【摘 要】
利用香橙派AIpro20t，融合视觉识别动态障碍、多传感器融合定位、机械臂柔性抓取——用算法解决送货小车的避障，识别，搬运货物。
【关键词】
视觉动态识别
YOLO模型
传感器
叉车
目录
1 设计任务与要求
2 方案设计与论证
3 系统软、硬件设计
4 系统测试及结果
5 总结
正文
1 设计任务与要求
1.1 设计任务
本项目旨在设计并实现一款具备智能避障能力和灵活抓举功能的搬运小车。该小车将集成多种传感器和智能控制算法，实现对环境的实时感知、自主路径规划、障碍规避与精确抓取作业。通过软硬件协同优化，系统将具备较高的环境适应性、作业灵活性和操作精度，能够在复杂或动态的工业环境中完成小型货物的自动搬运任务。
1.2 设计要求
设计从以下几个方面提出具体要求：
（1）智能避障功能
配备视觉传感器（如摄像头）或激光雷达，实现对障碍物的快速识别与定位；
采用YOLO等深度学习目标检测模型，结合路径规划算法（如A*、D*或RRT），实现动态避障与路径重规划；
避障响应时间小于200ms，确保小车在移动过程中安全、高效。
（2）灵活抓举机构
设计一套适用于小型货物（<1kg）的抓取装置，可基于电动夹爪或叉车式结构；抓举结构需具备多自由度动作能力，实现货物的升降、俯仰、精确定位等操作；保证在移动过程中的负载稳定性，避免货物滑落或碰撞。
（3）运动控制系统
小车底盘应支持全向移动，推荐使用麦克纳姆轮，以增强机动性和空间适应能力；
电机控制采用 TB6612 驱动模块，结合 PID 控制算法，实现速度闭环控制和姿态调节；
系统可实现精准的启停控制与路径跟踪。
（4）自主导航能力
系统具备一定的自主学习和路径优化能力，能够根据实时环境变化调整移动策略；
支持从起点到目标点的自动导航，并具备重复路径记忆与回溯功能；
系统能在无人工干预情况下完成目标识别、路径规划、避障和货物抓取全流程。
（5）软件与算法设计
集成YOLO模型用于环境感知与目标识别；
软件平台应具备可视化界面，便于参数调试与状态监控；
具备模块化设计思想，便于后期升级维护，如引入多传感器融合、远程操控等功能。
（6）结构与承载要求
结构紧凑、布局合理，整体尺寸适合穿行于普通实验室或工厂通道；
具备良好的承重性能，至少承载1kg货物；
小车应具备一定的抗震性和耐磨性，适应不同地面状况运行。
2 方案设计与论证
1 设计背景
随着工业自动化与物流行业的迅速发展，市场对智能搬运设备的需求不断上升。传统搬运设备在灵活性和空间适应性方面存在一定局限，难以胜任复杂环境下的高效作业需求。为此，我们设计了一款融合麦克纳姆轮底盘与叉车结构的智能搬运小车，旨在提升搬运效率与操作灵活性，满足多变作业环境中的搬运任务需求。
2 设计方案
本项目目标是研发一款具备全向移动能力的智能搬运小车，具体目标包括：
机械结构：
底盘支持全向平移与原地旋转，以适应多种场地与路径需求；
上部采用叉车式机构，具备稳定的升降和俯仰功能；
整体结构需坚固可靠，承载能力不少于 1kg；
设计紧凑，适合在狭小空间中灵活作业。
电控系统：
基于 TB6612 电机驱动芯片，实现电机的开环控制；
引入 PID 控制算法，以提高运动控制的精度与系统稳定性。
软件系统：
应用 YOLO 模型进行环境感知，识别道路与障碍物；
结合探索式路径规划算法，智能规划搬运路径，提升自主作业能力。
3 方案论证
为验证该智能搬运小车设计方案的可行性与实用性，主要从以下几个方面进行论证：
（1）结构可行性论证
麦克纳姆轮底盘因其独特的滚轮结构，能够实现全向移动，极大提高了小车在狭窄或复杂空间中的灵活性。与传统差速轮或万向轮相比，麦轮具备更高的可操控性和路径多样性。上部叉车结构参考工业叉车设计，采用小型化改造，保证升降稳定性和机械强度，能够满足小型货物的搬运需求。
