Arduino视觉机器人实战：从硬件选型到颜色追踪算法全解析

1. 项目概述当Arduino“睁开”了眼睛如果你玩过Arduino大概率是从点亮一个LED、驱动一个舵机或者做个循迹小车开始的。这些项目有趣但总感觉少了点什么——机器与物理世界最直接的交互其实是“看”。我们一直在用超声波测距、红外避障来模拟“视觉”但那更像是触觉和听觉的延伸。今天要聊的就是给Arduino这个经典的微控制器平台真正装上“眼睛”让它能像我们一样识别物体、追踪颜色、甚至读懂简单的指令这就是所谓的“Arduino视觉机器人”。这听起来可能有点高大上仿佛需要昂贵的工业相机和复杂的算法。但恰恰相反它的核心魅力在于“平民化”。我们借助一些价格亲民的摄像头模块比如OV7670、OV2640或者更易用的ESP32-CAM结合经过优化的轻量级算法库让一块Arduino Uno级别的板子也能处理图像信息。这不是要处理4K视频流而是在几十KB的内存限制下实现一些非常实用的功能比如让小车自动追踪一个红色的球让机械臂分拣不同颜色的积木或者做一个能识别简单手势的交互装置。我之所以称其为“第一款真正的”是因为它跳出了传统传感器模拟感知的范畴进入了基于像素分析的图像理解领域。这不仅仅是技术的升级更是项目创意维度的拓展。你会发现当机器人能“看见”整个项目的智能感和实用性会呈指数级增长。无论是学生用于学习机器视觉入门还是创客想为自己的项目增加一个炫酷的交互维度Arduino视觉机器人都是一个绝佳的起点。它用最低的成本和门槛揭开了计算机视觉那层神秘的面纱。2. 核心硬件选型与架构设计2.1 视觉核心摄像头模块怎么选给Arduino加上眼睛第一步就是挑选合适的“眼球”。市面上常见的摄像头模块主要分两类带FIFO缓存的并口摄像头和自带处理器的串口摄像头。并口摄像头如OV7670这是最经典、最底层的选择。它通过并行的数据线D0-D7直接将原始图像数据通常是RGB565或YUV格式输出给微控制器。优点是价格极其低廉功耗低你可以完全掌控图像数据流。但缺点也非常明显它需要占用大量的I/O口通常需要8个数据引脚加上VSYNC、HREF、PCLK等控制引脚并且将原始图像数据处理成有用信息的计算负担完全落在了Arduino上。以Arduino Uno的16MHz主频和2KB RAM来看直接处理QVGA320x240图像几乎是不可能的通常需要将分辨率降到QQVGA160x120甚至更低并且只能进行非常简单的、基于阈值的颜色识别。串口摄像头如ESP32-CAM、OpenMV Cam这类模块是更明智的选择尤其是对于Arduino视觉机器人项目。它们内部集成了更强大的处理器如ESP32-S3、STM32H7摄像头只是其传感器之一。模块本身完成了图像的采集、压缩JPEG甚至初步的AI推理然后通过UART串口以“封装好的结果”形式发送给Arduino。例如ESP32-CAM可以运行一个人脸检测算法检测到人脸后只需要通过串口发送一个简单的指令“FACE_DETECTED, X:120, Y:80”给Arduino。这样一来Arduino只需要解析这个简单的指令然后控制电机或舵机做出反应即可计算压力几乎为零。实操心得对于绝大多数Arduino视觉机器人项目强烈推荐从ESP32-CAM开始。它的性价比极高集成了Wi-Fi和蓝牙自带强大的双核处理器能够运行较为复杂的视觉算法。你可以用Arduino IDE轻松为其编程让它专注于“看”和“想”而让另一块Arduino板如Uno或Nano专注于“动”控制电机、舵机等。这种主从架构能最大化发挥各自优势。2.2 控制核心Arduino板子的角色定位在视觉机器人系统中Arduino板子的角色发生了转变。它从一个“全能计算中心”变成了一个“专注的执行与协调中心”。方案一Arduino作为唯一主控仅适用于极简视觉任务。如果你坚持使用OV7670这类并口摄像头并且只做比如单色块追踪在纯色背景下追踪一个红色物体那么一块Arduino Mega拥有更多I/O和RAM或许可以勉强胜任。你需要使用像Arduino-Video这样的库并大幅降低帧率和分辨率。这个过程充满了挑战主要是与内存不足和速度瓶颈作斗争适合纯粹为了学习底层图像处理原理的极客。方案二Arduino作为执行器控制器推荐架构。这是更主流、更实用的方案。视觉处理任务交给专用的视觉模块如ESP32-CAM该模块通过串口UART与Arduino通信。Arduino只负责接收诸如“目标在左”、“目标在右”、“发现目标”这样的高层指令然后将其转化为具体的电机PWM信号、舵机角度等。这种架构清晰、稳定且易于扩展。你可以用一块Arduino Uno控制一个四轮小车底盘同时接收来自ESP32-CAM的追踪指令。2.3 动力与机械结构选型视觉是大脑动力和机械结构是四肢。这部分的选择取决于你的机器人形态。