1. 课程导论

OpenMV智能车项目是机器视觉与嵌入式控制深度融合的典型工程实践。它以OpenMV摄像头模块作为“机器之眼”，以微控制器（MCU）作为“决策大脑”，通过电机驱动与底盘执行机构构成“运动肢体”，最终实现巡线行驶、路标识别、避障联动三大核心功能。本课程并非单纯讲解某个传感器或某段代码，而是引导你从系统工程的视角，完成一辆具备自主感知与决策能力的智能车。课程将围绕“图像采集→视觉处理→逻辑决策→运动控制”的完整数据链路展开，帮助你建立从像素到动作的闭环思维。本章作为全课程的起点，将明确项目整体目标、拆解功能模块、规划学习路径，并指导你完成软硬件环境的搭建与验证。

上图展示了本项目的整体功能架构与数据流向。感知层负责从物理世界中捕获视觉信息，决策层完成核心算法处理，执行层将决策转化为车轮的转动。三个模块并非孤立存在，而是通过数据流与反馈回路紧密耦合。例如，巡线模块输出的偏差值会直接影响电机PWM占空比；路标识别模块识别到“停止”标志后，会强制覆盖巡线指令，使车辆减速停车；避障模块检测到障碍物时，则临时切换为绕行策略。这种“感知-决策-执行”的闭环结构，是嵌入式智能系统的通用范式，也是本课程反复强调的核心思想。

1.1 项目整体目标与功能模块划分

本课程的项目目标并非仅仅“让车跑起来”，而是实现一个具备多任务协同处理能力的智能车系统。具体而言，需要达成以下四项核心指标：

• 稳定巡线：在白色底面上沿黑色引导线（或反之）以0.3~0.8 m/s的速度平稳行驶，弯道不脱线，交叉路口能正确判断直行或转弯。
• 准确识别路标：至少识别3种以上路标（如左转、右转、停止、减速），识别准确率不低于95%，且从检测到输出控制指令的延迟不超过100ms。
• 实时避障联动：在巡线过程中遇到前方障碍物（如纸箱、行人模拟块）时，能自动减速、停车或绕行，避障动作完成后能恢复到原巡线状态。
• 系统鲁棒性：在环境光照变化（±20%亮度波动）、地面反光、路标轻微倾斜等干扰下，系统仍能保持正常工作。

为了实现上述目标，我们将项目拆分为四个功能模块，每个模块对应独立的软硬件子任务：

模块划分遵循“高内聚、低耦合”原则。巡线模块只负责“看线”和“算偏差”，不关心电机如何转动；运动控制模块只负责“执行指令”，不关心图像如何解析。这种设计使得每个模块都可以独立调试、单独测试，最后再通过主逻辑进行整合。例如，你可以先用一个电位器模拟偏差值来测试电机响应，而不必等待视觉算法完成。

1.2 学习路径规划与阶段目标

本课程共30章，按照“基础→进阶→综合”三个层次递进。前5章聚焦环境搭建与OpenMV基础编程；第6~15章深入讲解巡线算法与PID控制；第16~22章实现路标识别与模板匹配；第23~27章完成避障联动与多传感器融合；最后3章进行系统集成、性能调优与竞赛实战。每个阶段都有明确的验收标准，确保你每一步都走得扎实。

1. 阶段一（第1~5章）：环境准备与基础感知。掌握OpenMV IDE的使用、MicroPython语法、摄像头图像采集与显示。验收标准：能通过IDE实时查看摄像头画面，并完成简单的颜色阈值调试。
2. 阶段二（第6~15章）：巡线算法与运动控制。学习图像二值化、色块提取、PID控制器设计、差速转向原理。验收标准：智能车能在标准赛道上完成一圈巡线，平均速度不低于0.3m/s。
3. 阶段三（第16~22章）：路标识别与状态机。掌握模板匹配、特征提取、多路标分类，并设计状态机实现路标触发动作。验收标准：车辆行驶中能识别3种路标并执行对应动作（如停车2秒、左转等）。
4. 阶段四（第23~27章）：避障联动与多传感器融合。学习超声波测距、中断处理、优先级仲裁机制。验收标准：车辆在巡线途中遇到障碍物能自动绕行，且绕行后能重新回到引导线上。
5. 阶段五（第28~30章）：系统集成与优化。整合所有模块，进行时序优化、功耗管理、异常恢复。验收标准：完成一个综合任务——车辆从起点出发，巡线经过弯道，识别“减速”路标后降速，遇到障碍物绕行，最终停在“停止”路标前。

