车模

第十四届智能车竞赛赛道中凸显的横断路障，它让去年韩国国内智能车竞赛中参加决赛的队伍备受困扰，同样，它也使得今年国内参加比赛的队员感到苦恼。 2018年韩国全国大学生智能车竞赛中的横断路障 成功越过横断路障的关键就是需要能够尽可能提前检测到它的存在，然后在路障前后的一米区内精确绕过路障。 在绕过路障的过程中，车模不再具有赛道的导引。如果仅仅依靠车模开环控制完成绕行，则车模的轨迹就会受到赛道环境的影响，要么弯绕大了卡在旁边的赛道路肩上，要么弯绕小了，剐蹭在路障上。 视觉检测路障并开环绕行 为了避免绕行中厄运的发生，则需要对车模绕行路障引入反馈控制。 一种方案就是在车模上增加转向陀螺仪和车模行进距离传感器，这样可以精确控制车模运行轨迹，从而能够适应更加复杂多变的 环境。 另一种方案就是增加路障距离传感器，控制车模与路障之间的距离使得绕行转弯不太大也不太小。 近期很多同学在寻找各种测距传感器。传统的超声传感器对于反射物体 要求比较高，面积小的物体就会测不到，测量距离误差较大。现在更多同学把目光转移到一大类基于激光的测距传感器。 常见到的激光测距传感器所使用的原理包括有：TOF（Time of Flight），几何测距，结构光方法等。 TOF测距原理和超声波测距相似，只是它使用的是光波。由于激光定向性强，所以探测空间分辨率较高。由于它是通过测量光波从发送到接受之间的时间差来计算物体距离

今天，来自NXP公司的宋岩和张岩向我展示和讨论了他们使用部署在智能车单片机中上的人工神经网络控制电磁车模运行的实验情况情况。下面的视频中，车模的方向控制是由单片机中的神经网络模型给出了。车模运行速度大约1.3/s左右。 在人工神经网络控制下电磁车模运行情况 猛一看，这个电磁车模运行很平常。但该车模所使用的电磁传感器仅仅是由车模中间和车头部署的七个近距离电磁传感器，而车前方前伸出支架上的传感器并没有参与控制。在这种配置下，车模的速度就非常可观了。 那么该车模是如何仅仅使用车身局部传感器的信息，就能够达到大的前瞻传感器控制的效果呢？原来车模中的控制算法是由人工神经网络实现的。这辆实验的车模来自逐飞科技提供，在原来传统的车模上面部署了七个电磁传感器。用于采集车模周围的电磁场，并将采集的数值喂送给车模上单片机中的人工神经网络。 实验所使用的智能车和传感器配置 车模前方伸出来的传感器是使用传统方法控制所需要的电磁传感器。车模在使用传统的方法引导车模沿着赛道运行。在此过程中，车载单片机采集车模前方和中间位置的传感器值，并同时将舵机的控制命令通过WiFi无线传输模块发送到PC端进行存储。由此形成未来人工神经网络训练数据集合。七路传感器和舵机控制命令（红线）数据都归一化到一个字节范围内（-128~127）。小车运行4圈，采集数据量约为4万条左右。数据如下面动图所示： 七路电磁数据和舵机控制指令

烧脑的节能车模 第十四届智能车竞赛中，节能组车模允许参赛队伍自行制作。但要求车模车轮不能够使用通常意义下的车模。这几天公众号纷纷接到同学发送过来各种车模结构，大家一起来看看吧。 四履带车模 巨轮车模 滚筒车模（左右可分离） None 细橡皮筋轮胎车模 圆饼车模 双巨轮车模 绞肉机车轮 粗橡皮筋车模 光滑定时橡皮轮胎车模 None 粗糙定时橡皮轮胎车模 在上面10中车模中，你认为那种车模满足规则中要求？ 竞赛组委会关于节能车模的机械结构补充说明文档将会在12月份在竞赛网站公布。 smartcar.cdstm.cn/index**None 温暖的爱情车模 恭喜赵小姐加入恩智浦俱乐部三个月，通过自己的努力喜提博思威龙新C车模。做车新女性，左手事业，右手家庭。她热情大方，敢于开拓，做恩智浦（智能车竞赛）就是为了让她男朋友通宵时能有事情做。** None ^给卓大大看看我的女朋友 | 公众号留图^ None None ^缘分让我们相遇赛道之外，命运却要我们在赛场上相爱 | “嗨，大工程”公众号推文^ 来源： CSDN 作者： 卓晴 链接： https://blog.csdn.net/zhuoqingjoking97298/article/details/104135228

