智能車賽事感想
【古典時刻】
2. Allegretto
Scriabin: Piano Sonatas Nos. 3, 4, 5 & 9
Vladimir Ashkenazy
00:00/02:17
斯克里亞賓 - 升f小調第3鋼琴奏鳴曲
Op.23 Piano Sonata No.3, Op.23 (Scriabin)
《第三鋼琴奏鳴曲》創作於1898年，也是斯克里亞賓以演奏金獎畢業後留校任教鋼琴的那一年。細細分析他的創作思路以及他在作品中如何體現自己非凡的鋼琴造詣，是指明我們日後演奏之路必不可少的步驟。這首奏鳴曲共有四個樂章，要較好地掌握演奏本身，首先要完全地、透徹地了解作品各部分的內容，以及各部分所表達的含義，再加之演奏者的技巧及演繹，才能表現出作品的精髓。
智能車賽事感想
終於結束了,在比賽進行到最後的關鍵時期，隊員基本與時間賽跑。最後的結果還是不錯的，儘管我們在正式比賽前一天才達到我們心目中的理想目標。
我總結的第一句，過程艱難。如果你有機會實踐一遍，這幾種的任何一個節點都可以成為挑戰與優化的對象。
基礎節點投入失衡
車道線檢測如此基礎的模塊，應該在評分機制上給多一些，當然，我們的基於圖像的擬合效果，儘管最後沒有在黑馬獎展示，但我們感到滿意，另外我們應該也是實現紅綠燈識別的唯一一支隊伍。關於這一點，我覺得跟主辦方的示例方案有關係，因為主辦方在示例的案例中有寫「捨棄紅綠燈模塊」，但這個模塊中是佔到20分左右的。
有具體的積分規則，時間、賽道的運行情況、智能跟車、停車入庫，障礙物避讓等功能讓我們覺得規則的方案，是解決這個「面向賽道、面向規則」場景比較好的方法。也許是熬夜降低了我們對質量的要求，我們四個人感覺效果還可以。起初，我們想大而全地搞定所有模塊，真正將車道線檢測做到目標效果，是在昨晚，當時可以繞著賽道運行6圈。
讓人欣慰的是，有很多隊伍車道線監測的方法有駕駛區域的，有灰度鳥瞰圖之後窗口化選擇車道線的，窗口化選擇可駕駛區域的，但偏離賽道後回到賽道的少之又少。我很驕傲我們團隊的監測做到了這一點。
端到端是另外一個方案，他的優劣已經很明顯。實現起來也簡單，可以稱得上是無人駕駛屆上手的好方法，同事也是賽事的常客。
控制不夠精細
拋開車輛平台，以上的各個檢測識別功能，也就是感知能力，跟車輛的控制邏輯密切相關。但我們往往忽略了最重要的控制演算法。一個問題，如何讓一輛車平穩運行？控制邏輯做不夠精細，就像新手開車是一樣的。新手需要在開車的經驗中不斷感受車輛的反饋狀況，漸漸地變成老司機，漸漸地擁有老司機平滑的控制。有個隊的執行邏輯簡單有效，非常適合賽事競速邏輯：直線瘋狂加速，遇到轉彎急剎和轉角像車禍前兆，這個控制邏輯在乘用車上是走不通的，體感會非常差。
再次，拋開上面感知、規劃層，另外一個控制不夠精準的原因是，我們對車輛平台的理解太淺了。如何達到精細化的控制？至少控制指令中應該包含車輛行駛的歷程軌跡。這樣才能根據時間判斷出車輛在上一時刻的決策，上一時刻的決策內容，可以給一些權重，比如前一幀的控制指令佔比0.5,再前一幀的角度控制指令佔比0.3，再前一時刻佔比0.2，以此類推。這是我們實現控制的大致方案，當然其中也嘗試過一些其他的嘗試，比如PID控制，但效果沒有想像中好，這個跟車輛的控制有關。
這跟我們目前的對車輛的理解有關係，所以以後還是多增加些對車輛平台的了解。
TAG:菲常印記 |