在竞赛中脱颖而出 - TIS工业相机赞助学生赛车团队到达终点线

在竞赛中脱颖而出 - TIS工业相机赞助学生赛车团队到达终点线

受到世界学生赛车（FSAE）启发，大学学生赛车队从零开始，自行设计和制作赛车，参与FSAE Japan，2018年转型制作电动车，并于隔年勇夺电动车第二名成绩，并获得最佳电子系统设计、效率奖等奖项。近年来，自动驾驶车已成为汽车产业的一大趋势。为求突破，学生团队开始自行开发自驾赛车，The Imaging Source 映美精相机 提供DFK 33UX273 相机以及相关配备，协助团队达成目标。

定位及建立地图信息

团队先制作一台缩小版赛车（如下图一）来测试硬件以及软件设计，团队目前开发之自驾系统由传感器融合与导航控制两部分构成，由角锥定义之赛道实现对应的定位及导航系统，借此验证软件架构的可行性。 软件验证的方法融合了许多传感器类型的数据，如加速计、飞时测距(ToF)以及视觉传感器。 此传感器融合的过程可以达到最佳感测及导航控制。而视觉感测一直是无人车发展组成的一部分，用于可视化环境中的物体，如标志和车道标记，视觉数据也可用于解决任何自动驾驶车面临的另一个基本挑战 ─ 确定自己在三维空间中的位置的能力。

图一： 学生以一台缩小版赛车先进行测试，双相机搭配主机于小车上。（左上角为概念图，右下为实际测试赛车）

机器视觉辨识一直是自驾车不可或缺的一部分，有如无人车眼睛，帮助赛车在赛道上辨识且避开障碍，畅行无阻。 一开始，学生安装单台USB 3.0  DFK 33UX273工业相机，整合成一个单相机系统。 相机的输入被分析为环境信息（例如黄色和蓝色的角锥--下图二），同时也用于帧对帧的视觉追踪。 相机的连续图像被用来估计相机（车子自身）的实时位置变化，进行单反视觉测距（VO），然后 使用扩展卡尔曼滤波（EKF）和FastSLAM-1.0算法，测量环境的基本结构和几何形状。 然后，这些特征被汇总到一个视觉地图中，以高精度的方式预估汽车的位置（同步定位和建立地图信息 ---  SLAM）。 

图二：计算机视觉算法运用视觉数据，不仅能辨识物体及周遭环境变化，同时也能进行定位及建立地图信息（SLAM）。

双眼看得比单眼广

在测试过程中，学生团队发现单台相机系统所提供的视野（FoV）还是有点太窄了（下图三a），过程中仍然有一些死角，无法完整辨认全数角锥 。借鉴其他赛车队的经验，学生们决定测试在视觉系统中增加第二个相机，以增加视野并捕捉所有环境障碍物（图三b）。USB 3.0相机快速有效地连接到计算机，将图像信息从相机实时传输到数据库。 经过测试，双相机系统便能成功辨识到所有角锥。

图三（a）： 单相机赛车已能辨识大部分角锥，但仍然有一些死角。

图三（b）： 增加第二台相机后的双相机系统拓展了赛车的视野，也成功地捕捉到所有角锥的影像。