智能車賽道記憶算法的研究

　　雖然我們已經(jīng)能夠方便地從初圈記錄下的曲線圖中判斷出賽道的特征，但是我們還需讓單片機(jī)能自動(dòng)識(shí)別出這些信息，并過(guò)濾掉一些毛刺和波動(dòng)。經(jīng)過(guò)反復(fù)的研究，我們已成功地找到了合適的處理方法，并將圖2的曲線圖處理為圖4所示的路線圖。在處理后的路線圖中，處理值為0時(shí)表示此時(shí)車處于直道上;當(dāng)處理值大于0時(shí)表示車處于向左轉(zhuǎn)的彎道上，曲率半徑與處理值成正比關(guān)系;反之亦然。這樣，第二圈就可根據(jù)此信息進(jìn)行相應(yīng)的最優(yōu)決策。

　　第二圈策略

　　對(duì)于使用賽道記憶算法的智能車來(lái)說(shuō)，第二圈才是最關(guān)鍵和最吸引人的部分。在第二圈，如何充分利用根據(jù)第一圈收集的賽道信息，跑出最優(yōu)的成績(jī)，這個(gè)是仁者見(jiàn)仁的事情，這里只從車速策略、轉(zhuǎn)角策略以及其他策略三部分簡(jiǎn)單地介紹一些思路，希望能起到拋磚引玉的作用。

　　車速策略

　　由于車本身的某些局限性，如舵機(jī)響應(yīng)時(shí)間、賽道摩擦系數(shù)、輪胎抓地力、傳感器布局等因素的影響，對(duì)于某種特定彎道，車是有它所謂的極限速度存在。如果我們利用初圈得到彎道的曲率半徑后，在過(guò)各彎道時(shí)將車速調(diào)至它相應(yīng)的極限速度，那么理論上這就是它所能跑出的最優(yōu)成績(jī)了。

　　對(duì)于直道，特別是長(zhǎng)直道，更能發(fā)揮賽道記憶算法的優(yōu)勢(shì)。例如，在初圈記憶后得到某段直道為2800個(gè)脈沖點(diǎn)長(zhǎng)，那么在決策中就可在前2500個(gè)脈沖時(shí)啟動(dòng)電機(jī)用最大占空比加速，超過(guò)2500脈沖時(shí)直接減速，將速度調(diào)在下一個(gè)彎道的極限速度進(jìn)行過(guò)彎。由于事先已經(jīng)知道直道的長(zhǎng)度，因此調(diào)速策略更能有的放矢。

　　轉(zhuǎn)角策略

　　如果賽車采用的是一字型傳感器布局的話，當(dāng)你將中心點(diǎn)設(shè)偏的話，那么賽車也會(huì)出現(xiàn)一定的左右傾向性，從而給在彎道時(shí)“抄近路”奠定了基礎(chǔ)。在初圈記憶后，賽車跑第二圈時(shí)可以直接得出下個(gè)彎道是左拐還是右拐。這樣賽車就可以按比規(guī)定更小的曲率半徑通過(guò)賽道，從而減少了經(jīng)過(guò)路徑，也節(jié)約了時(shí)間。同樣，一般賽車在直道上高速行駛時(shí)經(jīng)常會(huì)出現(xiàn)來(lái)回振蕩的現(xiàn)象。如果經(jīng)過(guò)初圈記憶，賽車判斷自己正處于直道時(shí)，可以進(jìn)行相應(yīng)的措施，很好地解決這個(gè)問(wèn)題。

　　問(wèn)題和展望

　　雖然賽道記憶算法可以大大提高賽車的成績(jī)，但目前來(lái)講，在實(shí)際使用過(guò)程中想取得好的成績(jī)，還需要做更深入的研究工作。原因主要有以下兩點(diǎn)：

　　第一，目前大學(xué)生智能車比賽的賽道有著越來(lái)越復(fù)雜、越來(lái)越長(zhǎng)的趨勢(shì)，十字交叉線也將不只出現(xiàn)一個(gè)，這對(duì)于初圈的記憶和數(shù)據(jù)處理都產(chǎn)生了很大的挑戰(zhàn)。

　　第二，由于決賽之前賽道是不公布的，因此賽道記憶算法存在很大的風(fēng)險(xiǎn)，較保守和安全的算法在決賽中可能更有利。

　　雖然賽道記憶算法存在一定的風(fēng)險(xiǎn)，但是它獨(dú)特的思路卻是值得繼續(xù)發(fā)展下去的，有著很大的發(fā)展?jié)摿?。我們預(yù)測(cè)，在將來(lái)的比賽中，這種處理方式將得到廣泛地應(yīng)用，第一圈和第二圈將被區(qū)分開(kāi)來(lái)，第二圈將在第一圈的基礎(chǔ)上有所提高，而不是簡(jiǎn)單的重復(fù)。