（2）电控系统可靠性论证
选用 TB6612 驱动芯片控制直流电机，具有良好的电流输出能力和过热保护功能，适合中小型负载场景。结合 PID 算法对电机速度和位移进行反馈控制，有助于提升定位精度和运动稳定性。此方案已在多种机器人平台上得到验证，具备成熟的技术基础。
（3）智能感知与路径规划的有效性论证
YOLO（You Only Look Once）作为一种高效的目标检测算法，具有实时性强、识别精度高等特点，适合部署在边缘计算平台上实现道路和障碍物识别。结合探索式路径规划算法，系统可根据当前环境自主规避障碍、选择最优路径，增强了搬运过程的智能化水平，提升自主作业效率。
（4）适应性与可拓展性论证
本设计采用模块化结构，便于后期扩展功能模块（如激光雷达、机械臂等），也适用于不同工业场景的搬运任务。此外，小车尺寸紧凑，适合应用于仓储、车间、实验室等多种有限空间环境。
3 系统软、硬件设计
智能搬运小车机械结构：
一、底盘结构设计
1.1 麦轮选型与布局
麦轮（麦克纳姆轮）是实现全向移动的核心部件。本设计选用 直径80mm的麦轮，其外圈分布有倾斜辊子，通过不同麦轮的转速和转向组合，可实现小车在平面上的任意方向移动。
麦轮采用四轮对称布局，四个麦轮分别由独立的直流减速电机驱动。电机型号为JGA25-370，该电机具有高扭矩、低转速的特点，能够为麦轮提供稳定动力，确保小车在承载货物时也能灵活移动。
1.2 底盘框架设计
底盘采用3D打印而成，框架结构呈矩形，四个麦轮分别安装在四个角。框架底部设置电机安装座，用于固定麦轮驱动电机；同时预留线路通道，方便电机控制线和电源线的布置，确保线路整齐且不易受到损坏。
二、龙门架结构设计
2.1 一级龙门架
一级龙门架为整个叉车结构的基础支撑部分，采用3D打印。其高度设计为 600mm，宽度与底盘宽度适配，确保整体结构的稳定性。
2.2 二级龙门架
二级龙门架安装在一级龙门架的导轨上，同样采用3D打印制作，其尺寸略小于一级龙门架，以实现嵌套升降。二级龙门架上下方安装滑块，与一级龙门架的导轨配合，通过滑轮和舵机组成的升降系统实现上下移动。舵机选用MG996，其扭矩为 120 N・m，能够通过绳索或链条带动滑轮组，实现二级龙门架的平稳升降，升降行程为 300mm 。
三、叉车臂结构设计
3.1 叉臂本体
叉臂采用3D打印，叉臂长度为100 mm，宽度为 10mm，厚度为8mm ，能够满足承载1kg 货物的强度要求。叉臂前端设置防滑齿纹，增加与货物的摩擦力，防止货物在搬运过程中滑落。
3.2 升降系统
叉臂的升降通过滑轮组和舵机实现。在二级龙门架顶部安装定滑轮，叉臂上安装动滑轮，绳索绕过定滑轮和动滑轮形成滑轮组。舵机通过转动收放绳索，带动叉臂沿二级龙门架上的导轨上下移动。通过合理设计滑轮组的倍率，可降低舵机所需的拉力，提高升降系统的效率和稳定性。
3.3 俯仰系统
叉臂的俯仰由舵机和连杆机构控制。在叉臂与二级龙门架连接处设置旋转轴，舵机通过连杆与叉臂相连。当舵机转动时，通过连杆的推拉作用，使叉臂绕旋转轴旋转，实现俯仰角度的调节，以适应不同高度货物的装卸需求。
搬运小车电控系统：
一、TB6612 电机驱动芯片
TB6612 是一款专为电机驱动设计的芯片，具有高效率、低功耗的特点。它能够同时驱动两个直流电机，本次采用12V电压，利用三个TB6612分别控制四个轮子以及俯仰升降电机。
