简介：这份资料面向乐高EV3教育与机器人编程入门者，围绕RobotC环境下的巡线小车项目，讲解如何用C语言控制小车沿黑线行走。内容以标准实验报告形式组织，涵盖电机转速与差速转向控制、触碰传感器与光电传感器的初始化及读值、while循环与wait1Msec延时结构，并延伸至超声波测距和电机角度精确控制，帮助读者理解传感器原理并完成从代码编写到调试的完整实践。资源包共1个PDF文件，约756KB，为实验报告文档，适合对照学习与课堂实验参考。目前已有578人学习。通过这份报告，读者可掌握motor[]、SensorValue等核心API的用法，理解阈值判断与巡线摇摆逻辑，并借助差速转向、传感器实例代码积累机器人控制与问题排查经验，适合作为团队与系统项目课程的配套实践材料。
1. 乐高Robotc巡线小车（C语言）：从“能跑”到“跑得稳”的分水岭
很多人第一次把乐高Robotc巡线小车（C语言）搭起来，通电后看到它歪歪扭扭追着黑线跑，第一反应是“成了”。但真正下过赛道的人都知道，能跑和跑得稳之间隔着一整套控制逻辑。我见过太多车在直道飞快、一进弯就冲出赛道，或者光线稍变就原地打转。问题几乎都不在机械结构，而在C语言里那几个阈值和判断条件。这套方案适合两类人：一是刚接触Robotc、想用C语言把巡线逻辑写扎实的新手；二是已经能跑但总在比赛里翻车的熟手。接下来我会把传感器标定、阈值计算、循迹控制到参数整定的完整路径拆开讲，每一步都给出可复现的代码和参数含义，让你不只是“抄一份能跑的代码”，而是知道每个数字为什么这么设。
2. 巡线小车的感知层：传感器布局与阈值标定
2.1 单传感器、双传感器与三传感器的选型逻辑
巡线小车的核心是感知黑线位置。常见做法是用乐高颜色传感器或光电传感器朝下安装，根据反射光强度区分黑线与浅色地面。单传感器方案最简单：传感器压在黑线上时读到一个低值，偏离时读到高值，程序只做“左转/右转”二值判断。这种方案能跑，但抖动大，因为没有任何中间状态，车会像醉汉一样左右摆。双传感器方案把两个传感器分列黑线两侧，正常时都读到浅色地面，一侧压线时对应电机减速，逻辑比单传感器稳，但对宽黑线或急弯仍然吃力。三传感器方案是我最推荐的入门配置：左、中、右三个传感器并排，中间对准黑线，左右负责提前感知弯道方向。它的好处是能区分“轻微偏移”和“严重偏移”，给控制算法留出分级响应的空间。选型时不要盲目堆传感器数量，先确认你的赛道黑线宽度和最小弯道半径，一般黑线宽度在15到25毫米时，三个传感器间距取10到15毫米比较合适。
2.2 用C语言做原始值采集与归一化
Robotc里读传感器原始值很简单，但原始值受环境光、地面材质、传感器高度影响极大，直接拿原始值设阈值是血泪经验的开始。正确做法是先采集“全白”和“全黑”两组基准值，再做归一化。下面这段代码把三个传感器的原始读数映射到0到100的区间，0代表最黑，100代表最白。
// 传感器归一化：将原始读数映射到0-100 // rawWhite[i] 为第i个传感器在白地上的原始读数 // rawBlack[i] 为第i个传感器在黑线上的原始读数 int normalizeSensor(int rawValue, int rawWhite, int rawBlack) { // 防止除零，黑值必须小于白值 if (rawWhite <= rawBlack) return 50; int normalized = (rawValue - rawBlack) * 100 / (rawWhite - rawBlack); // 限幅到0-100 if (normalized < 0) normalized = 0; if (normalized > 100) normalized = 100; return normalized; } // 采集基准值的辅助函数 void calibrateSensors(int rawWhite[3], int rawBlack[3]) { // 将小车分别置于全白区域和黑线上，各读取多次取平均 for (int i = 0; i < 3; i++) { int sumWhite = 0, sumBlack = 0; for (int j = 0; j < 10; j++) { sumWhite += SensorValue[i]; wait1Msec(20); } rawWhite[i] = sumWhite / 10; // 黑线采集同理，此处省略重复结构 } }这段代码的关键在rawWhite和rawBlack的采集质量。我一般会让车静止在全白区域读10次取平均，再静止在黑线上读10次取平均，两次采集之间不要移动传感器高度。归一化之后，阈值就不再是“玄学数字”，而是有明确物理含义的分界点。比如你可以规定归一化值大于60算白地，小于40算黑线，40到60之间算过渡区。这样换场地、换光线时，只需要重新跑一次标定，不用改控制逻辑。
2.3 阈值不是拍脑袋：用串口数据找分界点
很多新手直接设if (SensorValue[0] < 50)，结果换一块场地就翻车。正确做法是把归一化后的值实时打印到Robotc的调试窗口或串口，手动把车放在黑线边缘、黑线中心、白地中心，观察三组数值的分布。下面是一个简单的调试输出片段：