移动平台最常见的是双轮差速小车。你需要两个带减速箱的直流电机TT马达即可、一个电机驱动模块如L298N或TB6612FNG以及供电电池。TB6612FNG比L298N效率更高发热更小是更优的选择。如果要做更灵活的移动可以考虑麦克纳姆轮但需要四个电机和更复杂的控制算法。机械臂或云台如果需要视觉来引导机械臂抓取或者控制摄像头云台追踪目标舵机是关键。选择扭矩合适的舵机如MG996R用于机械臂关节SG90用于云台并注意供电的独立性避免因舵机启动瞬间的大电流导致Arduino或视觉模块复位。电源管理这是视觉机器人稳定运行的生命线。务必为数字逻辑部分Arduino、摄像头模块和动力部分电机、舵机提供独立的电源。电机和舵机必须由大容量电池如18650锂电池组通过驱动模块直接供电而数字部分可以通过稳压模块如LM2596从总电源降压后获得纯净的5V或3.3V。电机和舵机的地线GND最终需要与Arduino的GND连接在一起以确保共地参考。3. 软件生态与关键算法解析3.1 开发环境与核心库Arduino视觉机器人的软件开发很大程度上取决于你选择的视觉模块。对于ESP32-CAM你完全可以在Arduino IDE中进行开发。需要安装ESP32开发板支持包。核心的视觉库是ESP32 Camera和Arduino_OV2640等它们提供了摄像头初始化和图像捕获的基础API。更重要的是你可以利用ESP32强大的处理能力集成一些现成的轻量级算法库。例如使用TensorFlow Lite Micro来运行预训练好的微型模型如人脸检测、物体分类或者使用OpenCV的esp32移植版进行一些传统的图像处理如颜色空间转换、边缘检测。在Arduino IDE中你可以通过库管理器方便地添加这些库。对于纯Arduino并口摄像头你将主要依赖Arduino-Video或OV7670等底层库。编程模式是中断驱动的你需要配置摄像头输出引脚在垂直同步VSYNC和水平参考HREF中断中读取像素数据并将其填充到一个预先分配好的图像缓冲区中。这个过程对时序要求极其苛刻代码调试难度较大。通常我们只能在这个缓冲区上进行最简单的像素级操作比如遍历所有像素找出RGB值在某个特定范围内的像素点并计算它们的中心坐标。3.2 从像素到指令核心视觉算法流程无论底层多复杂从摄像头到机器人动作的算法流程可以抽象为以下几个步骤图像采集与预处理摄像头捕获一帧图像。对于ESP32-CAM通常直接获取JPEG压缩图或RGB565数组。预处理可能包括调整大小缩小以加快处理速度、转换为更易处理的颜色空间如从RGB到HSV。HSV颜色空间色相、饱和度、明度在颜色识别中远比RGB更稳定因为它能将颜色信息与光照亮度分离开。目标检测与识别这是核心步骤。对于颜色追踪算法是“阈值化连通域分析”。阈值化遍历图像每个像素判断其HSV值是否在目标颜色范围内例如红色对应的H值范围。在范围内的像素设为白色255不在范围内的设为黑色0得到一张二值化图像。连通域分析在这张黑白图像上找出所有连通的白色像素块即可能是目标物体。计算每个连通域的面积、外接矩形中心坐标等。通常我们会过滤掉面积太小的噪声点选择面积最大的那个连通域作为主要目标。数据滤波与决策直接使用单帧检测到的目标坐标来控制机器人会导致动作抖动剧烈。必须加入滤波算法。最常用的是一阶低通滤波或移动平均滤波。例如平滑后X坐标 旧坐标 * 0.7 新检测坐标 * 0.3。这样能平滑掉坐标的突变让机器人的运动更柔和。基于平滑后的坐标我们可以制定决策逻辑如果目标中心X坐标小于图像中心X坐标-阈值则命令机器人左转反之则右转如果目标面积大于某个值则命令机器人前进或后退。通信与指令下发视觉处理模块将决策结果如TURN_LEFT,TURN_RIGHT,FORWARD,STOP通过串口以特定的协议格式发送给Arduino执行器。协议要简单明确例如可以定义“X:125,Y:80,A:500\n”表示目标中心在(125,80)面积为500像素。Arduino端只需要解析这个字符串提取出数字然后根据规则生成控制指令。3.3 进阶从颜色识别到特征识别颜色追踪虽然实用但受环境光影响大。我们可以利用ESP32-CAM更强的算力做一些进阶尝试人脸检测与追踪使用预训练的Haar级联分类器或轻量级深度学习模型如MobileNet SSD。ESP32-CAM可以运行这些模型检测出人脸在画面中的位置框然后机器人可以追踪这个框的中心。这比颜色追踪稳定得多。AprilTag/QR码识别这些是人工设计的视觉基准标记。识别它们可以获得非常精确的位姿信息不仅知道在哪还知道距离和角度。这对于机器人导航、精准抓取非常有价值。有专门的库如AprilTagfor ESP32可以实现。简单物体的深度学习分类使用TensorFlow Lite Micro训练一个能区分“苹果”、“香蕉”、“橙子”的微型模型部署到ESP32-CAM上。