在搬运小车电控系统中，TB6612 的典型应用电路主要包括电源电路、逻辑控制电路和电机驱动电路。电源部分需要为芯片提供稳定的电压，采用 5V 12V 双电源供电，其中 5V 用于芯片逻辑部分，12V 用于电机驱动部分。逻辑控制电路通过单片机的 I/O 口输出信号来控制 TB6612 的逻辑输入端，从而实现对电机的转向和速度控制。电机驱动电路则将 TB6612 的输出端与电机相连，为电机提供驱动电流。
二、电机开环控制
（一）开环控制概念
电机开环控制是指系统不将电机的实际运行状态反馈到输入端，仅根据输入信号来控制电机的运行。在搬运小车中，开环控制通常通过设定单片机输出的 PWM（脉宽调制）信号的占空比来调节电机的速度，通过逻辑信号控制电机的转向。
（二）在搬运小车中的应用
在搬运小车的启动和简单直线行驶过程中，开环控制具有结构简单、成本低的优点。例如，当小车需要以一定速度前进时，单片机输出固定占空比的 PWM 信号到 TB6612，驱动电机以相应速度转动。然而，开环控制的缺点是抗干扰能力差，当负载变化或电源电压波动时，电机的实际速度会偏离设定值，影响小车的运行精度。
但在本次小车应用中，对四个轮子的控制精度要求不是很高，鉴于STM32F103C8T6的GPIO口数量有限，于是将轮子的控制设为开环控制。
三、PID 控制算法在电机速度控制中的应用
（一）PID 算法原理
PID（比例 - 积分 - 微分）控制算法是一种常用的闭环控制算法，通过对误差的比例、积分和微分三个部分进行计算，输出控制量来调节系统。其数学表达式为：u (t)=Kpe(t)+Ki∫e(t)dt+Kdde (t)/dt，其中 u (t) 为控制量，e (t) 为误差，Kp、Ki、Kd 分别为比例、积分、微分系数。
（二）在搬运小车电机控制中的实现
在搬运小车电控系统中，为了提高电机控制的精度，引入 PID 闭环控制。通过在电机上安装编码器来检测电机的实际转速，将实际转速与设定转速的差值作为 PID 算法的输入误差。单片机根据 PID 算法计算出控制量，调整输出的 PWM 信号占空比，从而实现对俯仰电机和升降电机的精准控制，让货物能升降指定高度。
（三）参数整定
PID 参数的整定是 PID 控制效果的关键。在搬运小车电机控制中，通常采用试凑法进行参数整定。首先，将积分系数 Ki 和微分系数 Kd 设为零，逐渐增大比例系数 Kp，直到系统响应出现振荡，然后适当减小 Kp，得到一个比较满意的比例系数。接着，加入积分系数 Ki，以消除静态误差，但 Ki 过大会导致系统振荡加剧。最后，加入微分系数 Kd，以改善系统的动态响应性能，减少超调量。通过反复调整这三个参数，使电机速度控制达到最佳效果。本次采用Position_KP=0.0980 Position_KI=0.0013, Position_KD=0.11425，为防止PWM信号产生的电压过小，无法驱动电机正常旋转，于是增添了1300的死区电压，和3550的PWM限幅。本次使用的驱动麦轮的电机是JGA减速电机，减速比90：1，码盘数为11
四、与香橙派的串口通信
采用单字节接受来自香橙派发送的命令，俯仰，麦轮，升降的命令集成一体。利用HAL库中的发送和接受中断，尽量减少对其他程序的干扰。串口通信的波特率为 115200，控制程序采用标志位循环检测。一旦接收到命令，将flag置为1，在main函数中循环检测，一旦检测到flag为真后，开启命令判断执行环节。
软件：
1 引言
在复杂、动态的工业环境中，传统基于预设地图的路径规划方式已难以满足自主搬运系统对实时性与环境适应性的需求。为了提高搬运小车在未知或半结构环境中的自主导航能力，本文提出将 YOLO（You Only Look Once）模型应用于环境感知，并结合路径规划算法，实现动态避障与目标导航。
