这次我们来看一个经典的电子设计竞赛项目2017年全国大学生电子设计大赛的B题“滚球控制系统”。这个项目不是最新的AI模型而是一个考验硬件设计、控制算法和系统集成的综合工程题目。对于电子、自动化、嵌入式方向的学生和工程师来说它至今仍是学习PID控制、图像处理、机械结构设计和系统调试的绝佳案例。项目的核心目标是设计并制作一套能够控制平板上的小球使其按照预设轨迹运动的系统。它考察了从传感器选型、执行机构驱动、控制算法实现到上位机软件设计的全链路能力。如果你正在准备电赛、课程设计或者想深入理解闭环控制系统这个项目的思路和实现细节非常有参考价值。本文会带你拆解“滚球控制系统”的完整实现方案。我们将从系统方案设计开始分析核心的硬件选型如摄像头、电机、平板材质重点讲解PID控制算法的整定过程并给出一个可运行的上位机软件框架。最后我们会讨论实际调试中遇到的常见问题及解决方法帮助你快速复现或优化自己的系统。1. 核心能力速览能力项说明项目类型电子设计竞赛综合系统硬件软件算法核心功能通过控制平板倾角使平板上的小球跟踪预设轨迹运动控制对象一个小球通常为钢球或乒乓球执行机构两个舵机或步进电机控制平板在X、Y轴方向倾斜传感方式摄像头视觉识别主流或激光测距/角度传感器核心算法PID控制算法位置式或增量式上位机通常使用MATLAB、Python(OpenCV)或C#(WinForm)开发用于图像处理、轨迹设定和监控适合场景全国大学生电子设计竞赛备赛、自动控制原理课程实践、嵌入式系统学习、PID算法验证平台硬件门槛中等需要基础的嵌入式开发板如STM32、电机驱动、摄像头、机械结构制作能力关键难点机械结构稳定性、图像识别实时性与精度、PID参数整定、系统抗干扰能力2. 适用场景与使用边界这个项目主要适用于以下几类人群和场景电赛备赛学生2017年B题是经典题目其解题思路、方案选型和调试经验对后续竞赛有直接借鉴意义。自动化/嵌入式学习者提供了一个从理论控制算法到实践硬件驱动、系统集成的完整练手项目。课程设计与毕业设计作为“自动控制系统”或“计算机控制技术”等课程的综合性实践课题具有明确的输入、输出和控制目标。PID算法验证平台可以非常直观地观察P、I、D三个参数对系统动态性能超调、稳态误差、响应速度的影响。使用边界与注意事项非通用AI工具这不是一个开箱即用的软件或AI模型而是一个需要从零搭建的硬件系统。依赖机械精度系统的最终性能极大程度上受限于机械结构的加工精度、平整度和摩擦系数。粗糙的机械结构会让再优秀的算法也无用武之地。实时性要求高视觉处理和控制周期需要足够快通常要求几十毫秒内完成一次“图像采集-处理-控制输出”的循环否则小球容易失控。环境光影响若采用视觉方案环境光的强弱变化会直接影响图像二值化效果进而影响小球定位精度需要在算法上增加鲁棒性处理或使用可控光源。3. 环境准备与前置条件在开始具体实现前需要准备好软硬件环境。3.1 硬件清单一套典型的滚球控制系统硬件包括控制核心微控制器STM32F4系列如F407带FPU便于浮点运算、STM32H7系列性能更强或树莓派直接运行Linux和OpenCV。STM32是电赛常用平台。开发板对应的最小系统板或核心板。感知单元摄像头OV7725、OV7670带FIFO等数字摄像头模块或USB摄像头连接上位机。前者需单片机采集图像后者将处理任务放在上位机。镜头广角镜头以确保能拍摄到整个平板区域。可选辅助传感器MPU6050等姿态传感器用于测量平板实际倾角可与视觉定位做数据融合或作为备份。执行机构舵机大扭矩舵机如MG996R控制简单但精度和分辨率有限。步进电机丝杆滑台控制精度高能实现更精确的倾角控制但驱动和控制电路更复杂。电机驱动模块根据电机类型选择如舵机直接PWM驱动步进电机需要专用的步进驱动板如A4988、DRV8825。被控对象与平台平板亚克力板、木板或铝板表面需平整光滑。尺寸常见为60cm x 60cm左右。为减少摩擦有时会在表面贴一层光滑的薄膜。小球钢球、玻璃球或乒乓球。钢球惯性大受空气阻力影响小但需要更强的电机扭矩。机械结构用于固定平板和电机的支架。要求稳固、无晃动。通常设计成“十”字结构平板中心通过万向节或球铰与两个电机的推杆连接。电源12V/5A以上的开关电源为电机和整个系统供电。注意电机启动瞬间电流较大。调试工具USB转TTL串口模块用于单片机与上位机通信。万用表、示波器用于调试PWM信号、电源。3.2 软件清单下位机开发环境Keil MDK或STM32CubeIDE用于STM32程序的编写、编译和下载。STM32CubeMX用于图形化配置STM32的时钟、引脚、外设如定时器产生PWM、串口、DCMI接口接摄像头等生成初始化代码。