01 參賽體會與建議

一、參賽體會

在本次比賽中，我們使用的是NXP公司的RT1064芯片。該芯片具有600M主頻以及1M的ram,這樣的性能提供了極高的可玩性，實測使用八鄰域算法處理原始圖像并獲得偏差只需要0.3ms?？梢院芸鞂崿F(xiàn)自己的想法而不是將時間用來解決數(shù)組定義多或者處理時間太長需要優(yōu)化代碼等。

為了實現(xiàn)識別任務(wù)，我們最開始是準(zhǔn)備加上云臺來兼顧識別tag以及路邊的圖像，但是加上云臺后小車重心提高了會對循跡效果有影響。然后我們發(fā)現(xiàn)只要將OpenArt傾斜一定角度就可以完成這兩個任務(wù)，所以我們最終只使用了一個舵機來控制其左右旋轉(zhuǎn)。

在圖像識別中，我們發(fā)現(xiàn)OpenArt的識別很受環(huán)境光的影響。比如自帶的庫函數(shù)find_rectangle()在不同環(huán)境光下會有不同的成功率，需要其他的方式來輔助識別。

OpenArt和Openmv一樣屬于高集成度的模塊，使用是只需要簡單調(diào)用函數(shù)就可以做到一些復(fù)雜的功能，但是在實際體驗中給我的感覺很不自由，很多想法和想得到的信息比如RGB色彩信息等不能夠很好得實現(xiàn)和得到。

二、老師建議

我們期待和NXP公司進行合作，并且我們學(xué)校在前幾年已經(jīng)和曾經(jīng)的飛思卡爾公司進行了合作，具有一定經(jīng)驗，非常期待和NXP公司進行合作。

三、同學(xué)建議

我們覺得這個組別的工作量很大，相當(dāng)與是四輪組加上圖像識別，在準(zhǔn)備比賽時常感到任務(wù)太重。我覺得既然是注重識別，那就可以在循跡方面適當(dāng)降低難度，比如取消一些元素或者降低循跡得分的比重。然后是比賽具體的執(zhí)行上有一些漏洞，比如tag碼旁只有一側(cè)標(biāo)靶，就意味著根本不需要識別tag碼就能判斷出標(biāo)靶方向。

02 展望與建議

這兩年的比賽的成功舉辦也說明很多大學(xué)生是有能力完成一些嵌入式AI任務(wù)。最近機械導(dǎo)盲狗比較熱門，我覺得我們也可以用AI來實現(xiàn)導(dǎo)盲狗的部分功能比如人體識別，姿態(tài)識別，手勢識別，以及交通標(biāo)志識別等。這樣的功能可以在雙車?yán)飳崿F(xiàn)，比如前車允許使用OpenArt來識別手勢，交通標(biāo)志等然后整合信息發(fā)給后車，后車根據(jù)導(dǎo)航信息來跑。

最后希望智能車競賽越來越好。