2 系统架构概述
系统主要包括三个核心模块：
目标检测模块：基于 YOLOv8 模型，对相机采集的图像进行实时分析，识别道路、障碍物和目标位置；
地图构建模块：将 YOLO识别结果映射到局部环境坐标系，构建局部可行路径图；
路径规划模块：在识别结果基础上，结合A算法和D* Lite 和改进的RRT算法，计算从当前位置到目标位置的最优路径。
3 YOLO模型在路径规划中的应用流程
3.1 图像采集与预处理
小车搭载摄像头获取前方环境图像，分辨率为640×480，以保证识别精度与计算效率的平衡。
3.2 目标检测
使用训练好的 YOLO 模型对图像进行推理，检测结果输出为一系列带有类别和置信度的边界框（bounding boxes），
[Class: "obstacle", Confidence: 0.92, BBox: (x1, y1, x2, y2)]
[Class: "road", Confidence: 0.89, BBox: (x1, y1, x2, y2)]
[Class: "target", Confidence: 0.95, BBox: (x1, y1, x2, y2)]
这些识别结果被转换为二维坐标点，用于构建环境图。
3.3 局部环境建图
将障碍物区域映射到栅格地图中，并标记为不可通行区域；将道路区域标记为可通行；目标点则被作为路径终点进行规划。
3.4 路径规划算法
基于局部地图，采用启发式路径搜索算法进行路径规划：
对静态环境使用 A* 算法；
对动态环境使用 D* Lite 和改进的RRT算法以支持动态重规划。
系统实时更新环境感知与路径，确保小车具备避障能力和路径再规划能力。
5 系统测试及结果
机械结构计算与校核
1 承载能力计算
根据小车设计承载重量1kg，对底盘框架、龙门架及叉臂进行受力分析。以叉臂为例，通过材料力学公式计算其在最大承载情况下的应力和应变，确保材料的许用应力大于实际应力，满足强度要求。
2 运动学分析
对麦轮的运动进行运动学建模，根据麦轮的转速和转向，计算小车在不同工况下的移动速度和转向角度。通过仿真分析，验证小车能够实现全向移动，且移动速度和精度满足设计要求。同时，对叉臂的升降和俯仰运动进行运动学分析，确保其运动平稳、无干涉。
路径模型规划
在实际测试中，YOLO模型能以约25–30FPS的速度处理图像流，识别精度在典型工业场景下达到 85% 以上。路径规划延迟控制在 100ms 以内，可实现小车的平稳避障与导航控制。
6 结论与展望
将 YOLO 模型与路径规划算法结合，用于智能搬运小车的自主导航任务。实验表明，该方案具备良好的实时性与适应性，为工业环境下的自动搬运提供了有效解决方案。未来可结合多模态感知与深度强化学习进一步提升路径规划的智能性与效率。路径规划延迟控制在 100ms 以内，可实现小车的平稳避障与导航控制。YOLO模型识别速度快，适合实时路径规划；模型可通过迁移学习训练特定场景（如车间、仓库）数据；结合栅格建图与传统规划算法，提升导航灵活性。对于遮挡严重或光照变化大的环境，检测精度仍需优化；需要对识别结果与实际距离进行合理映射（如结合深度摄像头或双目摄像）；仅依赖视觉容易造成感知盲区，建议融合其他传感器（如激光雷达或IMU）增强鲁棒性。
本智能搬运小车机械结构设计通过麦轮底盘实现全向移动，结合一级龙门架、二级龙门架及叉车臂的设计，能够完成货物的稳定升降和俯仰操作。经计算和分析，各结构部件满足强度、稳定性和运动性能要求。该设计为智能搬运小车的进一步开发和应用提供了可靠的机械结构基础，后续可在此基础上进行电气控制系统的设计和集成，实现小车的智能化控制。
点赞
收藏
