实物演示地址https://space.bilibili.com/3546642133289300赛题1 智能车光电象棋对抗设计方案报告1. 摘要本方案以树莓派 5B 为主控、RP2040 Pico 为运动底层构建一辆全程自主运行的光电象棋对抗智能车目标是在 180 s 对抗中推入 15 枚以上棋子、得分 70 分以上。技术路线为前置广角相机配合轻量级目标检测网络识别棋子并分类字符2D 激光雷达对 3 m×2 m 场地的四面 80 mm 挡板做点到墙匹配实现厘米级定位V 形推板一次携带 2–4 枚棋子基于分值/耗时评分的贪心策略驱动状态机完成选目标、铲棋、推行、脱困与避让。预期指标定位误差 ≤2 cm、航向误差 ≤1°棋子检测率 ≥97%2 m 内、字符分类准确率 ≥95%1 m 内单枚棋子平均耗时 ≤10 s整车约 1.0 kg、尺寸 240×195×170 mm所有激光器功率 ≤1 mW满足二类安全激光要求。2. 赛题分析与设计需求赛题的本质是一个感知–定位–决策–执行闭环的限时对抗任务每一条规则都可以直接转化为设计约束。规则条款设计约束与对策3 m×2 m 场地四周 80 mm 挡板挡板是最可靠的定位基准雷达扫描面放在 50 mm 高度能看见挡板、对方车和门框立柱看不见约 10 mm 厚的棋子球门区在短边、发车区在角落、中央有棋子堆放区尺寸待修订所有区域尺寸参数化发车姿态已知定位无需全局初始化32 枚棋子红黑各 16按等级 1–10 分需要检测 字符分类两级视觉两色棋子对双方均计分策略按分值/耗时贪心车 ≤250×200×180 mm、≤1.5 kg、车载电池重量预算 1.0–1.1 kg树莓派 5 需 5 V/5 A 稳定供电≤1 mW 二类安全激光系统雷达为 Class 1905 nm另加 ≤1 mW 650 nm 线激光做推板口棋子检测并准备功率实测记录允许推板/滚轮禁止电磁铁、遥控、破坏性装置被动 V 形推板比赛时硬件关闭 Wi-Fi车载按钮启动恶意冲撞对方扣分/判负雷达聚类检测对方车45 cm 内停车让行平局进球数 → 帅/将归属 → 60 s 金球帅/将优先级最高金球阶段改为最近棋子优先从计分规则看得分的关键不是单枚棋子推得多精确而是单位时间内的得分效率32 枚棋子均匀散布在 6 m² 场地上平均间距约 0.43 m一次推行携带多枚棋子、优先处理己方半场的高分棋子是提高总分的主要杆杆。因此设计需求归结为四点定位要稳推线误差小于推板半宽、识别要快边跑边建图、推板要能自动聚心、策略要会算账。3. 总体方案与系统架构系统采用树莓派 5B 负责感知与决策、Pico 负责实时运动控制的两级架构把非实时的 Linux 上层与需要硬实时的电机控制彻底分开。树莓派 5B4 核 Cortex-A768 GB运行相机采集、棋子检测与分类、雷达定位、世界模型、策略状态机和路径规划以 20 Hz 输出线速度与角速度指令Pico 运行 200 Hz 电机速度环、编码器计数、IMU 航向积分、里程计上报和通信看门狗两者通过 USB 串口以 ASCII 行协议通信。flowchart LRCAM[广角相机 30 fps] -- DET[棋子检测 字符分类]DET -- HOM[地面单应→车体坐标]HOM -- WM[世界模型: 棋子地图 对方位置]LID[激光雷达 10 Hz] -- ICP[点到墙 ICP 定位]ODO[里程计 IMU 50 Hz] -- ICPICP -- WMICP -- OBS[非墙点聚类→对方车]OBS -- WMWM -- PLAN[策略状态机 20 Hz]PLAN -- PICO[Pico 速度环 200 Hz]PICO -- MOT[左右电机]PICO -- ODO图中上半部分是视觉支路下半部分是定位支路两者在世界模型汇合后交给策略状态机。