文件内涵代码解释视频和作品演示视频，以及各种详细说明，使用STM32CUBEMX对STM32F103C8T6进行配置，K210与单片机进行串口通信，K210将识别到的黑色色块中心坐标发送单片机，将一帧数据传给单片机之后，单片机判断包头包尾，将有效数据存到变量中，并根据信息来循迹，小车的循迹通过左右轮差速实现，蓝牙实现对小车模式的控制，模式有循迹模式和遥控模式，避障功能在循迹中体现，当校车循迹过程中识别到黄色色块就进行避障程序，避障程序是写死的，详细内容可下载资源查看，B站传送门https://www.bilibili.com/video/BV1pL411X7nh/?spm_id_from=333.999.0.0

无迹卡尔曼滤波与扩展卡尔曼纳滤波的对比，程序可改，主要是针对扩展卡尔曼纳滤波与扩展卡尔曼滤波的预测性能做一个比较，程序可用，并且可以按照自己的函数进行更改

该实验是基于mini版stm32的智能小车红外循迹，速度用PWM控制，较为缓慢，可以很好地循迹。

本文介绍了一种基于51单片机的循迹避障小车的设计。该小车可以通过红外线传感器进行循迹，同时通过超声波传感器进行障碍物检测和避障。文中详细介绍了硬件设计和软件设计的实现过程，包括电路图设计、程序设计和测试结果。最终，该小车能够稳定地行驶在黑色轨迹上，并能够自动避开障碍物。该设计具有一定的实用性和推广价值。

arduino智能小车 一，所需元件 arduino nano一个（Uno太大，所以选择了体积较小的Nano） L298N电机驱动模块一个 直流减速电机两个 万向轮一个 亚克力板 轮胎两个 TCRT5000寻迹传感器四个 （速成可直接跳到三，连线部分） 二，元器件的详细介绍 （1）arduino nano 下面看一张Nano的图，比较生涩难懂，没关系，我也没搞懂。在本项目中只需要大家知道GDN(Ground)是接地的，3v3和5v是输出电压的（给Nano板通电及能用）。图中曲线的引脚（D3,D5,D6,D9,D10,D11）可进行PWM输出。（通俗的讲：这几个引脚可以输出低电压到高电压中间的任何一个值，而其他的引脚要么输出高电压，要么输出低电压） （2）L298N电机驱动模块 具体长这样（图来自tb）注意红色圈出的地方：写有ENA,IN1,IN2,IN3,IN4,ENB。ENA相当于EN1,EN2的总开关,ENB对应IN3,IN4的总开关。例：让ENA为高电平，IN1,IN2脚位给什么信号就是什么信号，若ENA为低电平，IN1，IN2无论给什么信号这两个脚位都是低电平。

资源里面包括视频和PPT，源代码认真参考PPT按照步骤足可以制作完成。

matlab建立汽车模型代码无味卡尔曼滤波器 写上去 优达学城课程，2017 年 10 月 自动驾驶汽车工程师纳米学位课程 “无味卡尔曼滤波器”项目，2018 年 3 月 克劳斯·H·拉斯穆森 使用 CTRV 运动模型在 C++ 中实现无迹卡尔曼滤波器。 两个自行车模拟数据集，数据集 1 和数据集 2（Ascii 文本文件），与 Term 2 Simulator 一起使用。 与扩展卡尔曼滤波器 (EKF) 一样，无迹卡尔曼滤波器 (UKF) 具有相同的三个步骤： 初始化 预言 更新 这些步骤编码在 ukf.cpp 文件中。 本项目使用了以下初始化参数： 初始状态协方差矩阵P_ = 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1 过程噪声标准偏差纵向加速度，单位为 m/s^2 std_a_ = 5 过程噪声标准偏差偏航加速度 rad/s^2 std_yawdd_ = 0.4 通过将预测的 UKF 值与测试数据集提供的 Ground True 值进行比较，计算位置 X & Y 和速度 VX

文中介绍了一种基于FPGA的智能小车设计方案，系统采用FPGA产生的PWM波调控小车速度，红外线传感器TCRT5000检测路面上的黑色轨迹，并将检测到的信号反馈给控制芯片FPGA，FPGA由采集到的信号发出指令，控制小车电机驱动电路以调整行驶方向，从而使小车能够沿着黑色轨迹自动行驶，同时利用了超声波模块实时的检测前边的障碍物，实现了小车的避障循迹功能。

51五路循迹小车,自己写的代码有什么问题的话可以提出来,经过测试是有效的.适合于四轮小车,采用stc89c52芯片

基于51单片机的智能寻迹小车毕业论文.doc