基于树莓派的自平衡小车：图像识别与自主避障系统搭建

自平衡小车是嵌入式机器人开发领域的经典实训项目，融合了姿态传感、自动控制、计算机视觉、运动执行等多项技术。传统自平衡小车仅能实现基础直立与手动操控，智能化程度偏低，难以适配复杂环境运行。依托树莓派的算力拓展与外设兼容能力，搭配视觉采集模块、姿态传感器与测距组件，可搭建集成图像识别与自主避障功能的智能自平衡小车，实现直立自稳、道路识别、障碍物检测、自动绕行等智能化功能。本文将从项目整体架构、硬件选配、电路搭建、软件系统、平衡控制算法、图像识别逻辑、避障策略、调试优化等维度，完整讲解整套系统的搭建流程与技术要点，为嵌入式智能小车开发提供可落地的实践方案。

一、项目整体架构与运行原理

本次搭建的智能自平衡小车采用分层模块化架构，整体分为感知层、决策层、控制层与执行层，各模块独立运行且相互协同，保障小车稳定直立与智能避障行驶。相较于普通两轮平衡小车，新增的视觉感知与环境检测模块，让小车摆脱单纯的姿态平衡控制，具备基础的环境感知与自主决策能力。

感知层由多类传感器组成，负责采集小车运行状态与周边环境数据。其中MPU6050惯性测量单元实时采集小车俯仰角、角速度、加速度等姿态数据，为自平衡控制提供核心参数；树莓派摄像头负责采集前方环境图像，用于道路识别、障碍物视觉判定；HC-SR04超声波模块辅助测距，弥补纯视觉检测在距离精度上的不足，实现远近环境的全方位感知。

决策层以树莓派为主控核心，接收感知层传输的姿态数据、图像数据与距离数据，通过内置算法完成数据分析与逻辑判断。一方面实时解算小车姿态偏差，输出平衡调节指令；另一方面通过图像识别算法筛选环境信息，判断前方是否存在障碍物、识别可行行驶区域，生成避障、直行、转向、停车等运行指令。

控制层与执行层负责落地执行决策指令，通过电机驱动板调节左右电机的转速与转向，完成小车直立平衡、前进、后退、转向、避障绕行等动作。整套系统形成“感知-分析-决策-执行”的闭环运行逻辑，可在普通室内、平整路面实现自主平衡行驶与智能避障。

二、核心硬件选型与适配要点

硬件的适配性与精度直接影响小车的平衡稳定性与识别避障效果，结合树莓派接口特性与项目功能需求，各模块选型遵循轻量化、高兼容、低延迟的原则，具体硬件搭配方案如下。

主控单元选用树莓派4B为宜，其充足的算力可以同时支撑姿态解算、图像预处理、算法推理与电机控制，避免多任务并行时出现卡顿、延迟偏高的情况，适配视觉识别的运算需求。搭配常规两轮平衡小车车架、直流减速电机、电机驱动板，满足基础直立与行走的机械结构需求。

姿态检测模块选用MPU6050六轴传感器，集成三轴加速度与三轴陀螺仪，可高频采集小车姿态数据，响应速度较快，能够精准捕捉车身轻微倾斜变化，为PID平衡算法提供稳定的数据支撑，适配两轮小车动态自稳的控制场景。

视觉感知模块采用树莓派官方摄像头，支持动态帧率调节，可清晰采集前方路面与障碍物画面。安装时固定于小车车身前端，略微向下倾斜，聚焦行驶路面区域，减少天空、远处杂物等无效画面干扰，提升图像识别的准确率。光线不足的场景可替换夜视摄像头，拓宽适用环境范围。

环境测距模块搭配HC-SR04超声波传感器，安装于车身正前方，用于精准检测障碍物距离。纯视觉识别容易受光线、画面角度影响测距精度，超声波模块可弥补这一短板，实现视觉识别定位、超声波精准测距的双重检测，提升避障可靠性。此外搭配锂电池供电，保障小车移动过程中供电稳定，避免电压波动影响传感器与电机运行状态。

