第十七届全国大学生智能车竞赛智能视觉组培训第一弹

Posted 2022-01-02 卓晴

简 介： 第十七届全国大学生智能车竞赛竞速比赛中，由NXP赞助的智能视觉组的比赛细则已经公布的。为了帮助同学们能够更好地制作比赛作品，在在此过程中得到更好地锻炼，NXP公司近期举行智能视觉组培训。欢迎大家参加。

关键词： 智能视觉组，智能车竞赛，第十七届

 

  2022年的 全国大学生智能车竞赛规则 已经公布了，由恩智浦赞助的 智能视觉组 的比赛细则也已经发布了。

  在制订这个比赛细则时，经过和卓老师进行了多次沟通，本着“既要有所继承，又要有所不同”的原则，重点保留了去年智能视觉组的图片识别部分，并进行了适当扩展，把图片识别从两类(动物与水果)升级为三类(增加了车辆)，同时为了提高后续决赛阶段的观赏性，又增加了大类中的小类识别，例如在动物类中，要区分开猫、狗、马等。

  为了提高趣味性，把去年的打靶改为了图片搬运，使任务难度略有降低。此项任务拟在决赛阶段采用。

 

§01 规则解读

---

  本届智能视觉组规则相比去年一个比较大的变化是赛道，由小车在规定的赛道中循迹行驶，改为了在无固定赛道的场地自主寻找目标的方式，给出目标在场地上的坐标，小车将按图索骥行驶到目标处并进行识别。

  这个任务要求小车能够自主规划行驶路线，并利用惯性导航原理，确定自身的位置和运行的方向及速度。惯性导航的精度决定了找到目标的时间，因此也极大地影响了完成整个比赛的成绩。

  考虑到惯性导航的操作是第一次引入智能车竞赛，同时惯性导航的精度比较难把握，因此规则里在场地中固定位置添加了若干 AprilTag 标牌，小车可以用摄像头寻找并识别到标牌，利用三角定位原理确定自身的位置。

▲ 图1.1 赛题中需要识别的物品

  通过惯性导航、三角定位、轮速里程控制多种手段，能够实现小车的准确定位，完成目标的搜寻、识别、拾取。

 

§02 培训内容

---

  为了帮助同学们理顺一些概念，为后续的培训打好基础，恩智浦的工程师将于2021年12月15日下午2:00，针对下届竞赛的智能视觉组部分进行一次基础培训，主要将涉及AI智能识别和惯性导航两部分。

  另外针对不少同学询问能用什么样的MCU，也做了简要介绍。

题目一：智能视觉模块与AI模型实现

  1. 恩智浦MCU介绍
  2. 智能视觉模块介绍
* OpenART模块介绍
  3. 模型训练、部署方法、调试方法
* 模型的获取与训练
* 模型部署
* 模型调试
  4. 影响模型实际精度的关键要素
* 数据集增广
* 环境干扰
* 模型输入数据预处理

题目二：2D 惯性导航与组合导航入门与简介

  1. 惯性导航和惯性器件(加速度计和陀螺仪)

  2. 2D 惯性导航算法(matlab例子)

  3. 惯性导航误差特性及修正

  4. 惯导修正信息——组合导航 - 融合更多的传感器(里程计/UWB/摄像头/GPS)

  5. 融合算法简介(Kalman)

 

§03 往届推文

---

  由于明年的赛题在AI识别部分是和今年一样的，同学们也可以参考以下一些以往的推文：

• 隆重介绍恩智浦MCU机器学习教育套件——OpenART
• 智能车大赛AI视觉组参考答案
• 智能车竞赛，AI视觉组赛题浅析
• AI视觉组仙人一步之模型量化
• AI视觉组仙人一步之模型调优
• AI视觉组仙人一步之高级玩法——从Python回归C语言
• AI机器学习实战の电磁智能车篇
• AI实战の电磁智能车(续)——数据处理，训练详解

---

■ 相关文献链接:

• 第十七届全国大学智能汽车竞赛竞速比赛规则
• 第十七届智能车竞赛智能视觉组比赛细则
• AprilTag
• 隆重介绍恩智浦MCU机器学习教育套件——OpenART
• 智能车大赛AI视觉组参考答案
• 智能车竞赛，AI视觉组赛题浅析
• AI视觉组仙人一步之模型量化
• AI视觉组仙人一步之模型调优
• AI视觉组仙人一步之高级玩法——从Python回归C语言
• AI机器学习实战の电磁智能车篇

● 相关图表链接:

• 图1.1 赛题中需要识别的物品