苏黎世瑞士联邦理工学院（ETH）的 工程学生Manuel Dangel 和队友 本月早些时候在德国霍根海姆郡的方程式驾驶员驾驶赛车上走路，当时他们意识到他们用来映射课程的电脑手推车已经走了。[ 参见德国公学生比赛中的学生种族无人驾驶汽车“，2017年8月16日。
作为赛道活动的一部分，组成整个比赛的几个赛事中的一个，规则允许队伍半小时步行赛马场，并进行测量，他们可能需要编程无人驾驶赛车。Dangel说道，由于赛道运动事件由十个独奏圈组成，在交通锥中同样是不变的过程，“基本策略是在地图内运行”。如果在活动之前无法制作地图，则必须切换到更复杂的策略。
苏黎世学生工程师名为“Flüela”的汽车是为了纪念瑞士山地通行证，是2015年“学生电动赛”的老将。它的建造者给了它两种类型的眼睛：激光雷达和光学，以及几种测量其地面速度的方法。他们还给出了两种导航方式：在预先加载的地图之后，或者在前几圈中构建自己的地图，这需要较慢的驾驶和可信赖的传感器。
为了制造自己的地图，它必须使用激光雷达来区分交通锥的三角形，并确定锥体之间最有效的正确路径。这比听起来更难，因为激光雷达没有检测到颜色，这是种族组织者如何区分轨道左侧和右侧的锥体。相反，学生们必须编写概率树，如图所示。识别锥体可能对人类来说显而易见，但对于电脑来说，它们可以像背景中的物体一样看起来很像，如高草。轨道上的水也可以反映看起来低于地面水平的锥体的图像，进一步令人困惑的事情。很多无驾驶驾驶可能在眼睛里，但更多的是在大脑中。
一旦团队意识到他们的手动地图制作不起作用，他们激活了所谓的发现模式，所以汽车可以在开动时映射锥体。发现模式还采用独立的光学相机系统，可以检测锥体的颜色并提供交叉检查。Dangel说，该系统是从为无关的无人机开发的ETH算法中借用的。
而激光雷达和光学算法两者都应该帮助汽车找到相对于正在建造的地图的位置，准确的地面速度是校正激光雷达系统的空间旋转和运动的关键因素。我测试车辆，c ar制造商倾向于使用光电地面传感器，它像您的光电鼠标一样工作，Dangel说。事件中的一些团队使用差分GPS，其将基于地面的信号与卫星信号进行比较，以在空间中定位汽车。但是，在生产汽车中，两个选择都不可行，而这些汽车必须更加独立，更符合环境。“我们必须做一个非常相似的权衡与行业，”丹格尔说。
所以，这个团队使用的轮速传感器并不理想，因为快速赛车涉及燃烧橡胶，因为轮子抓住加速和转向的道路。换句话说，汽车本身不会以其轮子可能暗示的速度移动。在这种情况下，车队决定禁用汽车的牵引力控制，所以他们可以在惯性测量单元旁边使用车轮速度传感器。他们获得的速度信息足够干净，可以喂食激光雷达并保持轨道。
球队的权衡意味着他们的赛车不是最快的赛车，而是唯一一个完成所有赛程的车。第二名球队，而不是建立一个轨道的地图，依赖于一种避障系统，“看到鬼魂锥，”丹格尔说，并冻结了两次。这并没有帮助比赛组织者把球道放在比他们宣布的更近，而一些汽车的算法不会让汽车通过更窄的轨道。
所有的复杂性意味着公式学生无人驾驶赛车轮对轮可能是多年。当他们准备好的时候，丹尼尔不敢发音，但他说：“真的很有趣，真的很难”。
免责声明：本文由入驻邦投条平台的作者撰写，除邦投条官方账号外，文章观点仅代表作者本人，不代表邦投条立场，文章版权归原作者所有，请联系原作者申请授权。文章内容仅供参考，不构成投资建议。若有投资者据此操作，风险自担。如您发现内容存在版权问题，请提交相关链接至邮箱：banquan@rongebang.com，我们将及时予以处理。阅读更多有价值的内容，欢迎下载 邦投条APP
