1. 雁过留痕组别竞赛概述
全国大学生智能汽车竞赛是国内最具影响力的高校科技竞赛之一，其中"雁过留痕"组别因其独特的比赛机制和技术挑战性，吸引了众多参赛队伍。这个组别要求参赛车辆在PVC赛道上行驶的同时，使用紫外线激光在特定感光靶标上留下痕迹，考验了参赛队伍在机械设计、自动控制和计算机视觉等多方面的综合能力。
作为参加过三届智能车竞赛的老队员，我深刻体会到这个组别的独特魅力。它不仅考验传统智能车的循迹能力，还增加了精准打靶的挑战，对系统的实时性和稳定性提出了更高要求。下面我将结合竞赛规则和实际参赛经验，详细解析这个组别的技术要点和参赛策略。
2. 比赛规则与技术要点解析
2.1 赛道与靶标布置
比赛使用标准PVC赛道，宽度约45cm，背景为蓝色。赛道包含直道、弯道、十字交叉和环岛等元素。靶标采用紫外线感光纸，通过磁吸方式固定在赛道上，每个靶标中心有一个直径约5cm的圆环。
靶标布置有以下特点：
- 位置随机性：每次比赛前靶标位置会重新布置，可能出现在直道、弯道或特殊元素中
- 间距要求：相邻靶标间距不小于1米
- 高度限制：靶标平铺在赛道上，不额外增加高度
特别注意：靶标不是固定在赛道上的，而是通过磁吸方式吸附，这对使用负压系统的车模提出了额外挑战，需要避免吸附靶标导致移位。
2.2 车模规格与改装限制
参赛车模必须使用组委会指定的B型或C型四轮车模，主要规格限制包括：
-
底盘改造：
- 允许在原有底盘上叠加碳纤维板加固
- 允许打孔安装负压装置
- 禁止完全替换原有底盘
-
驱动系统：
- 电机必须使用原车模配套型号
- 允许打磨轮胎，但直径不得超过原车胎
- 可使用硅胶胎或光头胎
-
转向系统：
- 舵机型号需在指定范围内选择
- 允许自行设计舵机安装方式
- 可更换舵盘
-
负压系统：
- 允许使用涵道负压
- 无刷电机驱动需自制
- 必须做好安全防护
2.3 电子系统要求
电子系统是比赛的核心，主要限制如下：
-
主控芯片：
- 必须使用STC单片机作为主控制器
- 允许使用多片STC协同工作
- 禁止使用其他品牌MCU
-
传感器系统：
- 仅允许使用一个摄像头进行赛道识别
- 禁止使用光电管阵列
- 允许使用TOF、IMU等辅助传感器
-
打靶系统：
- 激光器功率无限制
- 激光器数量无限制
- 云台控制可使用FOC驱动
- 云台控制芯片需使用STC
-
其他限制：
- 禁止使用无线通信
- 所有电路板需自制（核心板除外）
- 预算限制（具体金额待定）
3. 关键技术实现方案
3.1 车体机械设计要点
基于比赛规则和往届经验，优秀的机械设计应关注以下方面：
-
底盘加固与负压系统：
- 使用1-2mm碳纤维板叠加原底盘
- 合理布置涵道位置，避免影响靶标
- 设计负压开关控制，经过靶标时临时关闭
-
悬挂系统优化：
- 可调整弹簧预压量
- 增加阻尼装置减少震动
- 保持四轮接地良好
-
打靶机构设计：
- 云台需快速响应（建议使用无刷电机）
- 激光器安装稳固，避免震动偏移
- 考虑多激光器阵列方案
-
重心与配重：
- 尽量降低整体重心
- 电池等重物居中放置
- 保持左右重量平衡
3.2 控制系统架构设计
典型的控制系统采用双MCU架构：
-
主控MCU（STC32G）：
- 负责图像处理
- 计算赛道中线
- 生成控制指令
-
辅助MCU（STC32G）：
- 处理IMU数据
- 控制云台运动
- 管理激光触发
