巡线避障思路

地瓜小助手_bot · 2026 年6 月 24 日 06:08

你好！看到你在做巡线避障时遇到了控制策略的难题。这是智能车竞赛中最经典的问题，你的困惑（开环难调参、规划易冲线）非常典型。

结合社区已有的成熟方案，给你三个层级的解决思路，建议根据你的基础选择：

核心结论：推荐「视觉感知 + PID闭环 + 状态机」方案

不要做开环控制（定时转弯），也不要做复杂的路径规划（容易冲出赛道）。最佳实践是：

视觉实时检测赛道中心点和障碍物位置
PID闭环控制巡线（稳定、易调参）
状态机切换巡线/避障模式（逻辑清晰）

方案一：快速上手（推荐新手）

使用社区已验证的 NodeHub 功能包，1小时内可跑通：

步骤 1：部署视觉感知节点

# 安装赛道检测（ResNet18）
sudo apt update
sudo apt install -y tros-racing-track-detection-resnet

# 安装障碍物检测（YOLOv5s）
sudo apt install -y tros-racing-obstacle-detection-yolo

# 安装巡线控制节点
sudo apt install -y tros-racing-control

步骤 2：启动系统

# 终端1：摄像头
ros2 launch mipi_cam mipi_cam_640x480_nv12_hbmem.launch.py

# 终端2：视觉感知
ros2 launch racing_track_detection_resnet racing_track_detection_resnet.launch.py
ros2 launch racing_obstacle_detection_yolo racing_obstacle_detection_yolo.launch.py

# 终端3：控制
ros2 launch racing_control racing_control.launch.py

步骤 3：关键参数调优

编辑 racing_control.launch.py：

parameters=[
    {"follow_linear_speed": 0.3},      # 巡线速度（先调低）
    {"follow_angular_ratio": 1.2},     # 转向灵敏度
    {"bottom_threshold": 400},         # 避障触发距离（像素）
    {"obstacle_avoidance_speed": 0.2}, # 避障时减速
]

优势：无需自己写算法，社区已调优好，参考教程

方案二：自主开发（适合想深入理解）

如果你希望自己写控制逻辑，核心是状态机 + PID：

控制逻辑框架

// 伪代码示例
enum State { LINE_FOLLOWING, OBSTACLE_AVOIDING };
State current_state = LINE_FOLLOWING;

void timer_callback() {
    // 1. 读取视觉数据
    auto track_center = get_track_center();  // 赛道中心点
    auto obstacles = get_obstacles();        // 障碍物列表
    
    // 2. 状态切换
    if (has_nearby_obstacle(obstacles)) {
        current_state = OBSTACLE_AVOIDING;
    } else {
        current_state = LINE_FOLLOWING;
    }
    
    // 3. 执行控制
    if (current_state == LINE_FOLLOWING) {
        pid_follow_line(track_center);
    } else {
        avoid_obstacle(obstacles);
    }
}

PID巡线核心代码

void pid_follow_line(Point track_center) {
    int error = track_center.x - image_center_x;  // 偏差
    integral += error * dt;
    derivative = (error - last_error) / dt;
    
    float angular_velocity = Kp * error + Ki * integral + Kd * derivative;
    publish_velocity(linear_speed, angular_velocity);
    
    last_error = error;
}

避障策略（简单有效）

void avoid_obstacle(vector<Obstacle> obstacles) {
    // 找最近的障碍物
    Obstacle nearest = find_nearest(obstacles);
    
    // 判断障碍物在左侧还是右侧
    int obs_center_x = nearest.x + nearest.width / 2;
    if (obs_center_x < image_center_x) {
        // 障碍物在左，向右转
        publish_velocity(0.2, -1.5);  // 减速 + 右转
    } else {
        // 障碍物在右，向左转
        publish_velocity(0.2, 1.5);
    }
}

调参技巧：

先调巡线：直线速度 0.3m/s，角速度系数从 0.5 开始逐步增加
再调避障：触发距离设为图像高度的 2/3 处（约 400 像素）
最后调切换：确保避障后能平滑回到巡线

方案三：进阶优化（适合冲奖）

参考 20届智能车备赛指南，核心优化点：

1. 统一模型检测

用 YOLOv5s 同时检测：赛道线 + 障碍物 + 二维码

单一模型，帧率更高（X3可达30fps）
减少模型切换开销

2. 预测性避障

// 结合赛道中心点预判
int track_direction = track_center.x - image_center_x;
int obstacle_direction = obs_center_x - image_center_x;

// 如果障碍物阻挡预期路径，提前避障
if ((track_direction > 0 && obstacle_direction > 0) ||
    (track_direction < 0 && obstacle_direction < 0)) {
    early_avoidance = true;
}

3. 渐进式转向

根据障碍物距离动态调整转向强度：

float distance_ratio = bottom_y / image_height;
float dynamic_angular_speed = base_speed * (1.0 + distance_ratio);

针对你的问题

问题1：开环参数难调

原因：开环控制无法适应赛道变化（弯道曲率、速度波动）
解决：必须用闭环PID，根据实时偏差调整转向

问题2：规划后找不到线

原因：避障时转向过大/时间过长，导致赛道线移出视野
解决：

避障时减速（线速度降到 0.2m/s）
避障角度不要超过 45 度
避障后立即恢复巡线，让PID把车拉回赛道

最后建议

先用低速测试（0.2m/s），稳定后再加速
Web界面实时监控：访问 http://[设备IP]:8000 查看检测效果
记录日志：用 ros2 topic echo /cmd_vel 观察控制指令
社区提问：遇到具体报错时，带上日志和代码片段再问

需要我帮你分析具体的代码实现或参数配置吗？