这种划分的好处是视觉帧率波动不影响控制周期雷达或相机短暂失效时系统仍能靠里程计和旧地图工作所有几何、分值、速度参数集中在一个配置文件规则修订时只改一处。4. 机械结构设计底盘采用两轮差速加前后球形万向轮的方案外形 240×195×170 mm在规则上限内预留公差。选择差速而非麦克纳姆轮是因为差速底盘里程计精度高、推行时不打滑而棋子的横向对中完全可以交给推板外形来完成。驱动轮直径 65 mm轮距 160 mm驱动轴置于车体中后部使推板前缘到驱动轴的距离为 170 mm推行时转向修正带来的推板横移较小。V 形推板是核心执行机构宽 180 mm开口内凹 60 mm两侧翼板内折 30° 形成漏斗行进中棋子自动向中心滑动一次可携带 2–4 枚。板下沿离地 2–3 mm棋子厚度 ≥8 mm不会钻入板下前缘贴软橡胶唇防止棋子跳起或翻面板高 30 mm不遮挡相机和雷达。材料用 PETG 3D 打印或 2 mm 亚克力。推板口内安装一对 5 mm 高的红外对管作为棋子已入板确认信号可选线激光光切做计数。传感器布局从前到后依次为推板→相机高 160 mm俯角 30–35°近端能看到推板口远端看到全场→电机与驱动板→树莓派与电池置于 100 mm 以上层→激光雷达尾部低位扫描面 50 mm。雷达前方约 100° 被车体遮挡但在 3 m×2 m 场地内剩余 260° 视野始终能看到两面互相垂直的挡板定位不受影响。部件重量 (g)树莓派 5B 主动散热66相机模组4激光雷达47Pico 驱动板 IMU20电机 ×2190轮子 ×2 万向轮 ×290电池 3S 1500 mAh130电源板、开关、线材75底盘板与支架250推板60合计约 930余量 5705. 硬件选型与电源设计整车硬件成本控制在 1,600–1,900 元所有部件均为市售标准模块便于备件和替换。模块选型关键参数参考价元主控Raspberry Pi 5B 8 GB 主动散热 64 GB A2 卡YOLO-nano ncnn 320×320 约 30 ms/帧700相机Pi Camera Module 3 Wide102° 水平视场自动对焦1 m 处 40 mm 棋子约 50 px250激光雷达LDROBOT LD19 / STL-19P10 Hz4500 点/s0.02–12 mClass 1150下位机Raspberry Pi PicoPIO 读编码器200 Hz 控制环30电机JGA25-370 12 V 281 rpm 带霍尔编码器 ×2最高约 0.95 m/s编码器分辨率约 0.22 mm140电机驱动TB6612FNG或 DRV8871 ×212 V 直驱峰值 3.2 A20IMUMPU6050预算/ BNO085航向更稳航向零漂由雷达纠正8–100电源3S 1500 mAh LiPo 5 V/5 A 同步降压 保险 总开关树莓派 5 峰值电流大降压模块需实测 5 A90光电传感红外对管 ×2、650 nm ≤1 mW 线激光、VL53L1X可选推板口棋子检测40结构与其它碳板/亚克力底盘、3D 打印推板、启动按钮、LED、线材150电源是树莓派 5 方案最容易出问题的环节树莓派 5 在跑推理时功耗 6–8 W启动和峰值时可达 5 A电压跌落到 4.6 V 以下就会限频甚至重启。因此采用电机与主控分路供电电机由 3S 电池直驱树莓派由独立的 5 V/5 A 同步降压模块供电输出端并联 470 µF 电容电机驱动电源线与信号线分开走线。Pico 采样电池电压低于 10.5 V 时点亮告警 LED避免比赛中途掉电。6. 光电感知系统感知系统的任务是在车运动的同时把视野内的棋子变成带世界坐标、颜色、类别和置信度的地图条目分为检测、分类、坐标映射、地图维护四步。棋子检测采用 YOLOv8n/YOLO11n 单类检测网络输入 320×320导出为 ncnn 格式在树莓派 5 上约 30 ms/帧可以跟上 25–30 fps 的相机帧率。