企业官网建设流程全解析

从很早起，我就对“会自己跟着人走”的设备特别感兴趣。不管是机场里那种能跟着旅客走的智能行李箱，还是仓库里自动跟着拣货员跑的物料小车，背后都绕不开两个核心问题：一是怎么精确知道目标在哪儿，二是怎么在跟着走的时候不撞上障碍物。这两年UWB技术逐渐从门禁、室内定位这类场景下沉到机器人控制领域，让“自动跟随避障”这件事的落地门槛降低了不少。我断断续续研究这个方向半年多，基于UWB技术搭了一套自动跟随避障系统，从硬件选型到算法调试踩了不少坑，这篇就把整套设计研究过程完整拆开讲一讲。

这套系统解决的核心痛点很直接：传统的跟随方案要么依赖视觉识别（容易受光线和遮挡影响），要么用蓝牙RSSI做距离估算（精度飘得离谱，经常跟丢）。UWB（超宽带）测距走的是飞行时间法，误差能控制在厘米级，而且对非视距场景的容忍度明显好于蓝牙，这就让“稳定跟随”成为可能。整个项目适合正在做机器人、智能硬件、嵌入式毕设或者产品预研的开发者参考，内容涵盖了原理选型、硬件搭建、算法设计到实车调试的全链路，不需要你已经有很深的基础，跟着思路走就能复现。

1. 整体方案怎么定下来的：为什么偏偏选UWB

1.1 几种主流跟随方案对比，UWB赢在哪

自动跟随领域不是什么新技术，但市面上成熟的方案无外乎那么几类。我在项目启动前先把主流路线盘了一遍，这步真的省了很多后期返工的麻烦。

第一类是纯视觉方案。典型做法是用摄像头配合目标检测模型框出目标人物，然后用像素偏移量推算相对方位。这套方案的优势是能拿到丰富的外观信息，但短板同样明显：光照一变化识别就抖动，目标转身或者被遮挡时容易丢框，而且对算力平台有要求——我用过树莓派跑轻量模型，帧率上去了功耗也上去了，续航堪忧。如果只是做固定场景的实验室demo倒可以，真要跟着人走出户外或者绕来绕去，会特别痛苦。

第二类是蓝牙RSSI方案。原理是通过接收信号强度反推距离，成本极低，但精度真不敢恭维。我实测过在普通房间里蓝牙RSSI的波动有时候能到两三米，这个精度做跟随基本等于盲走，经常出现小车突然往前冲又突然刹停的抽搐动作，体验非常差。

第三类就是UWB方案。UWB测距用的是双向飞行时间法，两个模块之间通过发送纳秒级脉冲并计算飞行时间，再乘上光速得到距离，理论精度能做到厘米级。相比RSSI靠强度估距离，飞行时间法不依赖信号衰减模型，所以受环境干扰的影响小得多。实际测试下来，在普通室内走廊里，我那块DWM1000模块的静态测距波动基本能稳定在正负10厘米以内，这个精度做跟随控制才有“值得调算法”的价值。

当然UWB也不是完美的，它只能给出距离信息，不能像雷达一样直接给你角度。所以大多数工程落地都做成“双基站三角定位”或者“单标签+多锚点”的组合，我也是这么处理的，后面会详细讲。

1.2 系统架构分层，让每个模块各司其职

整套系统的设计我按照工业界惯用的“感知-决策-执行”三层来拆，这么做的好处是调试时可以单独定位问题到底出在哪个环节，不用每次抱着一坨代码和一堆线从头捋。

感知层负责两类信息：一是UWB基站读取到的目标距离数据，我用了两个接收端放在小车左右两侧，利用距离差换算出目标相对车体的角度；二是避障传感器群，我在车头装了三个超声波模块，覆盖左、中、右三个方向，保证低速前进时能及时发现障碍物。

决策层跑在单片机上，核心是两个逻辑：优先避障，其次跟随。也就是说，避障的优先级永远高于跟随指令，一旦超声波检测到近距离障碍物，无论目标往哪走，小车必须先减速或转向，这个策略后面在算法部分会细说。

执行层就是电机驱动加两个直流减速电机，通过差速转向实现前进、后退、左右转。整个链路看起来不复杂，但真正让系统稳定跑起来，关键在每层之间数据怎么同步、怎么处理延迟，这恰恰是很多教程不谈的东西。

2. 硬件选型与关键参数计算

2.1 主控、UWB模块、避障传感器怎么搭配

主控我选了STM32F103C8T6，也就是俗称的“蓝丸”核心板。选它不是因为性能多强，而是因为生态太成熟了，网上资料铺天盖地，遇到问题搜一下基本都有答案。UWB模块用的DWM1000，这是Decawave的经典方案，我买的是集成了天线的成品模块，省去了自己画射频电路的麻烦。通信距离空旷环境下大概能到三四十米，室内隔一堵墙也能稳住，足够跟随小车用了。

避障部分我同时用了超声波和激光ToF两种传感器做对比测试。超声波用的是HC-SR04，便宜、触发简单，但有个很要命的特性：它对斜面障碍物特别不敏感，如果障碍物是个倾斜的板子，声波反射到别处去了，它就可能完全测不到。所以后来我增加了VL53L0X激光测距模块，这是一颗很成熟的ToF传感器，测距范围虽短（两米左右），但胜在波束窄、不受颜色和表面材质影响。最终方案是超声波为主、激光ToF为辅，两个数据做交叉验证，有效降低了漏检率。

电机驱动用的TB6612FNG，比老掉牙的L298N效率高不少。供电方面，我给电机单独用了一块7.4V锂电池，主控和传感器则通过降压模块稳定在5V，这样电机启动时的大电流不会直接拉垮单片机的供电电压。

2.2 跟随角度解算，双基站距离差怎么用

这是整个系统里最值得琢磨的部分。单靠一个UWB基站，你只能知道目标离你多远，但不知道它在左边还是右边，所以我在车体左右两侧固定了两个接收基站，间距设为30厘米。目标身上带一个UWB标签，持续向外广播测距帧。

当目标正对着小车时，两个基站测出来的距离基本一样；当目标偏左时，左侧基站距离更近。利用这个距离差，加上两个基站之间的固定间距，就可以用几何关系估算出目标相对车体的偏转角度。

这里直接套一个近似公式就行。设两个基站间距为d，左右测距值分别是L1和L2，角度θ近似等于arcsin((L2-L1)/d)。实际使用中我不会让程序去跑完整的反正弦函数，而是做了一个查表加线性插值，既省了单片机算力，响应速度也更快。

角度出来之后，跟随控制的误差量就有了。我设定理想跟随距离为1.2米，角度误差控制在正负15度以内就算“跟得正”，超出这个范围就加强转向力度。

2.3 测距频率和移动速度的匹配关系

UWB模块的测距频率不能无脑调高。DWM1000支持的最大测距频率可以做到几十赫兹，但频率越高，功耗越大，而且模块的响应也可能不稳定。我在项目里把标签的广播频率设在了10Hz，也就是每100毫秒刷新一次距离值。

10Hz看起来不高，但配合小车的实际移动速度（我限制最大前进速度0.5米/秒）是够用的。简单算一下：每100毫秒小车最多前进5厘米，而UWB测距的静态误差就有正负10厘米，也就是说单次测距的误差已经大于两次测距间隔内的实际位移，再提高频率对控制精度的提升也不明显，反而徒增功耗。真正影响跟随稳定性的不是测距频率，而是控制算法的平滑处理，这部分我在后面会讲。

3. 跟随与避障的算法实现，核心逻辑从头捋

3.1 简单实用的位置闭环控制，PID怎么调

很多做UWB跟随的教程一上来就搬出复杂的卡尔曼滤波、粒子滤波，说实话，在单片机资源有限的情况下，这些算法不仅难调，还可能因为模型不准适得其反。我第一版就用了最经典的PID控制，实际效果已经足够稳。

具体做法是：把角度偏差作为P项的主要输入，偏差大就加大转弯速度；距离偏差作为另一个独立的P项，控制前进速度。比如目标距离大于1.2米就前进，小于1米就减速甚至后退，在1到1.2米之间基本维持匀速。

D项我加了一个较小的微分系数，用来抑制角度抖振。因为UWB测距即使静态也会有小幅波动，如果只靠P项，电机响应会跟着测距噪声一起抖，小车会表现得神经质。D项相当于给“速度变化”加了阻尼，实测下来能把车身的来回晃动抑制掉一大半。