这样你的机器人就具备了基础的物体识别能力。注意事项在资源受限的嵌入式设备上运行AI模型首要考虑的是模型大小和复杂度。务必对模型进行量化将浮点权重转换为8位整数并利用硬件加速如果支持。通常我们需要在PC上使用TensorFlow或PyTorch训练和优化模型然后转换为TFLite格式最后部署到设备上。4. 实战构建一个颜色追踪机器人4.1 硬件连接清单与步骤让我们以“ESP32-CAM Arduino Uno 双轮小车底盘”的方案构建一个追踪红色小球的机器人。材料清单ESP32-CAM模块带OV2640摄像头 x1Arduino Uno R3 x1TT减速电机带轮子 x2电机驱动模块TB6612FNG x1小车底盘、万向轮、电池盒等结构件18650锂电池2节带电池盒 x1LM2596降压模块 x1杜邦线若干连接步骤动力系统将两节18650锂电池串联约7.4V接入TB6612FNG的VM电机电源引脚。将TB6612FNG的VCC逻辑电源和GND连接到Arduino Uno的5V和GND。将两个电机的线分别接到TB6612FNG的A01/A02和B01/B02输出端。将TB6612FNG的控制引脚AIN1, AIN2, PWMA连接到Arduino的4, 5, 6号数字引脚控制左侧电机BIN1, BIN2, PWMB连接到7, 8, 9号引脚控制右侧电机。STBY接高电平如5V。视觉与控制系统ESP32-CAM供电使用LM2596模块将锂电池电压7.4V降压至稳定的5V为ESP32-CAM的5V引脚供电。切勿直接接锂电池电压会烧毁模块通信连接将ESP32-CAM的TX引脚连接到Arduino Uno的RX引脚0RX连接到Arduino的TX引脚1。注意这占用了Uno的硬件串口下载程序时需要暂时断开这两根线。共地将ESP32-CAM的GND、LM2596的GND、TB6612FNG的GND以及Arduino的GND全部连接在一起。Arduino供电可以通过USB线单独供电或者从LM2596的5V输出再分一路给Arduino的VIN引脚需确保电压在7-12V之间或通过稳压模块给5V引脚供电需谨慎。稳妥起见初次调试可先用USB供电。4.2 ESP32-CAM端程序视觉处理与决策在Arduino IDE中选择ESP32-CAM开发板如AI Thinker ESP32-CAM并安装必要的库。#include “esp_camera.h” #include “Arduino.h” // 摄像头引脚定义根据ESP32-CAM模组 #define PWDN_GPIO_NUM 32 #define RESET_GPIO_NUM -1 #define XCLK_GPIO_NUM 0 #define SIOD_GPIO_NUM 26 #define SIOC_GPIO_NUM 27 #define Y9_GPIO_NUM 35 #define Y8_GPIO_NUM 34 #define Y7_GPIO_NUM 39 #define Y6_GPIO_NUM 36 #define Y5_GPIO_NUM 21 #define Y4_GPIO_NUM 19 #define Y3_GPIO_NUM 18 #define Y2_GPIO_NUM 5 #define VSYNC_GPIO_NUM 25 #define HREF_GPIO_NUM 23 #define PCLK_GPIO_NUM 22 // 图像与追踪参数 const int IMAGE_WIDTH 160; // QQVGA宽度 const int IMAGE_HEIGHT 120; // QQVGA高度 const int CENTER_X IMAGE_WIDTH / 2; const int CENTER_Y IMAGE_HEIGHT / 2; const int COLOR_THRESHOLD 20; // 中心点偏移阈值 // 红色在HSV空间的范围需要根据实际环境校准 const int H_MIN 0; const int H_MAX 10; const int S_MIN 100; const int S_MAX 255; const int V_MIN 50; const int V_MAX 255; void setup() { Serial.begin(115200); // 与Arduino通信的串口 Serial2.begin(115200); // 可用于调试输出接USB转TTL // 初始化摄像头 camera_config_t config; config.ledc_channel LEDC_CHANNEL_0; config.ledc_timer