上位机开发环境视觉处理与控制方案一推荐分离式上位机PC负责图像处理和轨迹计算通过串口发送控制指令给下位机STM32。上位机可用Python OpenCV PySerial或C# EmguCV(OpenCV .NET包装) SerialPort快速开发。方案二一体式所有处理都在嵌入式端完成如使用树莓派运行PythonOpenCV或STM32H7配合轻量级图像处理库。开发难度较大但系统更紧凑。调试与可视化MATLAB或Python (Matplotlib)可用于绘制小球运动轨迹、跟踪误差曲线辅助PID参数整定。通信协议需要自定义一套简单的串口通信协议用于上下位机间的数据交换。例如[帧头][指令类型][X坐标或误差][Y坐标或误差][校验和][帧尾]。4. 系统方案设计与核心算法4.1 系统总体框架系统通常采用“上位机视觉处理 下位机实时控制”的双层结构如下图所示此处用文字描述感知层摄像头拍摄包含小球和平板的图像上传至上位机。处理与决策层上位机图像预处理灰度化、高斯滤波去噪。小球识别颜色阈值分割如果小球颜色特异或背景差分法结合轮廓查找定位小球中心像素坐标(x_img, y_img)。坐标变换将图像像素坐标(x_img, y_img)通过透视变换或标定转换为平板上的实际物理坐标(x_real, y_real)。轨迹生成根据题目要求如直线、圆、定点生成目标坐标(x_target, y_target)。误差计算计算小球当前位置与目标位置的偏差e_x x_target - x_real,e_y y_target - y_real。控制律计算将e_x,e_y输入两个独立的PID控制器分别计算出控制平板X轴和Y轴倾角所需的控制量u_x,u_y通常是PWM的占空比或步进电机的步数。指令下发将u_x,u_y通过串口发送给下位机。执行层下位机接收上位机指令解析出u_x,u_y。通过定时器输出对应占空比的PWM波驱动舵机或发送脉冲序列驱动步进电机改变平板倾角。被控对象平板倾角改变小球在重力分力作用下开始滚动其位置被摄像头再次捕获形成闭环。4.2 核心PID控制算法PID控制是该项目的大脑。其离散位置式公式为u(k) Kp * e(k) Ki * ∑[e(j)] Kd * [e(k) - e(k-1)]其中u(k)第k次控制周期的输出量。e(k)第k次控制周期的偏差目标位置 - 实际位置。Kp比例系数决定系统响应速度。过大会导致振荡甚至发散过小会使响应迟缓。Ki积分系数消除稳态误差。过大会引起积分饱和导致超调加大和振荡。Kd微分系数抑制超调提高稳定性。过大会放大噪声使系统对干扰敏感。在滚球系统中的应用需要两个独立的PID控制器分别控制X轴和Y轴。由于两个轴动力学特性相似参数通常可以设置成相同或相近。参数整定步骤经验法初始化将Ki和Kd设为0Kp设为一个较小值。纯比例调节逐渐增大Kp直到小球能跟随目标运动但出现明显的等幅振荡或围绕目标点来回摆动。记下此时的Kp为Ku振荡周期为Tu。加入积分引入Ki设置为0.5 * Ku / Tu左右。观察稳态误差是否减小。积分作用太强会导致系统“迟钝”或低频振荡需回调。加入微分引入Kd设置为0.125 * Ku * Tu左右。观察超调量是否被抑制响应是否更平滑。微分对高频噪声敏感如果摄像头坐标抖动厉害需谨慎使用或对误差做低通滤波。微调在真实系统上反复微调三个参数以达到“响应快、超调小、稳态准”的平衡。X轴和Y轴要分开调试先调好一个轴再调另一个。5. 上位机软件实现Python OpenCV 示例这里给出一个使用Python和OpenCV实现图像处理、PID计算和串口通信的简化框架。5.1 环境安装# 创建虚拟环境可选 python -m venv venv source venv/bin/activate # Linux/Mac # venv\Scripts\activate # Windows # 安装核心库 pip install opencv-python pip install pyserial pip install numpy5.2 核心代码框架import cv2 import numpy as np import serial import time import threading class BallBalancingSystem: def __init__(self, com_portCOM3, baudrate115200): # 1. 