前几天陆续有多个同学在公众号中留下了这段室外自动无人赛车运行录像。录像中的赛车在开始的一段时间内，缓慢行进在比赛场地内。场地上是由一些交通锥桶组成了一个封闭的赛道环境。 真正令人激动的时刻开始于录像中的36秒钟。在经过了一周搜索建立地图之后，伴随着令人血脉喷张赛车马达的轰鸣声，赛车开始在场地内极速奔跑起来。 ^无人赛车运行视频 | 公众号留图^ 从上述赛车行进图像以及右侧实时给出建立地图和搜索过程来看，对赛车进行导航的技术是SLAM技术，即：Simultaneous Localization and Mapping, 同时定位与建图技术。 对于任何一个无人操作的机器人或者汽车，都需要回答这是什么地方，自己在哪里，如何规划自己的行进路径等。在SLAM中第一个技术是定位(Localization)，回答自己的周围是什么，这是什么地方的问题。第二个技术是建立地图(Mapping)，回答自己在那里。 有了以上信息，便可以随后进行路径规划（Navigation）为完成任务进行自主导航。 德国达姆施塔特理工大学研发机器人使用激光雷达来走迷宫 SLAM是智能车利用自身的传感器来感知自身和外界信息，逐渐完成环境地图创建，并进行自身的定位技术。这些传感器包括有罗盘、加速度计、例程仪(内部传感器)，视觉传感器，激光雷达（外部传感器）等。其中外部传感器非常关键

现在的玩具如果不标有AI，那就实在不好意思出售。下面这款HotWheel Ai Intelligent Race Car，售价99美元。它可以在专用的赛道上自主行进，也可受到遥控器的操作。 它与普通的遥控车模不同的就是可以自主在赛道上快速行进，而不必担心车模会冲出赛道。 那么究竟这款车模是用什么原理保证车模始终运行在赛道上呢。真的使用人工智能来导引车模运行？如果仔细观察这款车模，在其上没有明显的安装摄像头和光电传感器，因此用于它导航的机理估计只能来自于赛道上那些不同的颜色了。 这里有两种可能。一种就是利用赛道由内往完逐渐变深的颜色，也就是赛道的反射率变小，通过车模下方，前后两个光电管检测反射光的差别来确定车模前后偏离赛道中心距离以及对应的方向偏差，进而控制车模转向。 另外一种就是在赛道表面打印有特殊的纹理（类似于二维码，或者随机散点）对赛道进行编码。车模通过下方的光电传感器读到对应的赛道编码，从而得到车头和车尾距离赛道中心的距离，进而进行导航。 当然了，也许存在所谓的AI算法。那究竟是什么呢？ 这令人困惑的一方面，就像魔术一样也会令人惊奇的。 当然，HOT Wheel真正令人激动的不是看着它自个儿在赛道上狂奔。而是两个，或者多个赛车在人的操控下，可以使用一些干扰技巧来阻碍对手车模的运行。比如直接停在后车前面使其冲出赛道，或者使用虚拟的障碍（漏油）使对手车模产出侧滑，漂移等。

在今年的比赛中，准备引入四轮麦克纳姆轮新型车模，用于信标组的比赛。前面不少同学对于该车模中测速问题提出了疑问： “卓大大，信标的H车模用齿轮带麦伦怀疑它的扭矩是否足够，是不是齿轮很容易断。其次麦伦运行要四个编码器，一个编码器300，H车的成本就是1800，是否价格太高了，是否可以考虑电机中集成编码器。”“卓大，信标的车模是普通电机还是编码电机？普通电机再加编码器成本会大大增加呢。用编码电机应该更便宜一些吧？” 车模厂商提供的四轮麦克纳姆轮车模样品 由于麦克纳姆轮车模需要通过四个轮子不同的转速完成前后、左右以及转向运动。所以需要精确控制四个车轮的速度，否则车模的姿态难以精确控制。 如果使用传统的测速光电编码器，按照同学从网络上购买的价格： 300元每只，则整车中只是测速传感器的价格就会达到1200元。这样会超出很多参赛队伍的经费预算。 直流电机R41-35050SDLD电机带动麦克纳姆轮转动 为此，车模提供商给出了一款带有HALL编码器脉冲输出的直流电机解决方案。在电机的后面转子轴上安装有一个环形磁铁，通过两个霍尔传感器获得磁铁的磁场强度，进而通过小板上的8F5701单片机完成计算，输出对应的脉冲信号。 这个电机的大小与原车模上的电机相同，可以直接替换。价格也只增加了几十元，相比传统的光电编码盘便宜了。 带有HALL编码器的直流电机