LEDC_TIMER_0; config.pin_d0 Y2_GPIO_NUM; config.pin_d1 Y3_GPIO_NUM; config.pin_d2 Y4_GPIO_NUM; config.pin_d3 Y5_GPIO_NUM; config.pin_d4 Y6_GPIO_NUM; config.pin_d5 Y7_GPIO_NUM; config.pin_d6 Y8_GPIO_NUM; config.pin_d7 Y9_GPIO_NUM; config.pin_xclk XCLK_GPIO_NUM; config.pin_pclk PCLK_GPIO_NUM; config.pin_vsync VSYNC_GPIO_NUM; config.pin_href HREF_GPIO_NUM; config.pin_sscb_sda SIOD_GPIO_NUM; config.pin_sscb_scl SIOC_GPIO_NUM; config.pin_pwdn PWDN_GPIO_NUM; config.pin_reset RESET_GPIO_NUM; config.xclk_freq_hz 20000000; config.pixel_format PIXFORMAT_RGB565; // 获取RGB565格式图像 config.frame_size FRAMESIZE_QQVGA; // 160x120分辨率 config.jpeg_quality 12; config.fb_count 1; esp_err_t err esp_camera_init(config); if (err ! ESP_OK) { Serial2.println(“摄像头初始化失败”); return; } } void loop() { // 获取一帧图像 camera_fb_t * fb esp_camera_fb_get(); if (!fb) { Serial2.println(“获取图像失败”); return; } // 简单的颜色追踪算法示例找红色 int targetX -1; int targetY -1; int targetArea 0; long sumX 0, sumY 0; int count 0; // 遍历图像像素 (RGB565格式每个像素2字节) uint16_t *buf (uint16_t *)fb-buf; for (int y 0; y IMAGE_HEIGHT; y) { for (int x 0; x IMAGE_WIDTH; x) { uint16_t pixel buf[y * IMAGE_WIDTH x]; // 从RGB565提取R、G、B分量近似 int r (pixel 11) 0x1F; int g (pixel 5) 0x3F; int b pixel 0x1F; // 转换为8位值近似 r r * 255 / 31; g g * 255 / 63; b b * 255 / 31; // 简易RGB到HSV转换此处为简化实际项目建议使用查找表或HSV库 // 这里仅用R和G做粗略的红色判断 if (r 150 g 100 b 100) { // 粗略的红色判断 sumX x; sumY y; count; } } } if (count 50) { // 过滤噪声面积阈值 targetX sumX / count; targetY sumY / count; targetArea count; } // 决策逻辑 char command ‘S’; // 默认停止 if (targetX ! -1) { if (targetX CENTER_X - COLOR_THRESHOLD) { command ‘L’; // 目标在左左转 } else if (targetX CENTER_X COLOR_THRESHOLD) { command ‘R’; // 目标在右右转 } else { if (targetArea 800) { // 目标面积小前进靠近 command ‘F’; } else if (targetArea 2000) { // 目标面积大后退远离 command ‘B’; } else { command ‘S’; // 面积适中停止 } } // 发送指令命令字符 坐标和面积信息可选 Serial.print(command); // 也可以发送更详细的数据Serial.printf(“X:%d,Y:%d,A:%d\n”, targetX, targetY, targetArea); } else { Serial.print(‘S’); // 未发现目标停止 } // 释放图像缓冲区 