01 参赛体会与建议

一、参赛体会

在本次比赛中，我们使用的是NXP公司的RT1064芯片。该芯片具有600M主频以及1M的ram,这样的性能提供了极高的可玩性，实测使用八邻域算法处理原始图像并获得偏差只需要0.3ms。可以很快实现自己的想法而不是将时间用来解决数组定义多或者处理时间太长需要优化代码等。

为了实现识别任务，我们最开始是准备加上云台来兼顾识别tag以及路边的图像，但是加上云台后小车重心提高了会对循迹效果有影响。然后我们发现只要将OpenArt倾斜一定角度就可以完成这两个任务，所以我们最终只使用了一个舵机来控制其左右旋转。

在图像识别中，我们发现OpenArt的识别很受环境光的影响。比如自带的库函数find_rectangle()在不同环境光下会有不同的成功率，需要其他的方式来辅助识别。

OpenArt和Openmv一样属于高集成度的模块，使用是只需要简单调用函数就可以做到一些复杂的功能，但是在实际体验中给我的感觉很不自由，很多想法和想得到的信息比如RGB色彩信息等不能够很好得实现和得到。

二、老师建议

我们期待和NXP公司进行合作，并且我们学校在前几年已经和曾经的飞思卡尔公司进行了合作，具有一定经验，非常期待和NXP公司进行合作。

三、同学建议

我们觉得这个组别的工作量很大，相当与是四轮组加上图像识别，在准备比赛时常感到任务太重。我觉得既然是注重识别，那就可以在循迹方面适当降低难度，比如取消一些元素或者降低循迹得分的比重。然后是比赛具体的执行上有一些漏洞，比如tag码旁只有一侧标靶，就意味着根本不需要识别tag码就能判断出标靶方向。

02 展望与建议

这两年的比赛的成功举办也说明很多大学生是有能力完成一些嵌入式AI任务。最近机械导盲狗比较热门，我觉得我们也可以用AI来实现导盲狗的部分功能比如人体识别，姿态识别，手势识别，以及交通标志识别等。这样的功能可以在双车里实现，比如前车允许使用OpenArt来识别手势，交通标志等然后整合信息发给后车，后车根据导航信息来跑。

最后希望智能车竞赛越来越好。