回复
分享
举报
【摘 要】
利用香橙派AIpro20t，融合视觉识别动态障碍、多传感器融合定位、机械臂柔性抓取——用算法解决送货小车的避障，识别，搬运货物。
【关键词】
视觉动态识别
YOLO模型
传感器
叉车
目录
1 设计任务与要求
2 方案设计与论证
3 系统软、硬件设计
4 系统测试及结果
5 总结
正文
1 设计任务与要求
1.1 设计任务
本项目旨在设计并实现一款具备智能避障能力和灵活抓举功能的搬运小车。该小车将集成多种传感器和智能控制算法，实现对环境的实时感知、自主路径规划、障碍规避与精确抓取作业。通过软硬件协同优化，系统将具备较高的环境适应性、作业灵活性和操作精度，能够在复杂或动态的工业环境中完成小型货物的自动搬运任务。
1.2 设计要求
设计从以下几个方面提出具体要求：
（1）智能避障功能
配备视觉传感器（如摄像头）或激光雷达，实现对障碍物的快速识别与定位；
采用YOLO等深度学习目标检测模型，结合路径规划算法（如A*、D*或RRT），实现动态避障与路径重规划；
避障响应时间小于200ms，确保小车在移动过程中安全、高效。
（2）灵活抓举机构
设计一套适用于小型货物（<1kg）的抓取装置，可基于电动夹爪或叉车式结构；抓举结构需具备多自由度动作能力，实现货物的升降、俯仰、精确定位等操作；保证在移动过程中的负载稳定性，避免货物滑落或碰撞。
（3）运动控制系统
小车底盘应支持全向移动，推荐使用麦克纳姆轮，以增强机动性和空间适应能力；
电机控制采用 TB6612 驱动模块，结合 PID 控制算法，实现速度闭环控制和姿态调节；
系统可实现精准的启停控制与路径跟踪。
（4）自主导航能力
系统具备一定的自主学习和路径优化能力，能够根据实时环境变化调整移动策略；
支持从起点到目标点的自动导航，并具备重复路径记忆与回溯功能；
系统能在无人工干预情况下完成目标识别、路径规划、避障和货物抓取全流程。
（5）软件与算法设计
集成YOLO模型用于环境感知与目标识别；
软件平台应具备可视化界面，便于参数调试与状态监控；
具备模块化设计思想，便于后期升级维护，如引入多传感器融合、远程操控等功能。
（6）结构与承载要求
结构紧凑、布局合理，整体尺寸适合穿行于普通实验室或工厂通道；
具备良好的承重性能，至少承载1kg货物；
小车应具备一定的抗震性和耐磨性，适应不同地面状况运行。
2 方案设计与论证
1 设计背景
随着工业自动化与物流行业的迅速发展，市场对智能搬运设备的需求不断上升。传统搬运设备在灵活性和空间适应性方面存在一定局限，难以胜任复杂环境下的高效作业需求。为此，我们设计了一款融合麦克纳姆轮底盘与叉车结构的智能搬运小车，旨在提升搬运效率与操作灵活性，满足多变作业环境中的搬运任务需求。
2 设计方案
本项目目标是研发一款具备全向移动能力的智能搬运小车，具体目标包括：
机械结构：
底盘支持全向平移与原地旋转，以适应多种场地与路径需求；
上部采用叉车式机构，具备稳定的升降和俯仰功能；
整体结构需坚固可靠，承载能力不少于 1kg；
设计紧凑，适合在狭小空间中灵活作业。
电控系统：
基于 TB6612 电机驱动芯片，实现电机的开环控制；
引入 PID 控制算法，以提高运动控制的精度与系统稳定性。
软件系统：
应用 YOLO 模型进行环境感知，识别道路与障碍物；
结合探索式路径规划算法，智能规划搬运路径，提升自主作业能力。
3 方案论证
为验证该智能搬运小车设计方案的可行性与实用性，主要从以下几个方面进行论证：
（1）结构可行性论证
