01 參賽總結(jié)

??卓老師您好，我們是西安郵電大學參與16屆智能視覺組的代表隊，很榮幸拿到了今年全國總決賽一等獎的好成績。下面我將分享我們的參賽總結(jié)。

Ⅰ.總體分析

??相較于15屆的AI電磁以及今年的室外越野來說，智能視覺組是一個 全新的AI組別。其涉及了嵌入式，機器視覺，圖像處理，神經(jīng)網(wǎng)絡等方面知識。對于大多數(shù)學生來說，大家?guī)缀跬耆谕粋€起跑線上，除了傳統(tǒng)循跡之外，增加了其它元素識別任務。而且在國賽時識別部分的權(quán)重更高了，所謂的祖?zhèn)鞔a的優(yōu)勢便不能發(fā)揮出強大的優(yōu)勢了，因此，也就打破了往年所謂強校弱校的"標準"，這就更加考驗本屆參賽選手的個人能力和團隊協(xié)作能力。

Ⅱ.硬件部分

① 硬件電路設(shè)計

??本組硬件原理圖如下所示

??其中，相較于其他組別，AI視覺組有著更多的耗電設(shè)備，因此我們選用了大容量鋰電池作為電源，以及采用了兩片AS1015穩(wěn)壓芯片分別給S3010舵機和二自由度機械臂供電。AS1015穩(wěn)壓芯片相較于AMS1117穩(wěn)壓芯片，其可輸出更大的電流，以便更加穩(wěn)定的控制舵機。

② 結(jié)構(gòu)

??由于AI視覺組相較于其他組別，需要搭載一個可轉(zhuǎn)動的舵機云臺（或者其他結(jié)構(gòu)），以便完成AprilTAG碼識別，水果動物識別，激光打靶等任務。但是由于一般的舵機云臺質(zhì)量偏大，因此我們采用了自制的輕量型機械臂結(jié)構(gòu)，相對于搭載傳統(tǒng)普通舵機云臺，其優(yōu)點是質(zhì)量輕，車體重心偏移小。而且自由度較高，將Open-ART搭載在其上，其可視范圍角度約270°，能將AprilTAG碼前后25cm盡收眼底，以便更好的完成任務。

Ⅲ.控制部分

① 圖像預處理--canny算子：

• 算法優(yōu)點：得到的邊界信息非常真實，噪點少，抗光干擾性強
• 算法缺點：耗時長，對單片機性能要求高，

1.?算法步驟：

??1. 高斯濾波：濾掉噪聲

??2. Sobol邊緣檢測：通過兩個算子對圖像的x軸和y軸進行卷積運算，得出兩個值x軸上的梯度tempx和Y軸上的梯度tempy，可以通過這里兩個值算出該像素點的梯度幅值和梯度方向。

??3. 極大值抑制：sobol處理后得到的邊緣很寬，這一步是將像素點的額梯度幅值和它梯度方向上的相鄰的兩個值進行比較，如果不是最大值，就抑制，是最大值，則保留。

??4. 雙閾值連接：大于高閾值的像素給255，低于低閾值的給0，中間的則將之與附近的八個像素點比較，如果有大于高閾值的像素點，則給255，否則給0。

② 舵機模糊PID控制

• 1) 算法優(yōu)點：與傳統(tǒng)固定常量PID和分段式PID相比，在高速時，傳統(tǒng)PID在直道會出現(xiàn)車身左右震蕩的情況，非線性系統(tǒng)擬合性不太好，分段PID在分的斷點附近會出現(xiàn)震蕩，而模糊PID具有很好的誤差跟隨性，響應快，準確，車身不再出現(xiàn)左右震蕩的情況，而且不同的速度，都能很好的運行。
• 2) 算法缺點：參數(shù)多，調(diào)參困難；算法復雜。結(jié)合我們車的實際情況及需求，為了簡化參數(shù)，我們只模糊P，而I和D都是調(diào)好的常量。

2.?阿克曼差速：

• 算法概述：后輪的左右車速在轉(zhuǎn)向時，內(nèi)側(cè)速度小，外側(cè)車速大，這與前輪的舵機打角值成對應關(guān)系，這種關(guān)系就是阿克曼轉(zhuǎn)向模型。

Ⅳ.識別部分

??本組采用了基于Tensorflow深度學習框架，自行搭建的卷積神經(jīng)網(wǎng)絡模型。識別時，先利用OpenART尋找合適大小的矩形框，再對其進行分類。

??（參賽使用的模型均為采用了輕量化后.tflite模型文件）

??1. 數(shù)字分類模型：采用了MINIST數(shù)據(jù)集作為訓練集，四層簡單的卷積神經(jīng)網(wǎng)絡作為模型進行訓練，最終獲得的效果較好。

??2. 水果動物分類模型：采用了爬蟲獲取以及官方給出的部分數(shù)據(jù)集，對其進行圖像增強，并且搭建了卷積神經(jīng)網(wǎng)絡進行分類，最終效果表現(xiàn)較好（調(diào)整Open ART至合適的曝光度的情況下）雖然在西部賽區(qū)由于種種原因，其表現(xiàn)狀態(tài)不佳，說白了還是因為我太菜了。

??3. AprilTAG碼識別：調(diào)用內(nèi)置包接口即可。偶爾會出現(xiàn)一些誤判

??4. 激光打靶：采用了簡單的建模思想和傳統(tǒng)的PID控制。但是效果一般，可能真的因為我太菜了

??5. 在全國總決賽中，由于規(guī)定圖片隨機出現(xiàn)，且包含有空白圖片，對此，我采用了模型嵌套思想，概況如下：

??先做一個簡單的分類模型，分類出空白，數(shù)字，二維碼，其他四類，先對圖片進行分類，再對內(nèi)容調(diào)用相應的模型或方法。（本人親測識別一次所需時間約為75ms）由于對AI模型理解并不深，導致最終模型效果受光線影響較強。

Ⅴ.參賽體會

??總的來說，智能視覺組是一個引入了前沿技術(shù)，對綜合能力考驗強，挑戰(zhàn)性高，趣味性高的組別。讓參賽選手能從智能車競賽中提高自己能力以及能夠更全面地認知和學習前沿技術(shù)。

02 大賽展望

一、NXP大學計劃

??學校對于NXP大學計劃有濃厚的興趣，希望NXP能推出性能更加優(yōu)越適用性更廣的芯片用于教學和競賽中。最好能夠達到在適配RT-Thread同時可以流暢運行中小規(guī)模的AI模型。

??PS：本人作為17屆參賽預備選手，真真真心希望芯片價格低一點或者給每個學校的補助芯片多一點。

二、賽題展望

??希望在17屆中能出現(xiàn)更多的新元素比如加上抄近道，比如AI視覺任務遇上AI電磁循跡（想想都刺激），或者基于攝像頭AI循跡，把AI更多的融入進創(chuàng)意組，同時也希望更多的貼近現(xiàn)實生活，比如：多車同賽道同時競速，加入測速區(qū)間

??（如不達標下限或者超出上限則加時）

??希望加入一個近道元素（在無判罰），如下圖所示: