规与矩，实与虚

^平衡 | 图^

规 与 矩****None没有规矩，无以成方圆。对于一项学生课外科技竞赛来讲，更是如此。那么什么是全国大学生智能车竞赛的规和矩呢？ 那就是比赛的赛道和计时系统。

在第13届全国大学生智能车智能车竞赛中，采用的是传统的电磁感应式的计时系统。相比于最开始的对射激光（红外）位置检测器来说，它藏于赛道下面，因此被车模撞击损坏的可能性大大降低了。同样，安装调试起来也比较方便。

但是，由于需要感应车模上的磁场的变化，所以需要车模上安装有标记磁铁。如果比赛中，车模没有安装，则可能造成无法准确计时。

^暗的环境光线对于计时器的测试 | 佟超供图^

对于普通的车模，实际上利用车模上的电机、镍铬电池（镍铬也是铁磁材料）所引起的磁场的变化，大部分情况下，都可以准确可靠的触发计时系统。但对于无线节能组，由于车模是由选手自行制作，车模比较轻，在比赛中，就容易无法触发计时系统了。

由于环境的复杂，在有的赛区中还出现了比赛系统多次被干扰，被无线充电线圈干扰的情况。如何改进这种情况呢。

^强光下测试 | 佟超供图^

北京科技大学智能车队伍的

佟超同学提出了一个全新的概念，使用一条线性排列的光敏三极管来检测车模经过的信息。并在不同的光线环境中做了一系列的对比实验，证明这种方法灵敏可靠，适应性强。

也许在新的一届比赛中，赛道上将会采用这种传感器的方法，形成比赛的“规与矩”，并且可能进一步演化形成全自动裁判系统。

这种方案还可以获得车模经过检测点的位置信息，相对于以前比赛系统，只能够检测车模通过时间信息。

^获得不同位置 | 佟超供图^

根据车模经过检测点的位置，可以反过来评价车模路径规划的精度。对于将来的全自动检测系统来说，不仅可以获得车模通行速度，而且可以大体得到车模的轨迹信息。这样可以计算车模算法的轨迹优化指标，从而扩大未来比赛衡量的维度。

如下是该检测板对于白色胶带纸经过时检测响应。可以看出该检测方案的灵敏度很高。

^对于白色胶带纸经过时的检测响应 | 佟超供图^

虚 与 实****None在智能车竞赛网站（ZNCZZ）上，近日看到哈尔滨工业大学智能车俱乐部的同学给出了一套能够自动生成竞赛场地图像的软件。

该软件可以根据任意设计的赛道元素，自动生成在不同位置，不同视角下的场地图像。同时也可以给出在传统智能车竞赛摄像头传感器中采集到的赛道元素信息。在此基础上，可以方便车模完成赛道信息处理和控制算法。

^自动赛道图像生成软件 | ZNCZZ网站^

通过这种方式，可以大大缓解传统搭建竞赛赛道在经费、场地、时间、人力等方面的压力。可以对任意复杂、任意赛道元素组合情况进行完整的仿真。这可以使得开发出的智能车软件再适应性上得到大幅度的提高。

这个思想在近期智能驾驶领域中，进行真实虚拟平行世界理论相符合。即通过构建与真实场景接近的虚拟世界，产生大量图像数据，来完成对于车辆自动控制系统软件开发，测试的要求。

^{通过强化学习产生的自动驾驶测试图片}

强化学习（Reinforcement Learning）是机器学习的一个热门研究方向。强化学习较多的研究情景主要在机器人、游戏与棋牌等方面，自动驾驶的强化学习研究中一大问题是很难在现实场景中进行实车训练。因为强化学习模型需要成千上万次的试错来迭代训练，而真实车辆在路面上很难承受如此多的试错。

^{虚拟世界（左）与真实世界（右）图像分割算法}

目前主流的关于自动驾驶的强化学习研究都集中在使用虚拟驾驶模拟器来进行代理（Agent）的仿真训练，但这种仿真场景和真实场景有一定的差别，训练出来的模型不能很好地泛化到真实场景中，也不能满足实际的驾驶要求。

加州大学伯克利分校的 Xinlei Pan 等人提出了一种虚拟到现实（Virtual to Real）的翻译网络，可以将虚拟驾驶模拟器中生成的虚拟场景翻译成真实场景，来进行强化学习训练，取得了更好的泛化能力，并可以迁移学习应用到真实世界中的实际车辆，满足真实世界的自动驾驶要求。

^智能驾驶 | 图^

借助于现在更加强大的嵌入式处理器，也许是时候引入机器学习方法进入智能车竞赛中了。

文章来源: zhuoqing.blog.csdn.net，作者：卓晴，版权归原作者所有，如需转载，请联系作者。

原文链接：zhuoqing.blog.csdn.net/article/details/104135437