// 调试模式：每100毫秒输出三个传感器的归一化值 task debugOutput() { while (true) { int n0 = normalizeSensor(SensorValue[leftSensor], rawWhite[0], rawBlack[0]); int n1 = normalizeSensor(SensorValue[midSensor], rawWhite[1], rawBlack[1]); int n2 = normalizeSensor(SensorValue[rightSensor], rawWhite[2], rawBlack[2]); writeDebugStreamLine("L:%d M:%d R:%d", n0, n1, n2); wait1Msec(100); } }观察数据时重点看两个指标：一是黑线中心时中间传感器的归一化值是否稳定低于30，二是白地时三个传感器是否都高于70。如果中间传感器在黑线上只有50左右，说明传感器高度太高或黑线不够黑，需要降低传感器高度或增加补光。如果左右传感器在白地上读数波动超过15，说明环境光干扰大，可以考虑加遮光罩。这些调整比改代码更有效，但很多人一上来就调代码，方向就错了。
3. 控制层实现：从二值判断到比例巡线
3.1 二值巡线的C语言实现与它的天花板
二值巡线是最容易上手的方案：中间传感器压黑线就直行，左传感器压黑线就左转，右传感器压黑线就右转。代码结构如下：
// 二值巡线：根据传感器状态直接设定电机功率 void binaryLineFollow() { int leftVal = normalizeSensor(SensorValue[leftSensor], rawWhite[0], rawBlack[0]); int midVal = normalizeSensor(SensorValue[midSensor], rawWhite[1], rawBlack[1]); int rightVal = normalizeSensor(SensorValue[rightSensor], rawWhite[2], rawBlack[2]); int blackThreshold = 40; // 归一化值低于40视为黑线 if (midVal < blackThreshold) { // 中间压线，直行 motor[leftMotor] = 60; motor[rightMotor] = 60; } else if (leftVal < blackThreshold) { // 左侧压线，左转 motor[leftMotor] = 20; motor[rightMotor] = 60; } else if (rightVal < blackThreshold) { // 右侧压线，右转 motor[leftMotor] = 60; motor[rightMotor] = 20; } else { // 丢失黑线，保持上一次动作或停车 motor[leftMotor] = 0; motor[rightMotor] = 0; } }这段代码能跑，但天花板很低。问题在于电机功率只有“直行”“左转”“右转”三个档位，车在直道上会不断左右修正，速度越快摆动越剧烈。更致命的是当三个传感器都没检测到黑线时，程序直接停车，而实际赛道过弯时经常出现短暂丢线，一停就再也追不回来。我早期用这套逻辑跑赛道，直道速度只能压到40左右，再快就冲出弯道。
3.2 比例巡线：用偏差值代替开关量
比例巡线的核心思想是把“黑线位置”变成一个连续偏差值，再用这个偏差乘以比例系数去调整左右电机功率差。三传感器方案里，偏差值可以这样定义：左传感器压线时偏差为负，右传感器压线时偏差为正，中间压线时偏差为零。更精细的做法是用归一化值加权计算：
// 计算偏差值：负值偏左，正值偏右 // 权重可根据传感器间距调整 float computeError() { int n0 = normalizeSensor(SensorValue[leftSensor], rawWhite[0], rawBlack[0]); int n1 = normalizeSensor(SensorValue[midSensor], rawWhite[1], rawBlack[1]); int n2 = normalizeSensor(SensorValue[rightSensor], rawWhite[2], rawBlack[2]); // 将归一化值转为“黑度”：值越大越黑 int blackness0 = 100 - n0; int blackness1 = 100 - n1; int blackness2 = 100 - n2; // 加权求和，权重分别为-1、0、1 float error = (blackness2 * 1.0 - blackness0 * 1.0) / 100.0; return error; } // 比例巡线主循环 void proportionalLineFollow(float kp) { float error = computeError(); int baseSpeed = 60; // 基础速度 int correction = (int)(kp * error * 100); // 比例修正量 // 限制修正量幅度，防止电机值溢出 if (correction > 80) correction = 80; if (correction < -80) correction = -80; motor[leftMotor] = baseSpeed + correction; motor[rightMotor] = baseSpeed - correction; }这段代码里kp是比例系数，它决定车对偏差的响应强度。