麦克纳姆轮底盘因其独特的滚轮结构，能够实现全向移动，极大提高了小车在狭窄或复杂空间中的灵活性。与传统差速轮或万向轮相比，麦轮具备更高的可操控性和路径多样性。上部叉车结构参考工业叉车设计，采用小型化改造，保证升降稳定性和机械强度，能够满足小型货物的搬运需求。
（2）电控系统可靠性论证
选用 TB6612 驱动芯片控制直流电机，具有良好的电流输出能力和过热保护功能，适合中小型负载场景。结合 PID 算法对电机速度和位移进行反馈控制，有助于提升定位精度和运动稳定性。此方案已在多种机器人平台上得到验证，具备成熟的技术基础。
（3）智能感知与路径规划的有效性论证
YOLO（You Only Look Once）作为一种高效的目标检测算法，具有实时性强、识别精度高等特点，适合部署在边缘计算平台上实现道路和障碍物识别。结合探索式路径规划算法，系统可根据当前环境自主规避障碍、选择最优路径，增强了搬运过程的智能化水平，提升自主作业效率。
（4）适应性与可拓展性论证
本设计采用模块化结构，便于后期扩展功能模块（如激光雷达、机械臂等），也适用于不同工业场景的搬运任务。此外，小车尺寸紧凑，适合应用于仓储、车间、实验室等多种有限空间环境。
3 系统软、硬件设计
智能搬运小车机械结构：
一、底盘结构设计
1.1 麦轮选型与布局
麦轮（麦克纳姆轮）是实现全向移动的核心部件。本设计选用 直径80mm的麦轮，其外圈分布有倾斜辊子，通过不同麦轮的转速和转向组合，可实现小车在平面上的任意方向移动。
麦轮采用四轮对称布局，四个麦轮分别由独立的直流减速电机驱动。电机型号为JGA25-370，该电机具有高扭矩、低转速的特点，能够为麦轮提供稳定动力，确保小车在承载货物时也能灵活移动。
1.2 底盘框架设计
底盘采用3D打印而成，框架结构呈矩形，四个麦轮分别安装在四个角。框架底部设置电机安装座，用于固定麦轮驱动电机；同时预留线路通道，方便电机控制线和电源线的布置，确保线路整齐且不易受到损坏。
二、龙门架结构设计
2.1 一级龙门架
一级龙门架为整个叉车结构的基础支撑部分，采用3D打印。其高度设计为 600mm，宽度与底盘宽度适配，确保整体结构的稳定性。
2.2 二级龙门架
二级龙门架安装在一级龙门架的导轨上，同样采用3D打印制作，其尺寸略小于一级龙门架，以实现嵌套升降。二级龙门架上下方安装滑块，与一级龙门架的导轨配合，通过滑轮和舵机组成的升降系统实现上下移动。舵机选用MG996，其扭矩为 120 N・m，能够通过绳索或链条带动滑轮组，实现二级龙门架的平稳升降，升降行程为 300mm 。
三、叉车臂结构设计
3.1 叉臂本体
叉臂采用3D打印，叉臂长度为100 mm，宽度为 10mm，厚度为8mm ，能够满足承载1kg 货物的强度要求。叉臂前端设置防滑齿纹，增加与货物的摩擦力，防止货物在搬运过程中滑落。
3.2 升降系统
叉臂的升降通过滑轮组和舵机实现。在二级龙门架顶部安装定滑轮，叉臂上安装动滑轮，绳索绕过定滑轮和动滑轮形成滑轮组。舵机通过转动收放绳索，带动叉臂沿二级龙门架上的导轨上下移动。通过合理设计滑轮组的倍率，可降低舵机所需的拉力，提高升降系统的效率和稳定性。
3.3 俯仰系统
叉臂的俯仰由舵机和连杆机构控制。在叉臂与二级龙门架连接处设置旋转轴，舵机通过连杆与叉臂相连。当舵机转动时，通过连杆的推拉作用，使叉臂绕旋转轴旋转，实现俯仰角度的调节，以适应不同高度货物的装卸需求。
搬运小车电控系统：
一、TB6612 电机驱动芯片
TB6612 是一款专为电机驱动设计的芯片，具有高效率、低功耗的特点。它能够同时驱动两个直流电机，本次采用12V电压，利用三个TB6612分别控制四个轮子以及俯仰升降电机。