esp_camera_fb_return(fb); delay(50); // 控制处理帧率 }4.3 Arduino Uno端程序运动控制// 电机驱动引脚定义 const int AIN1 4; const int AIN2 5; const int PWMA 6; // 左侧电机 const int BIN1 7; const int BIN2 8; const int PWMB 9; // 右侧电机 // 电机速度0-255 const int MOTOR_SPEED 150; void setup() { pinMode(AIN1, OUTPUT); pinMode(AIN2, OUTPUT); pinMode(PWMA, OUTPUT); pinMode(BIN1, OUTPUT); pinMode(BIN2, OUTPUT); pinMode(PWMB, OUTPUT); Serial.begin(115200); // 与ESP32-CAM通信 stopMotors(); // 初始化时停止电机 } void loop() { if (Serial.available() 0) { char command Serial.read(); executeCommand(command); } } void executeCommand(char cmd) { switch (cmd) { case ‘F’: // 前进 digitalWrite(AIN1, HIGH); digitalWrite(AIN2, LOW); analogWrite(PWMA, MOTOR_SPEED); digitalWrite(BIN1, HIGH); digitalWrite(BIN2, LOW); analogWrite(PWMB, MOTOR_SPEED); break; case ‘B’: // 后退 digitalWrite(AIN1, LOW); digitalWrite(AIN2, HIGH); analogWrite(PWMA, MOTOR_SPEED); digitalWrite(BIN1, LOW); digitalWrite(BIN2, HIGH); analogWrite(PWMB, MOTOR_SPEED); break; case ‘L’: // 左转左轮后退右轮前进 digitalWrite(AIN1, LOW); digitalWrite(AIN2, HIGH); analogWrite(PWMA, MOTOR_SPEED); digitalWrite(BIN1, HIGH); digitalWrite(BIN2, LOW); analogWrite(PWMB, MOTOR_SPEED); break; case ‘R’: // 右转左轮前进右轮后退 digitalWrite(AIN1, HIGH); digitalWrite(AIN2, LOW); analogWrite(PWMA, MOTOR_SPEED); digitalWrite(BIN1, LOW); digitalWrite(BIN2, HIGH); analogWrite(PWMB, MOTOR_SPEED); break; case ‘S’: // 停止 default: stopMotors(); break; } } void stopMotors() { digitalWrite(AIN1, LOW); digitalWrite(AIN2, LOW); analogWrite(PWMA, 0); digitalWrite(BIN1, LOW); digitalWrite(BIN2, LOW); analogWrite(PWMB, 0); }5. 调试、优化与常见问题排坑实录5.1 视觉模块调试让机器人“看得准”问题一颜色识别不稳定受光线影响大。排查这是颜色追踪最常见的问题。RGB颜色空间对光照极其敏感。早上、中午、晚上或者开灯关灯同一个物体的RGB值差异巨大。解决切换到HSV/HSL颜色空间如前所述这是根本解决方案。在ESP32-CAM端将图像从RGB转换到HSV然后针对色相H通道设定阈值。饱和度S和明度V通道可以设定一个较宽的范围或者用于过滤掉过暗或过白的点。动态阈值或自适应阈值在固定光照环境下可以手动校准。用一个串口调试助手实时输出你感兴趣区域的HSV值观察其范围然后设定阈值。对于变化的光照可以尝试计算图像的平均亮度动态调整V通道的阈值。使用色卡或特定颜色的物体尽量使用饱和度高、颜色纯的物体作为目标比如荧光绿的网球、亮红色的可乐罐。问题二处理速度慢机器人动作卡顿。排查帧率FPS太低。在串口监视器里打印每帧处理时间。解决降低图像分辨率从QVGA320x240降到QQVGA160x120甚至更低像素数量变为原来的1/4处理速度能提升数倍。