全国大学生智能车竞赛赛后总结（百度组）

参加了两届全国大学生智能车竞赛百度智慧交通组，两届比赛分别以“封狼居胥”和“丝绸之路”为主题，本博客以丝绸之路为主介绍比赛中 WWW队的比赛解决方案，以及最终比赛中出现的问题。

！！！！！！机械结构不加以介绍，只介绍算法和解决方案，可以参考今年官方小车或我队小车

目录

场地

比赛任务（按照行车轨迹）

1.采购货物

1.1难点

2.文化交流（举旗）

3.守护丝路（识别好人与坏人，并攻击坏人头部）

难点1：

难点2：

4.放歌友谊（将车停入路旁的停车区）

方案

5.翻山越岭（小车穿过跷跷板）​编辑

6.以物易物（1.放入采购的货物B；2.夹取到识别的货物）

---

场地

 

比赛任务（按照行车轨迹）

1.采购货物

共五种颜色，随机选择两种颜色的物块，A颜色物块三个，B颜色物块一个，共四个，智能车将机械爪定位到B颜色物块处，伸出机械爪后抓取到B颜色机械爪

1.1难点

物块前后定位

识别B物块中点，当摄像头和B物块的相对位置差距在某一个范围内时（B物块可以用目标识别的方式在图像帧中用一个结果框将其框出，其包含框的大小，框的左右上下边界坐标），结束小车前后定位。

B物块的识别

这里有两种方式去做

一种是直接使用深度学习的方法去做，进行目标识别，使得目标框中的所有物块都被圈出，并且A颜色物块标注为颜色A，B颜色物块标签为颜色B，这样的话可以直接识别出我们的B物块，并进行定位。

（我们的方法：使用深度学习和掩膜MASK相互结合进行颜色识别，并找出异常颜色（B颜色），首先所有的物块都将被打标签为“purchase”，识别出四个或三两个purchase之后，定位到这些purchase目标框在图像帧中的位置，并将目标框缩小到70%保证框出的物块尽量只包含自身的颜色信息，然后比较这些物块的三通道RGB颜色在颜色空间中的欧式距离判断异常颜色）

detect(self,image)中含有该处识别物块的代码，已经标注

2.文化交流（举旗）

基本没有遇到问题，主要是机械结构方面，使用了三个舵机负责三个不同目标的举旗任务，关键要看懂底层的下位机和执行机构的通信即可

3.守护丝路（识别好人与坏人，并攻击坏人头部）

 难点1：

1-目标识别数据集的好坏，要求队员在采集数据时有大规模数据，而且数据的好坏也会影响识别的好坏

官方使用labelme进行标注，但是其实可以直接使用labelimg进行标注，直接转化为所需的VOC格式文件，然后将数据灌入训练器，这里的目标识别使用的是ssd模型，具体模型内容可以查看训练用的python文件中。

难点2：

2-升降台上下过程结束的时机

下降时，使用一个限位开关，当限位开关碰到车子底盘时候让升降机电机停止

上升时，使用一个磁敏，然后在四个位置放置磁铁，每次磁敏和磁铁之间磁力最大时记一次数，所以，每计四次算为上升一圈，我们根据上升的圈数来确定上升高度，而不采用上升时间（由于上升路程和时间与速度有关，速度也可能是一个变量，所以，用上升圈数来计算时能获得更加精准的定位）

4.放歌友谊（将车停入路旁的停车区）

方案：

（包含原地右转90°，后退一定距离，原地左转90°）使用开环控制时，转弯的角度和转弯的速度是由程序预先设定的，所以在实际运行过程中很有可能因为转弯速度的不同，定时时间的不准，导致小车停止位置的不准确

而我们采用霍夫变换的检测方式，检测车道直线，从而在小车原地右转时可以在直线斜率为0附近时结束右转过程

5.翻山越岭（小车穿过跷跷板）

我的方案：检测到跷跷板后确定进入翻山越岭的任务中，然后检测上图跷跷板上中间的黑线，由于该黑线为纯黑，与周围像素差异较大，所以可以采用霍夫变换或者直接使用掩膜MASK进行提取黑色像素点，然后定位黑色点的均值坐标（x0，y0），另一方面，获得黑色的这条线的斜率，我们的调整目标有两个：

1.使得黑色点均值坐标始终位于整个图像的中点

2.使得斜率始终是一个很大的值

所以调整时：设置一个基准速度，然后设置四个模式，左转，右转，原地左转，原地右转，所以我们的调整策略就是，首先通过原地左转或右转使得直线斜率为一个很大的值，这样小车车身位姿就已经调正；随后检测此时的黑色点均值坐标的x轴坐标，如果该坐标位于中点附近某个范围则停止调整加速冲过，否则根据x轴坐标的偏差（先左转，后右转调正，随后稍向后退，这样可以使得小车在赛道上的向左向右移动）

重复上述步骤即可成功调正位姿

6.以物易物（1.放入采购的货物B；2.夹取到识别的货物）

难点：如何确定检测到的货物的位置是在上层还是下层

其实说简单也简单，只需要确定检测到货物的纵坐标，如果比较小的话认为位于上层，比较大的话认为位于下层，然后其他的控制只需要明白夹取的过程即可