初始化串口通信 try: self.ser serial.Serial(com_port, baudrate, timeout1) print(f串口 {com_port} 打开成功) except Exception as e: print(f串口打开失败: {e}) self.ser None # 2. PID 控制器参数 (需要实际调试) self.kp_x, self.ki_x, self.kd_x 1.2, 0.05, 0.3 self.kp_y, self.ki_y, self.kd_y 1.2, 0.05, 0.3 # PID 状态变量 self.last_error_x, self.integral_x 0, 0 self.last_error_y, self.integral_y 0, 0 # 3. 图像处理参数 self.cap cv2.VideoCapture(0) # 打开摄像头 self.cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640) self.cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480) # 小球的颜色范围 (HSV空间根据小球颜色调整) self.lower_color np.array([0, 100, 100]) self.upper_color np.array([10, 255, 255]) # 4. 目标轨迹 self.target_x, self.target_y 320, 240 # 初始目标为图像中心 self.trajectory self.generate_circle_trajectory(center(320,240), radius100, points50) # 5. 控制周期 self.control_interval 0.05 # 50ms self.running True def generate_circle_trajectory(self, center, radius, points): 生成圆形轨迹点 trajectory [] for i in range(points): angle 2 * np.pi * i / points x int(center[0] radius * np.cos(angle)) y int(center[1] radius * np.sin(angle)) trajectory.append((x, y)) return trajectory def detect_ball(self, frame): 识别小球并返回其中心像素坐标 # 转换到HSV颜色空间 hsv cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 根据颜色阈值创建掩膜 mask cv2.inRange(hsv, self.lower_color, self.upper_color) # 形态学操作去除噪声 kernel np.ones((5,5), np.uint8) mask cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) mask cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) # 查找轮廓 contours, _ cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if contours: # 假设面积最大的轮廓是小球 largest_contour max(contours, keycv2.contourArea) if cv2.contourArea(largest_contour) 100: # 面积阈值过滤噪声 (x, y), radius cv2.minEnclosingCircle(largest_contour) center (int(x), int(y)) radius int(radius) # 在图像上画出来 cv2.circle(frame, center, radius, (0, 255, 0), 2) cv2.circle(frame, center, 2, (0, 0, 255), 3) return center, frame # 未找到小球 return None, frame def pid_control(self, current_pos, target_pos): 计算PID控制量 if current_pos is None: return 0, 0 # 未检测到小球停止输出 curr_x, curr_y current_pos tar_x, tar_y target_pos # X轴PID error_x tar_x - curr_x self.integral_x error_x derivative_x error_x - self.last_error_x output_x self.kp_x * error_x self.ki_x * self.integral_x self.kd_x * derivative_x self.last_error_x error_x # Y轴PID error_y tar_y - curr_y self.integral_y error_y derivative_y error_y - self.last_error_y output_y self.kp_y * error_y self.ki_y * self.integral_y self.kd_y * derivative_y self.last_error_y error_y # 输出限幅 (例如映射到PWM的0-1000范围) output_x np.clip(output_x, -500, 500) output_y np.clip(output_y, -500, 500) return int(output_x), int(output_y) def send_control_command(self, output_x, output_y): 通过串口发送控制指令给下位机 if self.ser and self.ser.is_open: # 自定义协议示例: $X[output_x]Y[output_y]; command f$X{output_x:04d}Y{output_y:04d};\n self.ser.write(command.encode(ascii)) def control_loop(self): 主控制循环 traj_index 0 last_control_time time.time() while self.running: ret, frame self.cap.read() if not ret: break # 1. 检测小球 ball_center, processed_frame self.detect_ball(frame) # 2. 更新目标点 (按轨迹) self.target_x, self.target_y self.trajectory[traj_index] traj_index (traj_index 1) % len(self.trajectory) cv2.circle(processed_frame, (self.target_x, self.target_y), 5, (255, 0, 0), -1) # 3. 按固定周期进行PID计算和控制 current_time time.time() if current_time - last_control_time self.control_interval: output_x, output_y self.pid_control(ball_center, (self.target_x, self.target_y)) self.send_control_command(output_x, output_y) last_control_time current_time # 在图像上显示控制量 cv2.putText(processed_frame, fCtrl X:{output_x}, Y:{output_y}, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255,255,255), 2) # 4. 显示图像 cv2.imshow(Ball Balancing Control, processed_frame) if cv2.waitKey(1) 0xFF ord(q): self.running False break self.cap.release() cv2.destroyAllWindows() if self.ser: self.ser.close() if __name__ __main__: system BallBalancingSystem(com_portCOM3) # 修改为你的串口号 system.control_loop()6. 下位机程序要点STM32 舵机下位机主要负责接收指令并驱动电机。以下是基于STM32和标准库的PWM驱动舵机核心逻辑使用定时器TIM1的通道1和通道2。// 1. 