I项在跟随场景里我直接设为零。原因很简单：这个系统没有长期的稳态误差需要消除，目标位置一直在变，积分项反而容易造成超调。如果以后做“定点停靠”类功能，那时候再考虑I项不迟。

3.2 避障优先级如何压过跟随指令

避障逻辑的优先级是我在设计时特别强调的一点。我的处理方法是加了一个“仲裁层”，每一控制周期先读超声波和激光传感器的数据，只要有一个传感器测到障碍物距离小于30厘米，就立即跳过跟随控制逻辑，进入避障逻辑。

避障逻辑本身不复杂：左侧障碍物近就往右转，右侧障碍物近就往左转，三个方向都近就原地停下。真正要注意的是避障和跟随之间的切换不能太生硬，不然小车会在脱离障碍物之后突然猛加速追目标。

我的做法是在避障动作结束之后加了一个“恢复计时器”。避障结束后至少300毫秒内，前进速度只允许恢复到原来速度的50%，然后慢慢爬升回正常值。这个小技巧让整个跟随过程平滑了很多，不会出现避障后突然窜出去撞到下一个障碍物的情况。

3.3 核心控制代码思路，伪代码级别的实现逻辑

我没有贴完整工程代码（太长），但把主循环的逻辑写成伪代码级别的流程，照着搭就行：

主循环（每50ms执行一次）： 读取UWB左右基站距离 L1, L2 计算目标角度 theta = 查表角度(L1, L2) 计算目标距离 dist = (L1 + L2) / 2 读取超声波避障距离 obs_left, obs_mid, obs_right 判断是否有障碍物触发（距离 < 30cm） 如果有障碍物： 执行避障转向动作（左转/右转/停车） 设置恢复计时器 = 300ms 否则： 如果恢复计时器 > 0: 限制最大前进速度为正常值的50% 递减恢复计时器 否则： 正常执行跟随控制 跟随控制： 角度误差 e_theta = theta - 目标角度(0度) 距离误差 e_dist = dist - 目标距离(1.2m) 转向速度 = Kp_theta * e_theta + Kd_theta * (e_theta - 上次e_theta) 前进速度 = Kp_dist * e_dist（带限幅 0 ~ 0.5m/s） 输出到电机驱动：左轮 = 前进速度 + 转向速度 右轮 = 前进速度 - 转向速度

这套逻辑实现起来大概四五百行代码就能跑通，关键在参数标定和不同场景下的调试。我调参是按“先调转向、再调速度、最后调平滑”的顺序来的，每次只动一个变量，这样可以避免参数之间互相干扰，出了问题也知道是哪个环节的锅。

4. 实车调试过程与踩坑实录

4.1 UWB天线位置和朝向，比想象中影响更大

我最开始把两个UWB接收基站直接平放在车体底盘上，天线朝上，结果测距数据一个劲儿地乱跳。后来翻模块的数据手册才意识到，DWM1000的板载天线辐射方向图并不是全向均匀的，天线面朝上时，水平方向正好处于辐射图的凹陷区域，信号质量和测距稳定性都差。

后来我把两个基站竖起来安装，天线面垂直于地面，并且尽量让两个天线之间的间距保持在同一水平线上，测距数据立刻稳定了不少。这个细节在项目后期排查问题时帮了大忙——如果你的UWB数据抖动得厉害，先检查天线朝向，比去调什么滤波器都管用。

还有一个经验是：两个接收基站不要挨得太近。我最初间距只留了10厘米，结果角度解算的分辨率特别低，目标稍微动一下角度就跳好几度。拉到30厘米之后，角度分辨率明显改善，跟随时的转向动作也细腻了很多。我按公式简单算过，基站间距太小的情况下，同样的距离测量误差换算出来的角度误差会被放大，所以30厘米大概是这个车型的一个经验底线。

4.2 常见问题速查表：这几类坑基本必踩

我在调试过程中整理了一份问题速查表，基本覆盖了常见翻车现场，直接照着排查能省下大量时间：

这里重点说一下滑动平均滤波。我最初用的是一个长度为5的滑动窗口，对角度数据做平均，效果很好，但响应延迟也随之增加。后来改成“加权滑动平均”，最新的数据权重最高，老数据权重递减，这样既压住了噪声，延迟也只多了一个周期左右，算是性价比很高的方案。

