Middlewares/        # FreeRTOS 库
└── MDK-ARM/            # Keil 工程文件

功能说明 (Functionality)

1. 自动循迹 (Line Tracking)

• 使用红外传感器检测黑线/白线。
• 结合 PID 算法调整左右电机速度，保持小车在路径中心。

2. 智能避障 (Obstacle Avoidance)

• 当超声波检测到前方障碍物小于设定阈值时，触发避障任务。
• 避障流程：
  1. 停车并后退缓冲。
  2. 利用 MPU6050 陀螺仪辅助，精确左转 90 度。
  3. 直行绕过障碍物。
  4. 右转回到原路径方向。
  5. 寻找黑线并自动切回循迹模式。

3. AI 视觉识别 (AI Visual Recognition)

• K230 运行 UART.py，加载 arrownet.kmodel 模型。
• 识别视野中的箭头指示 (Left, Right, None)。
• 识别结果通过 UART (波特率 115200) 发送给 STM32。
• STM32 解析协议：
  • AABBN...: 颜色识别结果
  • AAAABBB...: 箭头识别结果

使用说明 (Usage)

1. STM32 工程 (STM32 Project)

Important

为了保持仓库整洁，本仓库忽略了 Drivers/ (HAL库), Middlewares/ (FreeRTOS) 和 MDK-ARM/ (Keil工程文件) 文件夹。 在编译之前，你需要重新生成这些文件。

恢复步骤 (Restoration Steps):

1. 使用 STM32CubeMX 打开项目根目录下的 XHcar.ioc 文件。
2. 点击 GENERATE CODE 按钮。CubeMX 会自动下载并生成所需的 HAL 库、FreeRTOS 代码以及 Keil 工程文件。
3. 使用 Keil uVision 5 打开生成的 MDK-ARM/XHcar.uvprojx。
4. 编译并下载代码到 STM32F407 开发板。

2. K230 视觉模块

1. 将 K230/UART.py 和 K230/train/arrownet.kmodel (以及其他必要的模型文件) 复制到 K230 的文件系统中 (通常是 /data/ 或 SD 卡)。
2. 确保 K230 的串口引脚 (TX/RX) 正确连接到 STM32 的对应串口 (USART2)。
3. 在 K230 上运行 UART.py：

   python UART.py

   或者配置为开机自启。

3. 模型训练 (Model Training)

K230/train 文件夹包含了模型训练的资源。

• 如果需要更新识别模型（例如识别新的标志）：
  1. 采集数据集。
  2. 使用 PyTorch/TensorFlow 训练模型。
  3. 将模型导出为 ONNX 格式。
  4. 使用 Canaan 的工具链将 ONNX 编译为 .kmodel 格式。
  5. 替换 K230 中的 arrownet.kmodel。

贡献 (Contributing)

欢迎提交 Issue 和 Pull Request 改进代码。