循迹小车主要应用了以下技术：
传感器技术
红外线传感器：用于检测地面上的路线，通过反射式红外线传感器判断小车当前所处的位置和路线情况。
摄像头：用于图像处理和循迹算法的实现，通过摄像头采集图像信息，进行目标识别和路径跟踪。
光线传感器：用于检测小车两侧和前面的光线强度，从而调整车轮的速度，使小车沿线条方向前进。
控制算法
PID控制算法：通过比例（P）、积分（I）和微分（D）三个部分来调节控制量，实现精确的循迹控制。
神经网络控制：基于人工神经网络的控制策略，通过训练神经网络来学习车辆在不同位置和偏差下的最佳转向策略。
简单条件判断：通过传感器检测车辆所在位置的情况，并根据条件判断来控制车辆的转向。
PD控制算法：基于偏差和偏差变化率的比例和微分来控制车辆的转向。
编程语言和开发平台
Arduino编程语言：简单易学，适合初学者，通过编写Arduino程序控制循迹小车的运动、传感器的读取和数据处理等功能。
Python语言：高级编程语言，简洁易读，适合实现复杂的循迹算法和控制程序。
Scratch编程语言：图形化编程语言，适合初学者，通过拖拽积木形式的代码块来实现循迹小车的控制。
ROS（机器人操作系统）：开源的机器人软件平台，可以实现多任务、多线程的程序设计，方便实现循迹、避障、定位等功能。
硬件模块
单片机：如STM32C8T6核心板，作为小车的控制核心，负责处理传感器数据并发送控制指令。
电机驱动：如L298N电机驱动，用于控制直流减速电机的转动，实现小车的前进、左右转向和停止。
电源模块：为小车提供稳定的电源。
这些技术和编程策略的结合，使得循迹小车能够在各种环境中自动跟踪指定线路，完成各种有规律的工作，广泛应用于无人驾驶机动车、无人工厂、仓库以及服务机器人等领域。