提出问题****卓老师 您好，自从我参加智能车比赛后，学长就对我们说舵机控制采用pd控制，后轮用pid控制。我想了很久，没有明白，因为舵机控制里面有I系数的话会震荡。可是如果有I的话可能会更精准些，我感觉我陷入了死循环。 谢谢老师。 ^插图 | 网络插图^ 洞察 事物真相，避免思维死循环的一个有效方法是使用数学语言帮助推导和理解。 从上述提问中可以看到参加竞赛的同学对于自动控制原理 有了初步了解，但有可能还没有系统的学习。当然，通过实际工程挑战探讨背后的控制原理是再适合不过的了，至少对于某些同学来说。下面就来回复上述问题。 车模在赛道上运行，其中车模中心偏离赛道的距离d(t)是受车模前轮转角θ(t)所决定的。假设车模运行速度恒定，为Vc。那么在delta(t)时间内所产生的位置偏差为：Vc×delta(t)×θ(t)。 车模转向与重心偏离之间的积分关系 把上面的微分等式两边进行积分，可以得到车模中心偏差d(t)与舵机控制前轮角度偏差θ(t)的之间的积分关系了。当θ(t)比较小的时候，积分关系可以变成一个线性的积分方程。 车模中心偏差d(t)与控制转角θ(t)之间的关系 对于带有积分特性的对象，使用比例反馈控制就可以获得零偏差的控制效果。具体的原理分析可以在一般的控制原理书上找到，在这里就不再进行累述了。对于车模控制来说，只要有偏差，就产生一个等比例的转向偏角，最后通过运动积分

前天收到智能车竞赛车模供应商送过来的电动摩托车模的样品，计划近期进行测试它的特性。 电动摩托车模外观 这款车模运动包括前后两个车模。前轮为被动轮，后轮是动力驱动轮，由小型直流有刷电机通过定时皮带轮驱动。 前轮固定在前车叉，通过两个平行杆车体中的舵机输出转向杆相连。舵机控制前轮的方向。 相比于前一款电动摩托车膜，这款车膜没有增加平衡动量轮，所以整体车模非常轻盈。但该车模只能维持运动平衡，无法保持静态平衡。 电动摩托车膜外观 小型直流电机通过定时皮带轮驱动后轮。为了保证皮带轮有一定的张力，在皮带的中间有一个螺栓外套一个滚筒压住皮带轮。这使得皮带轮与轴承之间存在着很大的摩擦力。 在电机上施加3~6V的电压，后轮被拖动转动。由于摩擦力的存在，在空转的时候，电机工作电流在2A左右。当电压小于3V时，静态摩擦力使得电机无法转动。这会对后面进行速度控制造成一定的困难，应该需要进行改进。 驱动电机通电后转动 为了对后轮进行速度控制，车模对于小型电机配有512线的光电编码盘散件。散件包括有光电码盘电路、光栅、引线、保护塑料壳以及固定工具配件。 这个光电编码盘可以直接固定在驱动电机的后端引线上。 512线光电编码盘散件 光电编码盘通过两个焊盘与电机后端引线焊接。驱动电机电压通过统一的“外部接口”与控制电路板相连。焊接后，电机引线也为电路板提供支持。 外部接口包括六根线：左右两个是电机驱动引线

智能车轮胎的要求： 关于轮胎对车模运行状态的影响，对于一些车模可以对轮胎充气，但这个充气到底应该充多少为好？还有就是搓轮大法，去年和队友对于这个轮胎研究了很久，他的想法是对轮胎充气，然后把轮胎封死，还有就是用软化剂对轮胎进行软化，在车模较高速运行状态下，在拐弯时轮胎发生型变，接触面增大，可以保证车模的运行状态。搓轮的前提是吧车轮胎中的海绵取出来，然后加点类似瑜伽垫的那种海绵，同样是把车轮用软化剂软化，到时候是里边硬外边也硬，中间就是个橡胶软的，这样也会保持车模运行时的良好状态。 来源： https://www.cnblogs.com/learnpython/p/11890543.html