备用方案是传统图像处理HSV 空间分割木色圆盘与红/黑字迹形态学闭运算后提取轮廓按圆度、填充率和该像素位置上 40 mm 棋子应有的像素尺寸过滤。传统方法对场地颜色和光照敏感只作为模型失效时的退路。字符分类只在 1.2 m 以内进行因为此时字符高度超过 30 px。分类器是一个 14 类帅仕相車馬炮兵 / 将士象車馬炮卒的小型卷积网络输入 48×48 裁剪块ONNX Runtime 推理不到 2 ms。训练数据为每类 300 张现场采集的裁剪图并做随机旋转、亮度、模糊增强棋子朝向随机。置信度低于 0.7 时保持未知类别在决策中按期望分值 3 分参与靠近后再更新翻面的无字棋子同样按未知处理。像素到地面坐标的映射使用地面单应矩阵在地面上摆放 ≥6 个已知车体坐标的标记点标定一次1 m 内误差 1–2 cm2 m 处 3–5 cm误差主要来自车身俯仰抖动由地图多次观测滤波消除。世界模型按世界坐标维护每枚棋子的位置、颜色、类别、置信度、观测次数和最近观测时间新观测与已有条目按距离门限合并门限随距离加大5 cm 3%×距离位置按指数平滑更新相距不到一个棋子直径的条目合并去重25 s 未再观测的条目标记失效已推入己方球门或进入对方球门的棋子不再参与决策。对方车的检测不依赖相机雷达点云中离四面墙超过 15 cm 的点做单链接聚类排除已知的门框立柱位置后最大簇即对方车1 s 内有效。7. 定位与导航定位采用里程计 IMU 预测、雷达点到墙匹配校正的融合方案在已知的 3 m×2 m 矩形内可达到 ±1–2 cm、±1° 的精度。世界坐标系原点取己方发车区所在的场地角x 轴沿 3 m 边y 轴沿 2 m 边乙队只需镜像参数。预测环节由 Pico 完成编码器给出位移IMU 陀螺仪给出航向以 50 Hz 上报里程计位姿主控用相邻两帧的位姿差在车体系下做增量预测。校正环节对每帧雷达点云做点到墙的迭代最近点匹配把每个点按当前位姿变换到世界系关联到距离最近的一面墙残差定义为点到该墙的有符号距离r_i \mathbf{n}_j^{\mathsf T}\left(R(\theta)\,\mathbf{p}_i \mathbf{t}\right) c_j对 (Δx, Δy, Δθ) 线性化后用 Cauchy 鲁棒权重求最小二乘解迭代 6 次关联门限从 30 cm 逐步收紧到 15 cm正规方程加微小阻尼项只看到一面墙时仅校正垂直方向与航向不会发散。远离所有墙的点自然被排除正好作为障碍物对方车、立柱输出。安全机制内点比例低于 25%、位置跳变超过 35 cm 或残差均方根超过 8 cm 的解被拒绝只用里程计过渡发车姿态已知矩形 180° 对称性带来的二义性靠连续跟踪规避当定位长时间被拒绝时用相机看到的蓝/红门框作为路标做粗校正。导航不需要全局路径规划场地内唯一的动态障碍是对方车靠避让逻辑处理目标点之间直线行驶即可。8. 运动控制运动控制分两层Pico 上的轮速闭环保证指令被准确执行树莓派上的运动原语把去哪里变成线速度与角速度。Pico 以 200 Hz 对每个轮子做 PI 速度环加前馈编码器由 PIO 硬件计数不占用 CPU加速度限制在 1.5 m/s²避免起步打滑和推板内棋子前冲300 ms 内没有收到新的速度指令则自动停车防止上层程序异常时车辆失控。IMU 陀螺仪开机静止 2 s 自动标定零偏。树莓派端的运动原语有四个转向到位比例控制加最小转速以克服静摩擦、驶向目标点偏角大于 50° 时先原地转接近目标时线性减速、沿线纯追踪推棋时使用前视距离 25 cm角速度限制在 1 rad/s 以内防止棋子被甩出、墙前减速推板前缘距墙不足 25 cm 时按距离线性限速。速度参数巡航 0.6 m/s铲棋 0.2 m/s推棋 0.35–0.45 m/s转向不超过 3 rad/s。这些参数按测试中的棋子保持率调整目标是 2 m 推行后棋子保持率 ≥95%。