缩小检测区域ROI如果目标通常出现在画面中央就不要处理整个图像只处理中间的一个矩形区域。优化算法避免在循环中使用浮点运算、sqrt()、atan2()等耗时函数。使用查表法、整数运算。对于连通域分析如果只找一个最大色块可以不用完整的算法用计算质心的方法即可。提高串口波特率确保ESP32-CAM和Arduino之间的串口波特率一致且足够高115200或以上。问题三ESP32-CAM无法启动或频繁重启。排查电源问题占90%以上。摄像头在启动瞬间和拍照时峰值电流可能超过300mA。解决使用独立、优质的5V电源务必使用LM2596等稳压模块从锂电池降压供电并确保输出电容足够大建议并联一个100-470uF的电解电容。检查所有连接特别是IO0引脚下载程序时需要拉低运行时需要拉高或悬空。接触不良会导致奇怪的问题。降低摄像头时钟频率在camera_config_t中可以尝试将xclk_freq_hz从20000000降低到10000000。5.2 运动与控制调试让机器人“走得稳”问题一电机启动时ESP32-CAM或Arduino复位。排查电机启动瞬间产生巨大的反向电动势和电流浪涌导致电源电压被瞬间拉低造成数字系统复位。解决电源彻底分离这是铁律。电机驱动板的电机电源VM必须直接接大容量电池绝对不能与Arduino或ESP32-CAM的5V引脚共用。两者之间只共地。在电机电源端加电容在电机驱动板的VM和GND之间并联一个容量较大的电解电容如470uF - 1000uF耐压高于电池电压可以吸收浪涌电流。软件缓启动不要突然将PWM值从0设置到255。使用for循环逐渐增加PWM值给电机一个加速过程。问题二机器人追踪时左右摇摆振荡。排查控制逻辑过于“敏感”或“迟钝”。阈值设置不合理或者没有加入滤波。解决加入死区在CENTER_X附近设置一个“死区”阈值。例如只有当目标中心与画面中心的偏差大于20像素时才发出转向指令在这个范围内则保持直行。这能有效避免在中心点附近的微小抖动。实施PID控制这是工业级的解决方案。将目标中心与画面中心的偏差作为误差Error通过比例P、积分I、微分D三个环节计算出更平滑、更精准的控制量电机速度差。即使只实现P控制比例控制效果也会比简单的“左/右”开关式控制好很多。调整P参数直到机器人能平稳、快速地追踪目标而不振荡。对视觉坐标进行滤波如前所述对连续帧检测到的目标坐标进行移动平均或低通滤波平滑掉坐标的噪声和突变。问题三串口通信数据错乱或丢失。排查波特率不匹配、数据格式不统一、缓冲区溢出或电气干扰。解决统一波特率确保发送端ESP32-CAM和接收端Arduino的Serial.begin()波特率完全一致。制定通信协议不要只发送单个字符。定义简单的帧结构例如“CMD:L\n”或“DATA:125,80,500\n”。在Arduino端使用Serial.readStringUntil(‘\n’)来读取一整行然后解析。这比读取单个字符更可靠。处理接收缓冲区在Arduino的loop()中及时处理串口数据避免缓冲区满导致新数据被覆盖。可以使用Serial.available()判断。检查接线确保TX、RX交叉连接且接触良好。长距离通信时考虑使用RS-232或RS-485电平转换以增强抗干扰能力。5.3 系统集成与性能提升技巧分步调试不要试图一次性完成所有功能。先让ESP32-CAM能稳定输出图像到串口可以发送图像尺寸信息。再单独测试Arduino小车的基本运动用键盘通过串口控制。最后将两者结合。利用无线调试ESP32-CAM自带Wi-Fi。你可以编写一个简单的Web服务器程序将摄像头画面和检测结果实时显示在网页上。这比串口打印调试直观无数倍。你可以看到机器人“眼中”的世界方便你调整颜色阈值和其他参数。状态指示灯在Arduino上接一个RGB LED或几个不同颜色的LED。用不同的灯光状态表示机器人当前模式如搜索中、已锁定目标、丢失目标、错误状态。这在调试时非常有用。考虑升级主控如果你的项目复杂度增加比如需要同时处理视觉、路径规划、多传感器融合可以考虑将主控从Arduino Uno升级到性能更强的平台如ESP32本身带摄像头接口可二合一、Raspberry Pi Pico、甚至树莓派Zero。但Arduino在简单可靠的运动控制方面依然有其优势。构建Arduino视觉机器人的过程是一个典型的嵌入式系统集成项目涉及硬件选型、电路连接、底层驱动、图像算法、控制逻辑和通信协议等多个层面。每一个坑踩过去你对如何让机器“感知-思考-行动”的理解就会加深一层。它不再是一个只会按预设路线行走的小车而是一个能对环境做出实时反应的智能体。这种成就感是点亮一个LED无法比拟的。当你看到它成功追着那个红色小球满屋子跑的时候你就知道这扇通往更广阔机器人世界的大门已经被你亲手推开了。