2019数学建模国赛小记

小叙

参加了2019年数学建模国赛，做的B题，那个充斥着力学与积分的同心鼓，很幸运地拿了国二，建模几个月来学到了许多东西（尤在面对问题时地去建模解决，而不是靠经验式地试探），但国赛那几天是艰难的。
对于建模的经验与体验之类的网上有许多，不少也是抱怨的，我这里也不多谈。我更多地说一下建模做比赛之外对我其余方向的影响。
我专业学计算机的，嵌入式与opencv也会一些皮毛，有时也会面临一些实际问题，比如控制空心杯电机负重情况下定死在某个角度，用步进电机做一个类似3D打印机的机构，识别一个远处靶子并给出靶心相对于云台的俯仰角之类的。
识别靶子的这个任务,给出靶心俯仰角流程如下：

图像预处理（滤波，二值化等）–>边缘信息提取（canny等）–>
得到轮廓（多边形拟合）–>筛选轮廓–>根据相机参数计算相对于相机镜头的俯仰角–>根据相机内参与物体实际距离得出镜头到达物体的距离–>根据云台距离相机的位置与上面得到的数据做一个平面映射，将相机平面映射到云台平面–>得出结果，发送角度值给控制芯片。

其中的筛选轮廓，平面映射就需要一定的数学建模，在筛选过程中存在滤波，设立可信度评价标准（可能是多维的，还需要将多维的每个维度加权），这需要综合靶子的表面特征，前期识别的准确度，干扰源，靶子的运动状态等综合建模，设立一套筛选标准，使得识别的准确度高，噪音小。而后面的映射的建模大多都是物理的知识，最终目的是使云台的控制准确。
在面对这些问题时，许多人都去网上直接找代码，在一个静态下修改参数达到最优标准，而状态一改变又出问题，把大量时间花费在调参与小修小补上。
建模是一种科学分析问题的方法，针对的是一个问题的独特点，建模的好坏可以放入代码中去验证，之后不断找错，发现模型的不足，修改模型，将一切的控制与状态都精确化。
当然，面对许多问题时也可以借助一些鲁棒性很强的方法，比如PID，卡尔曼滤波等，但往往这些方法都不是针对这个问题最好解决方案，只是适用方案。还有，在工程实践中对某些参数的试凑也不可被否认。
以上是我对数学建模的看法。

有感

数模后辅导员叫写一片感想，不愿意，但最后针对我们学校的情况写下如下一篇文章，也在这里贴出来，供后来的人看看。
已亥苏南的秋似乎来得很满，天地一时被映得通红或彻黄。许多人都想从别人的经历中获得些什么，走远了，忘记了自己。
在大学，做什么比赛性价比最高？毋庸置疑数学建模国赛，从零认知到一篇国赛论文有的人只需要寥寥数月。这样说数模很振奋，励志，也很矛盾，很浮躁。矛盾在于国奖的比例只有百分之八，浮躁在于无数人绞尽脑汁，无恶不作的功利。在大美的黔贵，有许多可爱秀丽的山峰，坐火车的旅客见的尤多，疲钝的旅客们总是似极了大鹅般伸着脑袋观望它们的峰，却总值得见埋没山顶那乳白的云气。火车倏地绕如黑洞，旅客心情也忽的落地，不会儿，车猛地窜出洞外，人们有那般观望，如此进洞出洞，火车终于进入巴南界，一切又沉入无边无际的黑暗，谁也目不及那纯洁的峰乳，草草聚来，草草散去。
数学建模讲究于建模，如无好的模型何谈解模更无论文，在我看来，建模不是仅在于做做比赛，更是将建模这种科学方法融入生活学习研究中，将经验与方法转化为证明与结论。做代码有三重境界，第一重会用即运用型人才，第二重是设计工具与库函数即开发型人才，第三重是设计系统或创造语言即底层开发人才，绝大数的程序员均津津乐道于运用。数学建模是拜托运用的开始。无论如何，来到这个世界，总是充满了抄袭与剽窃。
最后说几点总结性的：1.若是你觉得你还不错还有理想，就找一个不出名的指导老师，这样他（她）不会干预你的思想。2.你觉得你不行就去找所谓的‘负责’的指导指导老师，但要记住有成果一定不是你的，没成果很正常。3.队友垃圾不是你不作为的理由，尽早翻脸谁也不恶心谁。4.建议不想依赖指导老师的队伍好好做模拟题，别剽往年论文，宁愿错也不改初心，因为我就是我。5.大学许多比赛都有不公平，不用抱怨，因为你很美丽可爱。
十二月西风又起，呼唤着回到巴南，回到最原始的故乡，一切浮华与功利皆过眼云烟。
己亥冬