200支高校無人車賽隊，華科為什么能贏？

在2020年第二屆華為云人工智能大賽?無人車挑戰杯中，“華中科技大學無人車一隊”借助華為云一站式AI開發與管理平臺ModelArts及HiLens端云協同AI開發應用平臺，進行無人車模型開發與部署，最終奪冠，獲得20萬獎勵（10萬現金+10萬代金券）。戰隊撰文分享其參賽體驗，包括無人車比賽的整體方案，多維數據處理及行駛控制的能力等。

比賽背景

第二屆華為云無人車挑戰杯大賽，相比第一屆大賽，難度更大，賽道環境更加接近真實的道路。在比賽中，無人車需要從發車區出發，通過車道線循跡沿“8”字形賽道在不能壓線和觸碰擋板的條件下行走一周半后，準確地停入到停車區。

整體方案

ModelArts模型訓練

ModelArts是面向AI開發者的一站式開發平臺，包含數據處理、模型訓練、模型管理、模型部署等操作，并且提供AI市場功能，能夠在市場內與其他開發者分享模型，其功能總覽如圖3?1所示。在比賽中，我們通過ModelArts平臺完成了數據標注、模型訓練和模型在線轉換等工作，并且通過ModelArts做模型的線上部署，檢驗模型的精度效果。

3.1.任務分析

3.2.數據標注

3.3.數據增強

圖3?4 數據擴充方法級聯方式

3.4.模型訓練

HiLens技能開發和模型部署

圖4?1 華為HiLens端云協同AI開發應用平臺

4.1.檢測任務的Skill開發

對于6類目標我們分別采用不同的置信度閾值做篩選，交通燈和斑馬線需要在較遠的距離就識別到，置信度閾值我們設置為0.5，而限速/解限速，為確保檢測正確性，置信度設置為0.9。

對于紅綠燈和限速/解限速，通過計算目標框中圖像的紅色分量值，來糾正檢測的錯誤，例如，當檢測到紅燈，必須紅色分量值大于0.15，才認為正確，否則視為錯誤。對于檢測到綠燈或黃燈，必須紅色分量小于0.1，才認為正確。

同理，對于斑馬線的檢測，將目標框圖像二值化，白色像素占比大于0.3，才認為檢測正確。

4.2.HiLens的通信

圖4?5 Socket網絡通信框架

ROS無人車決策控制

無人車上由車上的工控機完成各項數據的處理和融合，進行無人車的決策控制。通過處理激光雷達的點云數據，做Slam建圖和運行中的實時定位以及擋板區的循跡，處理USB攝像頭的采集的車道線數據，做車道線的識別，通過Socket通信接收來自HiLens kit的目標檢測的結果。如圖5?1所示，無人車的控制方案主要包括：車道線循跡、擋板區循跡、斑馬線停車及避障、限速和解限速、發車和停車、建圖和定位，通過ROS整合各個節點的消息，將多種數據進行多模態融合，進行無人車控制狀態機的切換，給驅動控制發送不同的速度和方向指令，驅動控制將速度和方向信息轉為無人車底盤的電機速度和舵機打角指令，通過串口發送給無人車驅動，最終實現無人車完美高效地完成整個比賽任務。

5.1.車道線識別

車道線識別的流程如圖5?2所示，首先將圖像二值化，通過膨脹與腐蝕，將車道線線條的斷裂給補上，小車在運行中，車道線總是會交于圖像的左、右、下三條邊，所以在這三條邊上搜索車道線基本點，根據搜索到的基本點搜索線。由于攝像頭固定，采用提前標定好的透視變換矩陣將圖像變換到俯視圖。由于在搜索車道線基本點可能會搜索到多個，例如圖5?3搜索到3個基本點，從而會搜到多條邊線，所以需要對邊線進行篩選，提取車道線。將車道線做一次擬合，由于道路寬度固定，可以通過擬合的車道線計算出中線。根據中線的計算結果，即可求解偏差。在圖像計算中，通過采用python的numpy矩陣操作代替大量python低速循環進行計算加速，精簡計算流程，（640，480）的圖像在工控機計算幀率平均可達到46fps。

圖5?2 車道線識別基本流程

5.2.激光雷達擋板區循跡與無人車定位

無人車上的激光雷達傳感器可掃描到無人車周圍360度的障礙物的信息，可以用來做擋板區的循跡和無人車的實時定位。雷達數據的可視化展示如圖5?4（a）所示，雷達的點云數據組成了無人車行駛的車道，可采用和車道線相似的處理辦法，搜索雷達右半部分0-75度的范圍，擬合右邊線，從而計算中線，求取偏差。具體處理過程可參考車道線處理方案，此處不再贅述。

5.3.多模態融合的無人車決策控制

采用長度為k的定長隊列做為觀察窗口

選取k個元素中出現最多類別作為當前階段預測類別

聯合使用ModelArts和HiLens體驗

華為HiLens AI AI開發平臺ModelArts

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。