智能视觉组赛博 -10赛后反馈

Posted 2021-10-13 卓晴

中国计量大学赛博-10(智能视觉组)队员对于参加第十六届智能车竞赛进行总结与展望。

§01 赛后反馈

---

一、实验室介绍

赛博智能车实验室成立于2012年,隶属于中国计量大学信息学院，历来以技术为核心，以培养优秀技术型人才和综合性人才为宗旨，锻炼学生实践能力，并通过选拔去参加以全国大学生智能汽车竞赛为核心的各项大型技术类竞赛，不断为学校、团队、个人争夺荣誉。实验室创办以来，拿下全国奖项十余项和数不清的浙江省的省级奖项。

▲ 图1.0 比赛车模顶视图

二、赛后总结

首先，在大二参赛就获得不错的成绩,令我们感到意外和惊喜。当初选择AI视觉组也是因为该组别具有一定的挑战性，更加能够锻炼自我。这一年的调车生涯对我们全组队员的心理素质进行了多次考验，令我们印象深刻的是省赛前几天忽然的硬件故障,着实让我们的心态受到了不小的影响。做智能车不仅仅是知识和技能的学习，也是对我们的心态和抗压能力的考验与提升。

▲ 图1.2 参赛队员

三、芯片使用

我们采用的芯片是RT1064，功能十分强大，600MHz的主频不用过于担心主控芯片的代码复杂度。另外,逐飞科技推出的最小系统核心板引脚功能也十分充足，即使我们花里胡哨地上了2.0寸IPS彩色屏幕,它依旧有足够的功能引脚用来满足打靶任务的外设使用。不过在使用过程中也遇到些问题:

1. 前中期我们没有考虑供电时序问题，导致单片机和摄像头同时供电时，需要给单片机复位才能激活使用。
2. 刚开始使用RT1064芯片的时候主要还是靠逐飞的例程，但是想做一些例程以外的尝试就比较困难了，找不到中文版的芯片手册，全程硬啃着实费脑子。希望以后可以多出一些基础的教学之类的，拉低门槛。

四、NXP大学计划

从老师层面来讲，我们的带队老师是很希望能和NXP进行合作的。在参加智能车竞赛的这几年，我们深刻领略到了NXP芯片的高性能，尤其是算力方面，与以往使用的芯片相比，具有高容量flash、RAM的优点，我们也从中发现了NXP芯片的优秀性能和无限潜力，我们实验室老师更是将NXP的K60芯片设置为实验室新晋人员培训专用芯片。另外,实验室人员在参加其他技术类比赛的过程中,常常将NXP芯片作为项目开发核心芯片。和NXP合作，以竞赛、项目为切入口，不断去创新开发NXP芯片的应用，可以让学生更加深入的去掌握这些芯片的原理与应用开发，拓宽知识面，对芯片类行业未来也可以有更贴切的了解。同时我们可以在校内进行推广普及，这样不仅可以让更多的同学了解NXP芯片，也让同学们去重视芯片行业。

▲ 图1.3 车模于教室内的同学们

五、AI元素

组委会把AI融入智能车这个想法很好，顺应机器学习的时代大潮的同时提高国家相关人才率.但也许正是因为这是一次新的尝试，我们感受到了比赛方想尽力降低比赛难度的诚心，从1️⃣增加紫色框方便我们对目标的定位（虽然也有芯片算力受限的原因）到2️⃣逐飞发布例程模板和使用教程以及专门针对比赛的摄像头mini，可以说为AI识别部分的铺好了路。

​ 对于openart,我们是”又爱又恨”，"爱 "是因为有了这个摄像头，我们尽早确定了相关方案，避免了很多麻烦。"恨 "便是使用过程中出现的各种意外。由于使用不当导致openart芯片损坏等故障，坏了好几次也修了好几次，前后累计总共买了4个。

1. 从通电开机或复位到进入工作状态往往需要10秒左右（不知道是不是只有我们有这种情况）;

2. 切换模型、图像变化过快、切换画质等都会造成RAM溢出的问题;

3. 和上位机之间的兼容情况，有些情况下需要频繁插拔数据线;

4. 可能还是受限于芯片的性能，在Openart上部署的模型的网络层很难超过3层，否则开机便是死机┐(´-｀)┌

不过总的来说，OpenartMini这款产品对于比赛来说还是很有针对性的,对我们帮助很大。

▲ 图1.5 识别任务积分

六、机械结构

–

我们队伍里没有专门负责机械结构的人员，在车模的机械结构设计的过程中,我们根据应用需求和实际使用效果慢慢摸索和不断修改。省赛前，我们队伍把重心放在了任务要素的完成率,从而忽视了小车的行驶速度，所以摄像头架得过高，导致重心偏高，速度稍快就容易发生弯道侧翻。在省赛现场观摩了其他车友的车模后，发现即使是低摄像头也有很好的实现效果，于是省赛结束就开始连夜重构结构。我们在结构上做了许多尝试，一维结构、二维结构、补光措施、不同舵机等等，甚至还给openart上了一个显示屏用以调试方便。最终搭建出了我们较为满意的车模结构。

▲ 图1.4 车模机械外观

我们的打靶瞄准前期是采用openart抓框瞄准，然后将坐标信息传到主控板来控制舵机。但是调试过程中发现这样的方法受舵机角度精度影响较大，并且抓框的稳定性难以保证。所以最后在学长的建议下我们在结构上安装了激光测距模块测量靶子两边缘跳变点的距离和角度，再通过数学几何直接算出靶心打角实现瞄准，最终,打靶效果变得快准狠。这也需要有相关模块的使用经历，才能在备赛期间想到运用。不过在我们花大力气把打靶最终优化好了以后被通知没有打靶项目了，实属一大遗憾。

▲ 图1.5 车模前视图

七、规则变动

受突如其来的疫情影响，全国总决赛变成了线上赛，还是有点可惜的，体会不到到总决赛现场的紧张刺激,也无法公费旅游了呢哈哈。电赛宣布被取消的那段时间，天天凌晨还盯着卓老师的公众号，唯恐错过某些重要通知。不过最后智能车比赛依旧能如期举行，已经足够幸运了。

八、赛提建议

• 智能视觉组是第十六届新增加的组别，可能是组委会出于降低难度的考量，从比赛规则和现场执行效果来看还是有些地方能钻漏洞。例如肉眼就可以分辨靶子的左右方位然后按键写入单片机进而跳过AP码的识别。所以光从这一点来看可以在赛道两边都放上靶子之类的方式。当然,下一届也不必拘泥于一定要打靶。

• 如上所述，如果不打靶，视觉组的车模可以选择麦轮车，因为麦轮车能做的动作更加丰富和自由，例如顺逆时针原地转动代表识别结果的显示表达。这里只是提供一个不成熟的思路，还是认为打靶的难度和观赏性更高。

• 对于图像分类的问题，我们在实际比赛准备的过程中感觉缺少对模型泛化能力的体现。因为国赛的时候，我们用来训练的数据集是逐飞科技提供的比赛软件里出现的图片,最后训练出来的模型就变成了对固有图片的简单记忆，针对比赛而言，过拟合才是正道。而真正的AI应当是能预测陌生数据集的分类，所以下一届智能视觉建议可以注重模型泛化能力的考察。