在竞赛中脱颖而出 - TIS工业相机赞助学生赛车团队到达终点线收藏

受到世界学生赛车（FSAE）启发，清大赛车工厂NTHU Racing 于2015年成立，从零开始，自行设计和制作赛车，参与 FSAE Japan 2018年转型制作电动车，并于隔年勇夺电动车第二名成绩，并获得最佳电子系统设计、效率奖等奖项。

近年来，自动驾驶车已成为汽车产业的一大趋势为求突破，清大学生团队开始自行开发自驾赛车，The Imaging Source 映美精相机提供DFK 33UX273 相机以及相关配备，协助团队达成目标定位及建立地图信息

团队先制作一台缩小版赛车（如下图1）来测试硬件以及软件设计，团队目前开发之自驾系统由传感器融合与导航控制两部分构成，由角锥定义之赛道实现对应的定位及导航系统，借此验证软件架构的可行性软件验证的方法融合了许多传感器类型的数据，如加速计、ToF以及视觉传感器。

此传感器融合的过程可以达到最佳感测及导航控制而视觉感测一直是无人车发展组成的一部分，用于可视化环境中的物体，如标志和车道标记，视觉数据也可用于解决任何自动驾驶车面临的另一个基本挑战 ─ 确定自己在三维空间中的位置的能力。

图1 学生以一台缩小版赛车先进行测试，双相机搭配主机于小车上 （左上角为概念图，右下为实际测试赛车）机器视觉辨识一直是自驾车不可或缺的一部分，有如无人车的双眼，帮助赛车在赛道上辨识且避开障碍，畅行无阻一开始，学生安装单台USB 3.0 DFK 33UX273工业相机，整合成一个单相机系统。

相机的输入被分析为环境信息（例如黄色和蓝色的角锥--下图2），同时也用于帧对帧的视觉追踪相机的连续图像被用来估计相机（车子自身）的实时位置变化，进行单反视觉测距（VO），然后 使用扩展卡尔曼滤波（EKF）和FastSLAM-1.0算法，测量环境的基本结构和几何形状。

然后，这些特征被汇总到一个视觉地图中，以高精度的方式预估汽车的位置（同步定位和建立地图信息 --- SLAM）

图2  计算机视觉算法运用视觉数据 不仅能辨识物体及周遭环境变化 同时也能进行定位及建立地图信息（SLAM）双眼看得比单眼广在测试过程中，学生团队发现单台相机系统所提供的视野（FoV）还是有点太窄了（下图三a），过程中仍然有一些死角，无法完整辨认全数角锥 。

借鉴其他赛车队的经验，学生们决定测试在视觉系统中增加第二个相机，以增加视野并捕捉所有环境障碍物（图三b）USB 3.0相机快速有效地连接到计算机，将图像信息从相机实时传输到数据库经过测试，双相机系统便能成功辨识到所有角锥。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。