指导老师带领学生们参加比赛

是以培养对智能小车感兴趣并且有足够能力去参 加恩智浦智能车竞赛项目的人才为宗旨,为实验室争光,为自己的前途做出合理 的规划。竞速组细分为三个小组,每个小组由三个人组成(选择双车题目时人数为 3-5 人),一个人负责硬件搭建小车,另外两人负责软件(传统划分,可以根 据组内需求进行协调)。硬件负责人负责搭建小车结构和电路板的绘制。软件负责 人主要硬件的基础之上,实现题目要求的功能,后期硬件负责帮软件调节参数。截止 2018 年,计算机科学学院小车团队代表学校总共参加了十一届比 赛,实验室累计获得全国特等奖 1 项(全国第一名),全国一等奖 10 项,全 国二等奖 8 项和华南赛区奖项若干项。

  • 仿真组

微缩智能车自动驾驶虚拟仿真建设团队

根据清华大学计算机科学与技术系博士生导师孙茂松教授的说法,虽然“完全意义的自动驾驶无法在不远的将来实现”,但“需要特别强调的一点是,作为人工智能的基本前沿课题之一,对自动驾驶的基础性研究需要进一步强化和深化。什么时候才可能有完全意义的自动驾驶取决于人工智能理论和方法是否有新的实质性突破。对自动驾驶各种关键问题的深入探索将成为下一人工智能理论和方法发展的一个重要推动力和试金石。”自动驾驶汽车真实上路后所要面临的外部环境是复杂多变的。通过利用数学仿真模拟软件可以检查算法,可以训练无人车面对不同场景下的感知、决策等算法。在高校科研中,使用真实乘用车进行无人驾驶技术的开发和测试成本太高,使用微缩智能车进行物理仿真是一个合理的选择。微缩智能车是指按照一定比例缩小后的自动驾驶技术的载体,其优势在于可以大大减轻物理平台的控制程序的设计工作,从而可以将研究重点放在自动驾驶算法的设计和实现上。此外,微缩智能车平台上的相关研究成果可以轻松的转化到真实乘用车上,因此在高校等科研机构中非常流行。《自动驾驶仿真技术》以中南民族大学计算机科学学院多年成功开展智能车竞速赛的积累沉淀和授课教师多年教授控制系统仿真课程为基础,数学仿真和物理仿真齐头并进,优势互补,充分激发同学们对自动驾驶的兴趣,进而培养学习兴趣,并培养实验动手能力,实践探究能力,团队协作精神及勇于探索人工智能的科学素养品质,为国家和社会培养更多优秀的科技创新人才。图灵工作室目前所进行的便是设计了一种基于深度学习的算法,并针对该算法进行数据的扩充和泛化,使之可以适用于大多数的仿真赛道环境。其中涉及的神经网络算法无需使用人工设计提取特征,只需要在仿真平台上采集训练数据,不依赖于传统C语言的“if…else”结构进行决策,使用python语言调用第三方软件库进行设计神经网络模型。python语言由于其强大的第三方软件库支持,被广泛应用于各大深度学习的学习中。其中模型通过接收仿真车体为第一视角的图像为输入,通过“老司机”提供的知识(卷积神经网络模型)为向导,规划当前合适的转向角度。为了验证算法模型在不同仿真赛道环境下的公用性, 使用了不同仿真赛道环境,判断算法在不同的赛道环境下进行自动驾驶的稳定性和共用性。

  • 算法研究组

本组先根据实际应用需求开始,确定一些算法研究的课题方向(首先从中国智能车未来挑战赛离线测试的五个项目入手)。在课题方向的指导下,我们研究每个课题方向中从低级到高级的算法实现。在每个课题方向下的算法实现下通过研习社自身实际应用需求进行定制和改进. 组内成员由大三大四以及研究生组成。整个团队的研究方向是利用深度学习来处理自动驾驶中的计算机视觉问题,比如车辆、人员、道路的识别,同时还有研究其他与深度学习和计算机视觉有关的问题。学习之余算法组内的成员还参加各种与之相关的比赛,主要包括“中国智能车未来挑赛”,“AI Challenger全球AI挑战赛”.

  • 智能车创意组

创意组前期对MIT-RACECAR进行拆分学习,了解熟悉相关模块原理,在学习中培养创新意识和创新思维。中期通过所学知识和创新思维结合MIT-RACECAR结构原理,尝试使用高性能恩智浦的芯片构造智能小车,争取在小车性能上与MIT-RACECAR比肩。后期通过剖析历届恩智浦创意赛赛题,对重新构造的智能车性能进行改善,为参加恩智浦创意赛做好准备。 创意组的工作主要是利用微缩智能小车racecar来进行从小车到大车,从大车到小车的双向研究,除了研究自动驾驶技术之外,还研究深度学习等新兴技术。