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自己的想法而不是將時間用來解決數組定義多或者處理時間太長需要優(yōu)化代碼等。

為了實現識別任務，我們最開始是準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)現只要將OpenArt傾斜一定角度就可以完成這兩個任務，所以我們最終只使用了一個舵機來控制其左右旋轉。

在圖像識別中，我們發(fā)現OpenArt的識別很受環(huán)境光的影響。比如自帶的庫函數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用函數就可以做到一些復雜的功能，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，并且我們學校在前幾年已經和曾經的飛思卡爾公司進行了合作，具有一定經驗，非常期待和NXP公司進行合作。

三、同學建議

我們覺得這個組別的工作量很大，相當與是四輪組加上圖像識別，在準備比賽時常感到任務太重。我覺得既然是注重識別，那就可以在循跡方面適當降低難度，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碼旁只有一側標靶，就意味著根本不需要識別tag碼就能判斷出標靶方向。

02 展望與建議

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

最后希望智能車競賽越來越好。