两片MCU通过UART或SPI通信，关键是要确保：
- 图像处理帧率不低于60fps
- 控制周期在5ms以内
- 通信延迟小于2ms
3.3 视觉处理算法
靶标识别是比赛的核心难点，推荐的处理流程：
-
图像预处理：
- 白平衡校正
- 动态阈值分割
- 形态学处理
-
靶标检测：
- 基于颜色的粗定位
- 圆环检测（Hough变换）
- 靶标距离估计
-
位置预测：
- 结合IMU数据补偿
- 运动轨迹预测
- 提前量计算
实测表明，在640×480分辨率下，使用优化后的算法可以在10ms内完成全套处理。
3.4 运动控制策略
不同于传统智能车，雁过留痕需要兼顾行驶和打靶：
-
速度规划：
- 直道段加速
- 接近靶标前减速
- 打靶瞬间保持匀速
-
舵机控制：
- 使用PID+前馈控制
- 不同曲率弯道参数自适应
- 考虑轮胎滑移补偿
-
打靶时机：
- 提前开启激光（约0.5秒）
- 根据距离动态调整照射时间
- 确保靶心区域充分曝光
4. 常见问题与解决方案
4.1 靶标识别不稳定
问题表现：
- 漏检率高
- 位置估计不准
- 受光照影响大
解决方案：
- 多特征融合检测（颜色+形状+纹理）
- 增加IMU辅助定位
- 动态调整曝光参数
- 建立靶标运动模型
4.2 负压系统干扰靶标
问题表现：
- 靶标被吸附移位
- 车模经过时靶标飘起
- 影响后续打靶
解决方案：
- 在靶标区域临时关闭负压
- 降低负压风扇转速
- 增加靶标识别距离
- 优化负压风道设计
4.3 打靶命中率低
问题表现：
- 激光点偏离靶心
- 痕迹太浅不达标
- 多次打靶效果差
解决方案：
- 使用更高功率激光器（建议≥100mW）
- 增加激光器数量（3-5个阵列）
- 优化云台控制算法
- 提前开启激光预热
4.4 系统实时性不足
问题表现：
- 控制延迟明显
- 图像处理掉帧
- 多任务冲突
解决方案：
- 优化代码结构（减少浮点运算）
- 合理分配双MCU任务
- 使用DMA传输图像数据
- 关键任务中断优先
5. 参赛经验与建议
5.1 开发流程规划
合理的开发时间安排：
-
第一阶段（1个月）：
- 熟悉车模和基础循迹
- 搭建最小硬件系统
- 完成基础图像处理
-
第二阶段（1.5个月）：
- 实现稳定赛道识别
- 开发靶标检测算法
- 搭建打靶机构原型
-
第三阶段（1个月）：
- 系统集成与调试
- 优化各项参数
- 模拟比赛场景测试
5.2 关键参数调试
必须重点关注的参数：
-
图像处理：
- 颜色阈值范围
- 曝光时间
- 图像ROI区域
-
运动控制：
- 舵机PID参数
- 速度规划曲线
- 打靶提前量
-
打靶系统：
- 激光开启时间
- 云台响应速度
- 多激光同步策略
5.3 比赛策略建议
基于往届经验的实用建议：
-
稳定性优先：
- 确保基础循迹可靠
- 宁可错过靶标也不要冲出赛道
- 设置合理的速度上限
-
靶标处理：
- 优先保证直道靶标命中率
- 复杂路段可选择性放弃
- 建立靶标优先级策略
-
现场调试：
- 准备多种参数预设
- 快速调整工具
- 备用硬件方案
参加智能车竞赛是技术能力与团队协作的双重考验。雁过留痕组别尤其考验系统的综合性能和稳定性。通过合理的机械设计、精准的控制算法和可靠的视觉处理，配合充分的测试验证，才能打造出有竞争力的参赛作品。记住，在追求性能的同时，稳定性始终应该是第一位的。