在搬运小车电控系统中，TB6612 的典型应用电路主要包括电源电路、逻辑控制电路和电机驱动电路。电源部分需要为芯片提供稳定的电压，采用 5V 12V 双电源供电，其中 5V 用于芯片逻辑部分，12V 用于电机驱动部分。逻辑控制电路通过单片机的 I/O 口输出信号来控制 TB6612 的逻辑输入端，从而实现对电机的转向和速度控制。电机驱动电路则将 TB6612 的输出端与电机相连，为电机提供驱动电流。
二、电机开环控制
（一）开环控制概念
电机开环控制是指系统不将电机的实际运行状态反馈到输入端，仅根据输入信号来控制电机的运行。在搬运小车中，开环控制通常通过设定单片机输出的 PWM（脉宽调制）信号的占空比来调节电机的速度，通过逻辑信号控制电机的转向。
（二）在搬运小车中的应用
在搬运小车的启动和简单直线行驶过程中，开环控制具有结构简单、成本低的优点。例如，当小车需要以一定速度前进时，单片机输出固定占空比的 PWM 信号到 TB6612，驱动电机以相应速度转动。然而，开环控制的缺点是抗干扰能力差，当负载变化或电源电压波动时，电机的实际速度会偏离设定值，影响小车的运行精度。
但在本次小车应用中，对四个轮子的控制精度要求不是很高，鉴于STM32F103C8T6的GPIO口数量有限，于是将轮子的控制设为开环控制。
三、PID 控制算法在电机速度控制中的应用
（一）PID 算法原理
PID（比例 - 积分 - 微分）控制算法是一种常用的闭环控制算法，通过对误差的比例、积分和微分三个部分进行计算，输出控制量来调节系统。其数学表达式为：u (t)=Kpe(t)+Ki∫e(t)dt+Kdde (t)/dt，其中 u (t) 为控制量，e (t) 为误差，Kp、Ki、Kd 分别为比例、积分、微分系数。
（二）在搬运小车电机控制中的实现
在搬运小车电控系统中，为了提高电机控制的精度，引入 PID 闭环控制。通过在电机上安装编码器来检测电机的实际转速，将实际转速与设定转速的差值作为 PID 算法的输入误差。单片机根据 PID 算法计算出控制量，调整输出的 PWM 信号占空比，从而实现对俯仰电机和升降电机的精准控制，让货物能升降指定高度。
（三）参数整定
PID 参数的整定是 PID 控制效果的关键。在搬运小车电机控制中，通常采用试凑法进行参数整定。首先，将积分系数 Ki 和微分系数 Kd 设为零，逐渐增大比例系数 Kp，直到系统响应出现振荡，然后适当减小 Kp，得到一个比较满意的比例系数。接着，加入积分系数 Ki，以消除静态误差，但 Ki 过大会导致系统振荡加剧。最后，加入微分系数 Kd，以改善系统的动态响应性能，减少超调量。通过反复调整这三个参数，使电机速度控制达到最佳效果。本次采用Position_KP=0.0980 Position_KI=0.0013, Position_KD=0.11425，为防止PWM信号产生的电压过小，无法驱动电机正常旋转，于是增添了1300的死区电压，和3550的PWM限幅。本次使用的驱动麦轮的电机是JGA减速电机，减速比90：1，码盘数为11
四、与香橙派的串口通信
采用单字节接受来自香橙派发送的命令，俯仰，麦轮，升降的命令集成一体。利用HAL库中的发送和接受中断，尽量减少对其他程序的干扰。串口通信的波特率为 115200，控制程序采用标志位循环检测。一旦接收到命令，将flag置为1，在main函数中循环检测，一旦检测到flag为真后，开启命令判断执行环节。
软件：
1 引言
在复杂、动态的工业环境中，传统基于预设地图的路径规划方式已难以满足自主搬运系统对实时性与环境适应性的需求。为了提高搬运小车在未知或半结构环境中的自主导航能力，本文提出将 YOLO（You Only Look Once）模型应用于环境感知，并结合路径规划算法，实现动态避障与目标导航。