kp太小，车反应迟钝，过弯时修正不够；kp太大，车会在直道上高频摆动，像抽搐一样。我一般从kp = 0.5开始试，如果直道摆动明显就降到0.3，如果弯道跟不上就加到0.8。注意correction要限幅，否则当偏差很大时电机值可能超过100或低于-100，Robotc里电机值超出范围会被截断，导致实际控制效果和预期不符。
3.3 积分与微分项：什么时候加、加多少
比例巡线在大多数赛道上已经够用，但遇到两种场景会吃力：一是长直道后接急弯，比例项来不及响应；二是赛道有轻微坡度导致车偏向一侧，比例项无法消除稳态误差。这时候可以引入积分项和微分项，组成PID控制。积分项对历史偏差累加，能消除稳态误差；微分项对偏差变化率响应，能提前抑制超调。但PID不是万能药，参数整定不好反而让车更不稳定。我的建议是先把比例项调好，确认直道不摆、弯道能过，再考虑加微分项。积分项在巡线里要慎用，因为巡线偏差经常突变，积分累加容易饱和。下面是一个带微分项的简化实现：
// 带微分项的巡线控制 float lastError = 0; void pidLineFollow(float kp, float kd) { float error = computeError(); float derivative = error - lastError; lastError = error; int baseSpeed = 60; int correction = (int)((kp * error + kd * derivative) * 100); if (correction > 80) correction = 80; if (correction < -80) correction = -80; motor[leftMotor] = baseSpeed + correction; motor[rightMotor] = baseSpeed - correction; }kd的作用是“预判”：当偏差正在快速增大时，微分项提前给出反向修正，相当于给车加了阻尼。kd一般取kp的5到10倍，比如kp=0.5时kd从2.5开始试。如果车在弯道入口出现明显过冲再回正，说明kd不够；如果车在直道上对微小偏差过度敏感，说明kd太大。注意lastError要在每次循环更新，且循环周期要稳定，否则微分项计算出来的变化率没有意义。
4. 避坑与排查：巡线小车最常见的五个翻车现场
4.1 现象：直道跑得好好的，一进弯就冲出去
原因通常是比例系数太小或基础速度太高。比例系数小，偏差出现后修正量不够，车还没来得及转过来就已经冲出赛道；基础速度高，留给修正的时间窗口更短。解决方法是先把基础速度降到40，确认弯道能过之后再逐步提速，同时按每次0.1的幅度增加kp，直到直道开始出现轻微摆动再回调一点。这个“临界摆动点”就是当前赛道和当前车况下的最优比例系数。
4.2 现象：车在赛道上左右高频摆动，像发抖
这是比例系数过大的典型表现。车每次修正都过头，然后反向修正又过头，形成振荡。除了降低kp，还要检查传感器归一化值是否噪声太大。如果归一化值在车静止时就有±10的波动，比例项会把噪声放大成电机抖动。解决办法是在归一化之后加一个低通滤波，比如取最近三次读数的平均值：
// 简单滑动平均滤波 int filterSensor(int newVal, int history[3]) { history[0] = history[1]; history[1] = history[2]; history[2] = newVal; return (history[0] + history[1] + history[2]) / 3; }滤波会引入少量延迟，但能显著降低电机抖动。如果滤波后仍然摆动，再降kp。
4.3 现象：换一块场地或换一个时间段，车就不听话了
这是阈值没有自适应能力的表现。环境光变化会直接改变传感器原始读数，如果程序里写死阈值，换场地必然翻车。解决办法有两个：一是每次发车前重新跑一遍标定，把rawWhite和rawBlack更新；二是用动态阈值，比如取当前三个传感器读数的最大值和最小值的中点作为阈值。动态阈值在赛道黑白对比明显时效果很好，但在全白区域或全黑区域会失效，所以更稳妥的做法还是发车前标定。
4.4 现象：过弯时车突然停一下再走
这通常是丢线保护逻辑过于激进。二值巡线里“三个传感器都没检测到黑线就停车”在直道上没问题，但过弯时车头转向瞬间，中间传感器可能短暂离开黑线，如果此时左右传感器也没压线，程序就误判为丢线。解决办法是加一个“丢线保持”计时器：检测到丢线后不立即停车，而是保持上一次的电机输出一段时间（比如200毫秒），如果超时仍未找回黑线再停车。这段保持时间要根据赛道最大弯道宽度来调，太短会误停，太长会冲出赛道。
