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能自動識別出這些信息，并過濾掉一些毛刺和波動。經(jīng)過反復(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時表示此時車處于直道上;當(dāng)處理值大于0時表示車處于向左轉(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

　　對于使用賽道記憶算法的智能車來說，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，這個是仁者見仁的事情，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，如舵機響應(yīng)時間、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，在過各彎道時將車速調(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)成績了。

　　對于直道，特別是長直道，更能發(fā)揮賽道記憶算法的優(yōu)勢。例如，在初圈記憶后得到某段直道為2800個脈沖點長，那么在決策中就可在前2500個脈沖時啟動電機用最大占空比加速，超過2500脈沖時直接減速，將速度調(diào)在下一個彎道的極限速度進(jìn)行過彎。由于事先已經(jīng)知道直道的長度，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)你將中心點設(shè)偏的話，那么賽車也會出現(xiàn)一定的左右傾向性，從而給在彎道時“抄近路”奠定了基礎(chǔ)。在初圈記憶后，賽車跑第二圈時可以直接得出下個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賽道，從而減少了經(jīng)過路徑，也節(jié)約了時間。同樣，一般賽車在直道上高速行駛時經(jīng)常會出現(xiàn)來回振蕩的現(xiàn)象。如果經(jīng)過初圈記憶，賽車判斷自己正處于直道時，可以進(jìn)行相應(yīng)的措施，很好地解決這個問題。

　　問題和展望

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

　　第一，目前大學(xué)生智能車比賽的賽道有著越來越復(fù)雜、越來越長的趨勢，十字交叉線也將不只出現(xiàn)一個，這對于初圈的記憶和數(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，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，但是它獨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，在將來的比賽中，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)分開來，第二圈將在第一圈的基礎(chǔ)上有所提高，而不是簡單的重復(fù)。