2 系统架构概述
系统主要包括三个核心模块：
目标检测模块：基于 YOLOv8 模型，对相机采集的图像进行实时分析，识别道路、障碍物和目标位置；
地图构建模块：将 YOLO识别结果映射到局部环境坐标系，构建局部可行路径图；
路径规划模块：在识别结果基础上，结合A算法和D* Lite 和改进的RRT算法，计算从当前位置到目标位置的最优路径。
3 YOLO模型在路径规划中的应用流程
3.1 图像采集与预处理
小车搭载摄像头获取前方环境图像，分辨率为640×480，以保证识别精度与计算效率的平衡。
3.2 目标检测
使用训练好的 YOLO 模型对图像进行推理，检测结果输出为一系列带有类别和置信度的边界框（bounding boxes），
[Class: "obstacle", Confidence: 0.92, BBox: (x1, y1, x2, y2)]
[Class: "road", Confidence: 0.89, BBox: (x1, y1, x2, y2)]
[Class: "target", Confidence: 0.95, BBox: (x1, y1, x2, y2)]
这些识别结果被转换为二维坐标点，用于构建环境图。
3.3 局部环境建图
将障碍物区域映射到栅格地图中，并标记为不可通行区域；将道路区域标记为可通行；目标点则被作为路径终点进行规划。
3.4 路径规划算法
基于局部地图，采用启发式路径搜索算法进行路径规划：
对静态环境使用 A* 算法；
对动态环境使用 D* Lite 和改进的RRT算法以支持动态重规划。
系统实时更新环境感知与路径，确保小车具备避障能力和路径再规划能力。
5 系统测试及结果
机械结构计算与校核
1 承载能力计算
根据小车设计承载重量1kg，对底盘框架、龙门架及叉臂进行受力分析。以叉臂为例，通过材料力学公式计算其在最大承载情况下的应力和应变，确保材料的许用应力大于实际应力，满足强度要求。
2 运动学分析
对麦轮的运动进行运动学建模，根据麦轮的转速和转向，计算小车在不同工况下的移动速度和转向角度。通过仿真分析，验证小车能够实现全向移动，且移动速度和精度满足设计要求。同时，对叉臂的升降和俯仰运动进行运动学分析，确保其运动平稳、无干涉。
路径模型规划
在实际测试中，YOLO模型能以约25–30FPS的速度处理图像流，识别精度在典型工业场景下达到 85% 以上。路径规划延迟控制在 100ms 以内，可实现小车的平稳避障与导航控制。
6 结论与展望
将 YOLO 模型与路径规划算法结合，用于智能搬运小车的自主导航任务。实验表明，该方案具备良好的实时性与适应性，为工业环境下的自动搬运提供了有效解决方案。未来可结合多模态感知与深度强化学习进一步提升路径规划的智能性与效率。路径规划延迟控制在 100ms 以内，可实现小车的平稳避障与导航控制。YOLO模型识别速度快，适合实时路径规划；模型可通过迁移学习训练特定场景（如车间、仓库）数据；结合栅格建图与传统规划算法，提升导航灵活性。对于遮挡严重或光照变化大的环境，检测精度仍需优化；需要对识别结果与实际距离进行合理映射（如结合深度摄像头或双目摄像）；仅依赖视觉容易造成感知盲区，建议融合其他传感器（如激光雷达或IMU）增强鲁棒性。
本智能搬运小车机械结构设计通过麦轮底盘实现全向移动，结合一级龙门架、二级龙门架及叉车臂的设计，能够完成货物的稳定升降和俯仰操作。经计算和分析，各结构部件满足强度、稳定性和运动性能要求。该设计为智能搬运小车的进一步开发和应用提供了可靠的机械结构基础，后续可在此基础上进行电气控制系统的设计和集成，实现小车的智能化控制。