智能車賽道記憶算法的研究

　　雖然我們已經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。經過反復的研究，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;當處理值大于0時表示車處于向左轉的彎道上，曲率半徑與處理值成正比關系;反之亦然。這樣，第二圈就可根據此信息進行相應的最優決策。

　　第二圈策略

　　對于使用賽道記憶算法的智能車來說，第二圈才是最關鍵和最吸引人的部分。在第二圈，如何充分利用根據第一圈收集的賽道信息，跑出最優的成績，這個是仁者見仁的事情，這里只從車速策略、轉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，如舵機響應時間、賽道摩擦系數、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至它相應的極限速度，那么理論上這就是它所能跑出的最優成績了。

　　對于直道，特別是長直道，更能發揮賽道記憶算法的優勢。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，將速度調在下一個彎道的極限速度進行過彎。由于事先已經知道直道的長度，因此調速策略更能有的放矢。

　　轉角策略

　　如果賽車采用的是一字型傳感器布局的話，當你將中心點設偏的話，那么賽車也會出現一定的左右傾向性，從而給在彎道時“抄近路”奠定了基礎。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定更小的曲率半徑通過賽道，從而減少了經過路徑，也節約了時間。同樣，一般賽車在直道上高速行駛時經常會出現來回振蕩的現象。如果經過初圈記憶，賽車判斷自己正處于直道時，可以進行相應的措施，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，目前大學生智能車比賽的賽道有著越來越復雜、越來越長的趨勢，十字交叉線也將不只出現一個，這對于初圈的記憶和數據處理都產生了很大的挑戰。

　　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險，但是它獨特的思路卻是值得繼續發展下去的，有著很大的發展潛力。我們預測，在將來的比賽中，這種處理方式將得到廣泛地應用，第一圈和第二圈將被區分開來，第二圈將在第一圈的基礎上有所提高，而不是簡單的重復。