串口接收与解析 (使用串口1中断方式) // 假设指令格式为: $X0123Y-0456; (X轴控制量123, Y轴控制量-456) char rx_buffer[64]; uint8_t rx_index 0; int16_t target_pwm_x 0, target_pwm_y 0; // 接收到的目标PWM值 void USART1_IRQHandler(void) { if(USART_GetITStatus(USART1, USART_IT_RXNE) ! RESET) { char ch USART_ReceiveData(USART1); if(ch $) { rx_index 0; // 开始接收新帧 } rx_buffer[rx_index] ch; if(ch ;) { // 帧尾 rx_buffer[rx_index] \0; parse_command(rx_buffer); // 解析指令 rx_index 0; } if(rx_index sizeof(rx_buffer)-1) rx_index 0; // 防止溢出 } } void parse_command(char* cmd) { // 简单解析示例实际应用需要更健壮的校验 if(sscanf(cmd, $X%hdY%hd;, target_pwm_x, target_pwm_y) 2) { // 解析成功更新PWM update_pwm_output(); } } // 2. PWM输出更新 (舵机控制) // 舵机控制PWM周期通常为20ms高电平宽度0.5ms-2.5ms对应角度0-180度 // 假设定时器时钟72MHz预分频72-1则计数器频率为1MHz周期20000对应20ms。 // 计数值500对应0.5ms2500对应2.5ms。 #define PWM_PERIOD 20000 #define PWM_MIN 500 #define PWM_MAX 2500 #define PWM_MID ((PWM_MINPWM_MAX)/2) // 1500, 对应90度(平放) void update_pwm_output(void) { int16_t pwm_x PWM_MID target_pwm_x; // 将控制量偏移到中点 int16_t pwm_y PWM_MID target_pwm_y; // 限幅保护 if(pwm_x PWM_MIN) pwm_x PWM_MIN; if(pwm_x PWM_MAX) pwm_x PWM_MAX; if(pwm_y PWM_MIN) pwm_y PWM_MIN; if(pwm_y PWM_MAX) pwm_y PWM_MAX; // 更新定时器比较寄存器值 TIM_SetCompare1(TIM1, pwm_x); // 通道1控制X轴舵机 TIM_SetCompare2(TIM1, pwm_y); // 通道2控制Y轴舵机 } // 3. 主函数初始化 int main(void) { // 初始化系统时钟、GPIO、定时器、串口... RCC_Configuration(); GPIO_Configuration(); TIM1_PWM_Init(PWM_PERIOD); // 初始化PWM周期为20000 USART1_Init(115200); // 初始化串口波特率115200 // 设置舵机初始位置为中间 TIM_SetCompare1(TIM1, PWM_MID); TIM_SetCompare2(TIM1, PWM_MID); delay_ms(1000); // 等待舵机回中 while(1) { // 主循环可以处理其他任务如读取传感器、状态指示灯等 // 舵机控制由串口中断触发更新 } }7. 系统调试与性能优化7.1 调试步骤机械与电气检查确保平板水平放置时两个舵机均处于中位PWM占空比7.5%。手动倾斜平板检查小球能否自由滚动有无卡顿。测量电源电压确保电机动作时电压稳定避免因电压跌落导致单片机复位。通信测试上下位机分别编写简单的测试程序。上位机发送固定指令下位机收到后点亮LED或回传数据确保串口通信畅通协议解析正确。视觉识别单独测试运行上位机程序用小球在平板上移动观察OpenCV窗口是否能稳定、准确地识别并标注出小球中心。调整颜色阈值、形态学操作参数确保在各种光照下都能可靠识别。开环测试将PID输出断开改为手动给定固定或缓慢变化的PWM值。观察平板倾角变化是否符合预期小球是否向预定方向滚动。这一步验证了“控制指令-电机-平板-小球”这个前向通道是正常的。单轴闭环调试固定一个轴如Y轴的目标位置只对X轴进行PID控制。从一个固定点控制小球运动到目标点。先调P再调I最后调D。