4.3 室内、室外、金属环境下的参数微调心得

不同的环境对UWB测距的影响差异很大，我在项目里做了几次对比测试。空旷室外环境下，多径干扰很小，测距数据最干净，跟随效果也最好，前提是天线朝向正确。

普通室内环境下，墙面反射会带来一定的多径干扰，尤其是靠近墙角时，测距偶尔会突然跳变一二十厘米。这种情况靠滤波基本能扛住，但要注意如果周围环境变化频繁（比如有人走动），还是需要预留一点“容错空间”，也就是关联性判断：如果某次测距值和上一帧差了超过30厘米，就直接忽略这一帧，防止控制量突变。

金属环境是最头疼的。UWB信号碰到大面积金属平面会产生反射，测距结果容易出现“飞点”。我在一个金属货架旁边测试过，测距值偶尔会突然变大几十厘米，这时候光靠滤波已经不够了。临时补救方案是把避障传感器的触发距离适当调大，靠避障来兜底；长期方案还是要做多基站冗余或者加数据融合，但这已经超出这个项目的范围了，算是我留给下一步的拓展方向。

4.4 跟随标签的信号丢失与找回策略

还有一类问题必须在设计阶段就想清楚：UWB信号偶尔会丢。标签电量低、目标走到墙角、或者模块正好处于天线辐射盲区，都会导致测距数据长时间不更新。

我是这样处理的：程序里维护一个“最后有效数据时间戳”，如果连续500毫秒没有收到新的距离数据，就判定为信号丢失。这时候小车不会傻乎乎地继续往前冲，而是先减速停车，原地等待1秒；如果还没恢复信号，就原地缓慢旋转搜索目标，直到重新锁定距离数据才恢复跟随。

这个策略实测下来很稳。有一次我带着标签从走廊拐进办公室，信号被墙体阻断，小车在走廊里停了半秒然后自动转了90度继续跟进来，整个过程没有撞墙，体验还是不错的。需要注意的是，旋转搜索的速度不能太快，否则即使收到数据也容易因为过冲而再次丢失，我最后把转速限制在每秒30度左右。

5. 项目效果复盘与后续可扩展方向

整套系统最终跑下来的效果，我已经比较满意了：在普通室内环境下，跟随响应距离误差能控制在正负20厘米以内，转弯跟随时不会把目标跟丢，遇到突然出现的纸箱、椅子也能及时减速避让。对于一套用成品模块加单片机搭起来的低成本方案来说，这个表现完全够用。

真要说还有什么不足，我觉得有两个点比较值得后续优化。第一是UWB测距偶尔出现的飞点问题，哪怕是加了关联性判断，在复杂金属环境里还是有漏网之鱼。后续可以考虑把IMU（惯性测量单元）的数据融合进来，用加速度和角速度做短时预测，对UWB的跳变做校验，能做掉很大一部分飞点。

第二是动态目标的跟踪模型。我现在用的是目标保持静止的测距假设，但实际跟随的人一直在走动，测距值本身就包含了目标运动的信息。如果后续引入简单的运动状态估计，比如卡尔曼滤波或者更轻量的平滑算法，那么目标突然加速、急停、拐弯这些场景都能处理得更细腻，小车动作也不会有明显的“反应慢半拍”的感觉。

从成本角度看，整套系统的物料成本控制在一千元以内，核心部件就是UWB模块和单片机，剩下的传感器和车体都是常见件。这个性价比对于产品原型验证、课程设计、甚至小批量定制设备来说，都是很有吸引力的。

我自己的体会是，UWB作为一个“测量距离的传感器”，配合合理的控制策略，能做出很多体验远超蓝牙方案的交互产品。但它不是万能的，必须搭配避障传感器、合理的系统架构和充分的场景测试，才能真正变成一个可靠的产品。这个项目做完之后，我对硬件系统的“模块化思维”有了更深的理解——每一个部件都像积木一样各司其职，但真正让它们协同工作的，永远是连接处的那一层设计思考。