工程師的搖籃 聊FSEC/FSAC賽車前沿技術

● 沒有車手的賽車

　　以FSAC的冠軍——北京理工大學純電動方程式賽車隊的“戰車”為例，其實無人駕駛方程式賽車的研究開發，大多數都是建立在電動方程式賽車上的，各位可以把FSAC看成是FSEC的進階版，也就是我們常說的“從FSEC到FSAC”。

　　簡單來說就是：學生們通過給電動方程式賽車加上——環境感知、智能決策、執行控制三大系統，從而讓方程式賽車自己按設定的路線自己跑起來。

　　最有看頭的我想應該就是環境感知系統了，它相當于賽車的“眼睛”，是由激光雷達、攝像頭和高精度GPS組成；而智能決策系統相當于賽車的“大腦”，處理“眼睛”接收的信息進而分析處理；執行控制系統相當于“四肢”，用于橫縱向控制。

　　激光雷達具有很高的測距精度，基于采集的原始點云信息，進行處理區域的劃分，使最終需要處理的數據量遠低于原始值。在此基礎上采用Point Cloud Library (PCL點云庫方法做后續的處理，對原始數據進行濾波、去離群點、投影、聚類、取中心點等一系列流程，最終提取出錐桶在坐標系中的坐標。

　　看到這里，或許有網友疑惑了，為什么車頭的傳感器只有一臺激光雷達？其它的諸如超聲波雷達、毫米波雷達就怎么就不裝上車？針對這些問題，筆者咨詢了吉林大學吉智無人方程式賽車隊隊長，他說一方面是因為超聲波的傳輸速度易受天氣情況和方程式賽車的車速影響，處理測距時有可能跟不上車輛的實時變化，另一方面是超聲波散射角大，導致方向性較差，不利于運用到方程式賽車上。

　　攝像頭主要識別紅色錐桶和黃色錐桶，以控制賽車的轉彎和停止。首先采集車前方圖像，采用中值濾波方法，極大的保留了圖像邊緣信息，有效去除了各種小噪點，此外所采用的HSV顏色空間，方便進行顏色空間轉換，我們分割圖像的閾值范圍，從而保留需要的顏色。其次，對閾值分割后的圖像進行形態學開運算和閉運算，得到錐桶區域以及與錐桶形狀接近的區域。最終采用了區域的面積、方向、圓度特征，準確的分離出紅色大錐桶和黃色錐桶。

　　借助高精度GPS，賽車可以記錄下每一次行駛的軌跡，并按照之前的路徑高速行駛。在此之上，決策系統是基于ROS（Robot Operating System）操作系統開發而來，針對每一比賽項目使用C++編程語言設計和編寫相應的控制程序并封裝在同一個ROS包下。通過運行各個不同節點，可以快速啟動并且運行不同控制序、數據傳輸以及處理速度。

總結：

　　同樣是作為大學生方程式大賽的系列賽事（包含BSC巴哈賽、FSCC內燃機賽、FSEC電動車賽、FSAC無人車賽），FSEC相比起FSCC，算是一次進階，它要求賽事參與者掌握的技術更高，主要源于電源管理系統、電池技術、電控系統的綜合設計與控制，即使在大學和企業界都并非完全成熟的技術，賽事參與者需要邊學邊做。而FSAC相比起FSEC，則又是一次進階，畢竟無人駕駛技術具有超前和跨界的雙重特點，尚無一家車企來得及對此技術做出完整布局，我想，隨著賽事參與者經驗地累積和不斷地學習探索，或許這個賽事確實是一個青年工程師的“搖籃”，為祖國輸送一批又一批的專業性人才。（圖/文/攝 汽車之家 蘇煒祺 圖片來源：蔚來官方）

查看同類文章：

汽車賽事

電動車改裝

更多精彩內容：

模型社

性能嘉年華

做汽車達人，不做汽車盲人！