三、硬件接线与机械组装流程

整套设备组装无需复杂焊接，以GPIO接口插拔连接为主，规范的接线与组装方式可减少信号干扰、接触不良等问题，保障系统稳定运行。

首先完成机械结构组装，将减速电机固定于车架两侧，安装车轮与减震结构，保证车身两侧受力均匀、车轮转动顺畅，减少行驶过程中的车身晃动，为自平衡控制提供稳定机械基础。随后固定电池盒、树莓派主板、电机驱动板，预留充足散热空间，避免设备密闭积热影响运行。

其次进行传感器接线连接，MPU6050通过I2C接口与树莓派通信，对应连接电源、地线、时钟与数据引脚，保障姿态数据高速传输；超声波模块将触发引脚、回响引脚分别接入树莓派指定GPIO接口，用于接收距离检测信号；摄像头通过排线接入树莓派专属摄像头接口，拧紧卡扣避免松动断连。

最后完成电机驱动接线，将左右电机接线对应接入驱动板输出端，驱动板输入端连接树莓派GPIO控制引脚与供电电源，接线过程中区分正负极，避免接反导致电机反转、模块损坏。全部接线完成后整理线材，避免线材缠绕车轮、遮挡传感器，完成整体硬件搭建。

四、系统环境搭建与基础配置

硬件搭建完成后，需搭建适配的软件运行环境，开启硬件接口权限、安装依赖库与算法工具，为平衡控制与图像识别功能提供软件支撑。

首先完成系统基础配置，开启树莓派摄像头接口、I2C接口，保障传感器与摄像头正常被系统识别。更新系统软件源，升级底层依赖，修复系统兼容漏洞，提升设备运行稳定性。同时关闭系统后台冗余服务，减少内存与CPU占用，为图像算法运算释放硬件资源。

其次安装核心功能依赖库，包括用于硬件引脚控制的GPIO库、姿态数据解算的传感器库、图像处理的OpenCV库与数值计算库。OpenCV是图像识别的核心工具，支持图像灰度化、滤波降噪、边缘检测、轮廓识别等预处理操作，可满足小车障碍物、道路标线的识别需求。

环境配置完成后进行硬件检测，通过终端指令分别测试摄像头拍照录像、MPU6050姿态数据读取、超声波测距、电机正反转功能，确认所有硬件正常工作、数据传输无误，排查接线错误、接口未开启、依赖缺失等问题，为后续算法调试做好铺垫。

五、自平衡控制算法调试

自平衡是小车运行的基础，核心依靠PID算法实现动态姿态调节。两轮小车属于倒立摆结构，车身会持续产生倾斜趋势，需要通过实时姿态数据调节电机转速，抵消倾斜力矩，维持车身直立状态。

系统运行时，MPU6050以高频频率采集车身倾斜角度与倾斜角速度，传输至树莓派进行数据滤波处理，过滤运动过程中的抖动干扰数据，得到精准的姿态参数。PID算法通过比例、积分、微分三个维度计算角度偏差，输出对应的电机调节参数：当车身向前倾斜时，控制电机加速前进；车身向后倾斜时，控制电机后退，形成动态平衡调节效果。

参数调试需要循序渐进，先调节比例参数纠正基础倾斜偏差，再微调积分参数消除静态平衡误差，最后通过微分参数抑制车身抖动、高频晃动。参数匹配合理的情况下，小车可稳定直立静止，轻微外力推动后可快速恢复平衡，行驶过程中姿态平稳，无频繁晃动、倾倒问题。调试过程中需避免参数过大导致车身剧烈抖动，或参数过小导致平衡响应迟缓。

六、图像识别功能实现与优化

图像识别是小车实现智能感知的核心，依托OpenCV完成环境图像的预处理与特征识别，区分可通行区域与障碍物区域，为避障决策提供视觉依据。

摄像头采集的原始画面存在无效区域、噪点与畸变问题，需要先完成图像预处理。系统会裁剪画面，保留下方路面核心区域，剔除天空、墙面等无关画面；随后将彩色图像转为灰度图，通过高斯滤波消除画面噪点，降低光线干扰；最后利用Canny算子完成边缘检测，清晰勾勒出路面边界、障碍物轮廓，提升识别精准度。