4.5 现象：电机响应不对称，左转和右转幅度不一样
这是机械和电气差异导致的。两个电机即使型号相同，摩擦力、齿轮间隙、电池供电也可能不同。如果程序里左右电机用相同的修正量，实际转向幅度会不对称。解决办法是在代码里加一个左右平衡系数：
// 左右电机平衡补偿 float leftBias = 1.0; // 左电机补偿系数 float rightBias = 1.0; // 右电机补偿系数 motor[leftMotor] = (int)((baseSpeed + correction) * leftBias); motor[rightMotor] = (int)((baseSpeed - correction) * rightBias);调试时让车走直线，如果向左偏就减小leftBias或增大rightBias，每次调0.05，直到直道能走正。这个补偿值一旦确定，不要频繁改动，否则会干扰巡线参数的整定。
5. 进阶技巧：用状态机让巡线小车学会“看路”
前面讲的都是连续控制，但实际赛道不只有弯道，还有十字路口、断线、终点线。如果只用比例巡线，车遇到十字路口会直接冲过去，遇到断线会停车。更成熟的做法是用状态机管理不同路况。我一般把巡线状态分为三类：正常巡线、路口处理、丢线找回。正常巡线跑比例控制；当三个传感器同时检测到黑线时进入路口处理状态，根据预设动作直行通过或转弯；当所有传感器都检测不到黑线时进入丢线找回状态，用最后一次有效偏差方向原地旋转搜索。下面是一个状态机骨架：
// 巡线状态机 typedef enum { STATE_FOLLOW, STATE_INTERSECTION, STATE_LOST } LineState; LineState currentState = STATE_FOLLOW; void lineFollowStateMachine() { int n0 = normalizeSensor(SensorValue[leftSensor], rawWhite[0], rawBlack[0]); int n1 = normalizeSensor(SensorValue[midSensor], rawWhite[1], rawBlack[1]); int n2 = normalizeSensor(SensorValue[rightSensor], rawWhite[2], rawBlack[2]); int blackThreshold = 40; switch (currentState) { case STATE_FOLLOW: if (n0 < blackThreshold && n1 < blackThreshold && n2 < blackThreshold) { currentState = STATE_INTERSECTION; } else if (n0 > 70 && n1 > 70 && n2 > 70) { currentState = STATE_LOST; } else { proportionalLineFollow(0.5); } break; case STATE_INTERSECTION: // 路口动作：直行通过，持续300毫秒 motor[leftMotor] = 50; motor[rightMotor] = 50; wait1Msec(300); currentState = STATE_FOLLOW; break; case STATE_LOST: // 丢线找回：原地旋转，方向由最后一次偏差决定 motor[leftMotor] = -30; motor[rightMotor] = 30; wait1Msec(200); currentState = STATE_FOLLOW; break; } }这个状态机的关键在状态切换条件。STATE_FOLLOW到STATE_INTERSECTION的切换条件是三个传感器同时压黑线，这要求传感器间距小于黑线宽度，否则十字路口的黑线可能只覆盖两个传感器。STATE_LOST的旋转方向最好根据丢线前的偏差方向决定，而不是固定方向，否则车可能越转越远。另外每个状态里的wait1Msec会阻塞主循环，如果主循环里还有其他任务（比如调试输出），要考虑用非阻塞的计时方式替代。
验证状态机是否可靠，我一般用“分段测试法”：先只测正常巡线，确认直道和弯道都稳；再在赛道上贴一段十字黑线，只测路口处理；最后用白纸盖住一段黑线模拟断线，只测丢线找回。三段都通过后再连起来跑全程。这样排查问题时能快速定位是哪个状态出了问题，而不是面对一个“整体跑不好”的黑匣子。
最后说一个我自己的习惯：每次改完参数，不要只跑一圈就下结论。同一组参数至少跑五圈，记录每圈冲出赛道的次数和位置。如果五圈里有三圈在同一位置出问题，那是赛道特征导致的，需要针对性调参；如果五圈问题位置都不同，那是参数整体偏激进，需要降速或降kp。巡线小车的调试没有后悔药，但有数据就能少走弯路。希望帮到你。
本文还有配套的精品资源，点击获取