学习路径的设计遵循“螺旋上升”原则。例如，PID控制会在巡线模块中首次引入，但在避障模块中会再次用到（用于平滑转向），在路标联动中还会用于速度调节。每次复用都会加深你对同一概念的理解。建议你为每个阶段准备一个独立的工程文件夹，并做好版本备份，以便随时回退到可工作的状态。

1.3 软硬件环境准备与验证

在开始编程之前，必须确保软硬件环境正确无误。以下是本课程推荐的开发环境配置清单：

环境准备完成后，必须进行连通性验证。第一步，将OpenMV通过USB连接电脑，打开OpenMV IDE，点击“连接”按钮，若左下角显示“已连接”且帧缓冲区出现实时画面，则视觉模块正常。第二步，将OpenMV的串口TX/RX分别连接MCU的RX/TX（注意交叉连接），并共地。在OpenMV中运行以下测试代码：

# 串口发送测试代码（OpenMV端）
import time
from pyb import UART

uart = UART(3, 115200)  # 使用UART3，波特率115200
while True:
    uart.write("Hello MCU\r\n")
    time.sleep(1)

在MCU端，使用串口助手或编写简单的接收程序，若能收到“Hello MCU”字符串，则通信链路正常。第三步，测试电机驱动：给MCU烧录一个简单的PWM输出程序，让左右电机分别以不同占空比转动，确认转向方向与预期一致。若电机反转，只需交换电机两根引线即可。

1.4 常见误区与项目复盘

根据往期学员的反馈，在项目启动阶段最容易出现以下四类问题：

• 误区一：忽视电源稳定性。智能车使用电池供电时，电机启动瞬间会产生较大的电压跌落，导致OpenMV或MCU复位。解决方案：使用独立的稳压模块（如LM2596）为逻辑电路供电，电机电源与逻辑电源分开布线，并在地线处单点连接。
• 误区二：串口通信波特率不匹配。OpenMV默认波特率是115200，但有些教程会设置为9600，导致通信乱码。建议统一使用115200，并注意MCU端的串口配置必须完全一致（数据位8、停止位1、无校验）。
• 误区三：图像阈值调试不当。巡线时，如果阈值设置过窄，在光照变化时容易丢失引导线；设置过宽，则容易将阴影或反光误判为引导线。正确做法是采集多张不同光照下的图像，取阈值的交集或使用自适应阈值算法。
• 误区四：模块间耦合过深。有些学员喜欢在巡线函数中直接写避障逻辑，导致代码混乱、难以调试。务必保持模块独立，通过全局变量或消息队列传递数据。

为了帮助你更好地理解项目全貌，我们以一个典型的“失败案例”进行复盘。某小组在完成巡线模块后，直接开始集成避障功能，结果车辆在遇到障碍物时频繁抖动，无法稳定绕行。排查过程如下：

1. 初始现象：车辆在无障碍物时巡线正常，但一旦超声波检测到障碍物（距离小于30cm），车辆会左右摇摆，且无法完成绕行动作。
2. 关键数据：通过串口打印发现，超声波模块返回的距离值在20~40cm之间剧烈跳动，且避障标志位在0和1之间快速切换。
3. 分析判断：问题并非出在避障算法，而是超声波传感器的读数不稳定。进一步检查发现，HC-SR04的供电电压只有4.2V（电池电压被电机拉低），导致传感器测量误差增大。
4. 实际操作：将超声波模块的供电改为独立的5V稳压输出，并在代码中加入中值滤波（连续取5次测量值，排序后取中间值）。同时，在避障逻辑中加入“确认延时”——连续3次检测到障碍物距离小于阈值，才触发避障动作。
5. 结果对比：修改后，距离值稳定在±2cm以内，车辆能够平稳完成绕行，且绕行后能准确回到引导线上。
6. 复盘经验：传感器数据的可靠性是系统稳定的基石。在集成多模块之前，务必先验证每个传感器的数据质量。此外，软件滤波和状态确认机制是消除瞬时干扰的有效手段。

通过这个案例可以看出，智能车项目不仅是代码的堆砌，更是硬件、算法、调试技巧的综合体现。在后续章节中，我们将逐一深入每个模块的细节，帮助你避开这些常见的“坑”。