观察响应曲线目标是在不过冲的前提下尽快到达目标点。双轴闭环联调两个轴同时投入控制。由于可能存在耦合X轴倾斜会影响Y轴方向的小球位置可能需要微调参数。从简单的定点控制开始然后测试直线运动最后测试圆形等复杂轨迹。7.2 性能优化技巧图像处理加速降低分辨率将摄像头分辨率从1080p降至480p或更低大幅减少处理数据量。设定ROI只对平板所在的图像区域进行处理。优化算法使用更快的颜色空间如YCrCb或利用背景固定这一特点使用背景差分法代替颜色分割。控制算法增强积分抗饱和当误差持续较大时限制积分项的增长防止系统“反应迟钝”。微分先行只对测量值微分而不对误差微分可以减少设定值突变引起的输出冲击。变参数PID根据误差大小采用不同的PID参数大误差时用大P快速响应小误差时用小P和加入I、D提高精度和稳定性。系统抗干扰软件滤波对摄像头识别到的小球坐标进行滑动平均滤波或卡尔曼滤波平滑数据减少抖动。机械减震在电机与平板连接处增加橡胶垫吸收振动。电源隔离电机驱动电源与单片机控制电源分开避免干扰。8. 常见问题与排查方法问题现象可能原因排查方式解决方案小球检测不稳定时有时无1. 环境光变化大2. 颜色阈值设置不当3. 小球反光或与背景颜色相近1. 查看原始图像和掩膜图像。2. 使用颜色选取工具获取精确的HSV范围。3. 尝试背景差分法。1. 增加恒定光源。2. 动态调整阈值或使用自适应阈值。3. 更换小球颜色或平板背景。小球能检测但控制时剧烈振荡1. PID参数Kp过大2. 控制周期太短3. 机械结构松动有回程间隙1. 观察误差曲线看是否等幅振荡。2. 检查控制周期是否远小于系统机械响应时间。3. 手动晃动机械结构检查是否有明显晃动。1. 大幅降低Kp。2. 适当增加控制周期如从30ms增至50ms。3. 紧固螺丝消除间隙。小球总是向一个方向跑偏无法稳定1. 平板初始不水平2. 舵机中位不准3. PID积分项累积积分饱和1. 使用水平仪校准平板。2. 上电初始化时给舵机发送中位PWM信号并确认。3. 检查误差和积分项数值。1. 机械调平或软件补偿零点。2. 重新标定舵机中位PWM值。3. 加入积分限幅或积分抗饱和算法。串口通信时好时坏控制指令丢失1. 波特率不匹配2. 接线松动3. 未处理接收缓冲区溢出4. 协议无校验受干扰出错1. 上下位机核对波特率。2. 检查TX、RX、GND连接。3. 在中断服务程序中及时读取数据。4. 发送测试数据用串口助手监控。1. 统一波特率常用115200。2. 重新焊接或插紧。3. 优化接收中断程序。4. 在协议中加入校验和如CRC8。上位机画面卡顿控制延迟大1. 图像处理耗时过长2. OpenCV的imshow函数本身较慢3. 未使用多线程1. 打印每个处理步骤的时间。2. 注释掉imshow看帧率是否提升。1. 采用前述的图像处理加速方法。2. 降低显示帧率或仅在调试时显示。3. 将图像采集、处理、控制、显示分到不同线程。电机动作时单片机复位1. 电机反向电动势干扰2. 电源功率不足电压被拉低1. 观察复位时电源电压波形。2. 测量电机工作电流。1. 在电机两端并联续流二极管。2. 使用更大功率的电源控制部分与电机部分电源加磁珠或电感隔离。9. 最佳实践与备赛建议模块化开发与测试将系统清晰地划分为“视觉模块”、“通信模块”、“控制模块”、“驱动模块”。每个模块独立编写和测试确保无误后再联调。重视机械结构“三分算法七分机械”。在机械设计上多花时间确保平整、稳固、低摩擦、无间隙。这是好成绩的基础。参数保存与加载将调试好的PID参数、摄像头标定参数、舵机中位值等保存在单片机的Flash或上位机配置文件中避免每次上电重新调整。设计人机交互在上位机设计简单的UI可以实时显示小球位置、目标位置、误差曲线、PID输出并能动态调整PID参数和切换轨迹。这极大方便调试和演示。准备备用方案视觉方案受光照影响大可以准备一套基于MPU6050等传感器的倾角测量备用方案。当摄像头受到强光干扰时可以切换至传感器融合模式。注意演示效果电赛最终要评审和演示。确保系统外观整洁线缆收纳好。可以设计一些有观赏性的轨迹如画圆、走“2017”数字、追踪移动目标等。文档与代码注释从开始就写好代码注释记录关键参数的调整过程和原因。整理好硬件接线图、软件流程图。这在撰写设计报告时能节省大量时间。“滚球控制系统”是一个完美的控制理论实践项目它把课本上的方框图变成了看得见、摸得着的物理运动。成功实现它的关键不在于用了多高级的算法而在于对每个环节机械、电气、视觉、控制细节的耐心打磨和扎实的调试。建议从最简单的定点稳定开始逐步增加功能每步都确保稳定最终的系统才会可靠。把这个项目吃透你对闭环控制、嵌入式系统和软硬件协同开发的理解会上一个大台阶。