历届智能车哪个组别最难，哪个竞争最激烈？

这是一个有趣的问题：俗话说，万事开头难，因此从竞赛历史上来看，最难的组别就是第一届的比赛。那时比赛只有一个组别，光电和摄像头在一起比赛。没有前面的积累作参考。从下面的动图中可以看到，当时的智能车在结构、传感器方面是百花齐放，多种多样。已经不像现在的比赛，几乎都是千篇一律的模样了。

第一届的赛道是由中心线进行车模引导，在赛道两遍有树立的检测塑料杆，不允许车模有任何边缘冲出赛道边缘，对于当时的同学的确是一个很大的挑战。

竞争最为激烈的比赛当属第十二届的对抗组的比赛。在对抗阶段那时真正的竞争。不在现场是无法体会到那种比赛的刺激和震撼。

在第一届比赛的时候，摄像头和光电车模是在一个区别进行比赛的。如下是第一届比赛的决赛的排名。从成绩上来看，第一名和第二名之间的速度相差非常小。排在第一名的清华大学2队当时所使用的传感器就是普通的光电管，排在第二名的速度之星队则使用的摄像头传感器。

以现在的观点看来，光电管车模战胜了摄像头车模似乎不可思议。这其中，除了当时的摄像头车模跑得还不是太快的原因之外，还有一项技术，是当时光电车模取得第一名的因素，那就是

赛道学习技术。

在智能车竞赛前三届中，车模允许在赛道上连续运行两周，取最快的一周成绩作为最终的比赛成绩。清华大学2队在最后比赛的时候，第一圈以慢速跑完，检测和记录了所有赛道拐弯点，在第二圈比赛的时候则使用全速跑完所有的直道，进而取得了第一届第一名的成绩。比赛中，可以明显分辨出车模在运行过程中的加减速的过程。这个算法在《学做智能车》书中进行了详细的描述。

下面的动态显示的是比赛第二名，上海交通大学的速度之星队的运行情况。他使用的是摄像头作为赛道检测传感器。

从第一届之后，连续两届，就再也没有队伍能够成功的运用赛道记忆的方式进行比赛了。这是由于之后的赛道，设计的越来越复杂，直道的长度越来越少。赛道记忆的方法对于缺少室内定位的比赛来说还比较粗糙，所以在曲线比较多的赛道上，这个方法的优势就不明显了，不如直接使用摄像头或者激光管去检测远方赛道更能够提高车模的速度。从第四届比赛开始，为了节省队伍场上比赛的时间，比赛规则就取消了车模双圈 运行的规定，车模跑一圈就算完成比赛。

对于赛道的学习和记忆的方法更能够体现智能车的智能，表现在利用车模自身检测的历史数据，提高车模运行的准确性和速度。现在很多智能驾驶的车模或者四旋翼飞机都是在历史经历过的视频中，通过SLAM算法或者机器学习的算法，获得环境的丰富信息，为自主驾驶提供决策支持。

现在的车模在比赛中，是运用当前局部探测的信息进行运动的决赛，与历史信息无关。对于环境的适应和学习大多体现在参赛队员在场上的人工设置与标定。因此，现在的智能车准确来讲是一个自主车（Automonous Car）,它的行为与一个可以灵活躲避障碍的甲壳虫相类似。

智慧有的时候体现在对于历史经验的应用。看下面的电子老鼠比赛中，借助于第一轮迷宫探索过程记忆的数据，在3.594秒就完成第二轮迷宫比赛的电子老鼠，似乎体现出更多的智能。在对于路径记忆角度来讲，电子老鼠比赛与第一届清华2队的策略有很多类似之处。

在第十三届比赛中，似乎应该让光电管（非激光类）车模再次回归赛场。仍然允许车模在现在复杂赛道上运行两周，依据现在传感器检测和惯导导航所记忆的赛道信息，弥补光电检测距离近的劣势，通过赛道学习所获得的数据提高车模运行的精度和速度。

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/105125974