智能车

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

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

在2005年，我与同事们一同到韩国汉阳大学Sunwoo教授那儿，学习了他们举办的全国大学生智能车竞赛的比赛情况。次年，在中国开展了形式相同的智能车竞赛。今年，韩国举办了第16届全国大学智能汽车。 今年，在我的组内有三位来自韩国的留学生做毕业设计。请他们对于今年韩国智能车竞赛的报道进行了翻译。对于下面文中的用词造句大家不要感到奇怪。 2018 年 7月 12 日在首尔杏堂洞汉阳大学附近的奥林匹克体育馆举行 了 “2018 智能模型车 大赛 ”。汉阳大学未来汽车研究所今年主办了这第 16次大赛。这次 大赛引起了大学生们对自动行驶车的兴趣 。 全国有10 个队申请，其中47所大学的89个队最终登记(被选上)。之后在激烈预选赛后剩下了14所大学的19个队进入了 进入了 决赛 。 None 比赛期间，参赛者们 打开开关后，模型车开始自己行驶 了。在 30米跑道 ， 弯曲 赛道上模型车像流水 一样 行驶 ，遇到障碍物的话模型车改变轨迹继续移动。 在减速区间车子会减速 ，在停止区间 会停下来。为了提高模型车的自动 行驶 ，参加 队的成员们从今年的 3~4 月份 开始留下了汗水去完成 这次的模型车任务 。 通过确认数据，利用图像理的线相继等传感器和红外线相继进行计算距离，并向马达传达的部分，决定方向的朝向装置等自律形式，设计出算法，精心准备了大会。 参加者们简单地设计了自动行驶模型车