针对障碍物识别，系统通过轮廓检测算法提取画面中的物体轮廓，计算轮廓面积与位置信息，判断前方物体是否为阻碍通行的障碍物。结合颜色阈值匹配，可针对性识别黑色路障、红色警示桩等预设障碍物，适配常规室内实训场景。同时可拓展道路循迹功能，通过识别黑色轨迹线轮廓，判断行驶路径，实现沿轨迹自主行驶。

为适配树莓派有限算力，算法运行时会适当压缩图像分辨率、调整检测帧率，在保留识别精度的同时降低运算压力，避免图像卡顿、识别延迟过高的问题，保障感知与动作执行的同步性。

七、多传感器融合自主避障策略

单一视觉识别容易受光线、画面角度影响，单一超声波测距无法识别障碍物轮廓与位置，采用视觉与超声波融合的避障策略，可大幅提升小车环境适配能力与避障稳定性。

小车行驶过程中，摄像头持续扫描前方环境，识别障碍物轮廓与横向位置，判断障碍物处于车身正前方、左侧或右侧；超声波模块同步检测障碍物直线距离，精准判定危险层级。系统预设距离阈值，当障碍物距离较远时，小车保持低速直行，持续监测环境变化；当障碍物距离接近阈值时，小车优先减速、平稳停车，完成姿态校准后执行绕行动作。

针对不同障碍物场景适配差异化避障逻辑：正前方存在障碍物时，小车后退微调姿态，向无障碍物侧转向绕行；单侧存在障碍物时，小车小幅偏移路线，贴合安全区域行驶；检测到前方无障碍物时，自动恢复直行状态。整套避障逻辑简洁高效，适配平整路面的静态障碍物规避场景。

同时系统搭载异常防护机制，当传感器数据异常、画面识别失效时，小车自动停止运行，避免失控冲撞，提升设备运行安全性。

八、系统整体调试与性能优化

完成功能开发后，需要进行整机联调与性能优化，解决平衡抖动、识别误判、避障卡顿、动作延迟等问题，提升小车智能化与稳定性。

控制层面优化可细化PID参数，区分静止平衡与行驶平衡的参数阈值，小车静止时降低灵敏度减少抖动，行驶时提升响应速度适配动态路况。同时优化电机调速逻辑，让加减速过程更加平缓，避免转速突变导致车身倾倒。

视觉层面优化可通过相机标定修正广角畸变，调整图像滤波阈值，适配强光、弱光等不同光线环境，减少光线变化引发的识别误判。优化算法运行逻辑，跳过无效帧重复运算，提升图像识别的响应速度。

协同运行优化可平衡多任务资源占用，合理分配姿态解算、图像识别、电机控制的运算优先级，保障核心控制任务优先执行，避免多任务抢占资源导致的系统卡顿、动作延迟问题。同时优化供电方案，稳定设备工作电压，减少电压波动对传感器精度与电机转速的影响。

九、常见问题排查与日常维护

小车长期调试与运行过程中，容易出现平衡不稳、识别失灵、避障失效等问题，针对性排查可快速解决故障。车身频繁抖动倾倒多为PID参数匹配不当或姿态数据滤波不足，可微调算法参数、优化数据滤波逻辑；图像识别误判多为光线干扰、图像预处理不到位，可调整画面阈值、优化裁剪区域；避障反应迟缓多为传感器数据延迟，可优化数据读取频率、校准传感器参数。

日常维护需定期检查车轮紧固状态、传感器接线松紧，避免机械松动与接口接触不良影响运行效果；及时清理摄像头镜头灰尘，保障画面采集清晰；长期运行后重启设备，清理系统进程缓存，维持算法高效运行。

结语

基于树莓派搭建的自平衡小车图像识别与自主避障系统，整合了自动控制、机器视觉、传感器融合等多项核心技术，实现了智能直立、环境感知、自主避障、稳定行驶等多样化功能。整套方案硬件成本适中、搭建流程清晰、算法轻量化适配嵌入式设备，适合机器人开发学习、嵌入式项目实训与智能小车功能拓展。通过持续优化算法参数与感知策略，可进一步提升小车的环境适配能力与自主决策精度，为后续拓展自动循迹、定点巡航、多目标识别等进阶功能奠定扎实基础。