9. 智能决策策略决策层是一个以分值/耗时贪心选目标的状态机每 50 ms 执行一次带避让和脱困两类中断。stateDiagram-v2[*] -- SCAN: 启动按钮SCAN -- SELECT: 旋转一周建图完成SELECT -- GOTO: 选定目标SELECT -- EXPLORE: 无候选棋子EXPLORE -- SCAN: 到达探索点GOTO -- ALIGN: 到达进攻点ALIGN -- CAPTURE: 对准推线CAPTURE -- PUSH: 棋子入板PUSH -- RETREAT: 到达球门目标点RETREAT -- SELECT: 后退 30 cmGOTO -- UNSTICK: 卡住 1.5 sPUSH -- UNSTICK: 卡住 1.5 sUNSTICK -- SELECT: 脱困完成目标选择对地图中每枚候选棋子计算评分取最高者\text{score}\frac{V_p0.7\sum_{q\in S}V_q-P}{T_{\text{travel}}T_{\text{turn}}T_{\text{push}}T_0}其中 V_p 是目标棋子分值未知类别取 3S 是推线上、横向偏离不超过推板半宽的其它棋子会被一并扫入P 是惩罚项对方车距目标或进攻点不足 50 cm 加 3 s 等效耗时每次失败加 2 s分段推的分值减半。分母是行驶、转向、推行时间与 1.5 s 固定开销之和。帅/将分值最高且是平局判据只要可达自然排在前列。推线与进攻点的生成球门内的矄准点与棋子同 y夹在门框范围内并留 12 cm 余量由于球门区只有约 10 cm 深、棋子只能排一排约 28 个槽位矄准点自动避开已进球棋子占据的槽位进攻点在推线延长线上、棋子后方 29 cm。若进攻点出界棋子靠墙或在角落则在 ±90° 范围内每 15° 搜索可行推向允许棋子在推板口内偏置 ±7 cm先把棋子推到 60 cm 外的中间点再重新规划。避让与脱困对方车在 45 cm 内且位于前方 70° 扇区时先停车等待 2 s仍被阻挡则后退并重选目标确保不发生主动碰撞有速度指令但里程计显示线速度和角速度均为零超过 1.5 s 判为卡住向远离最近墙面的方向退出目标失败计数加一两次失败后放弃该棋子。时间管理默认比赛时长 180 s正式时长公布后修改最后 20 s 只选耗时最短的目标60 s 金球加赛时评分函数退化为最近棋子优先因为先得分即获胜。区域偏好上己方半场的棋子推行短、远离对方评分自然偏高对方球门前的棋子只在高分值时才值得长距离推回。10. 激光系统与安全合规车上共有两个激光器均在规则要求的 ≤1 mW 范围内并各自承担明确的光电功能。激光雷达使用 905 nm Class 1 激光安全等级高于二类是定位和对方车检测的主传感器。线激光为 650 nm、标称 ≤1 mW 的 Class II 模块横向投射在推板口前 3–5 cm 的地面上相机看到的激光线在棋子处被抬高或中断即可判定棋子已在板内并计数这就是光切法的直接应用与红外对管互为冗余。检录准备包括激光功率计实测记录在出光口测量留存照片与数据、两个模块的规格书、机身激光警示标签线激光安装角度朝下不会射向观众或裁判。如果现场对线激光有疑虑可以直接断电系统仅靠红外对管工作不影响比赛。11. 软件架构与实现软件在树莓派 OS 64 位上用 Python 3 实现依赖 OpenCV、picamera2、ncnn/onnxruntime 和 numpy按功能拆为配置、雷达驱动、定位、感知、世界模型、运动原语、策略、下位机通信和仿真九个模块模块间只通过数据类传递信息便于单独测试和替换。线程频率职责相机与推理25–30 fps采集、检测、近距分类、坐标映射雷达读取10 Hz串口解包、CRC 校验、拼整周点云主控制循环20 Hz定位更新、地图融合、状态机、发送速度指令下位机通信50 Hz接收里程计、按钮、电压日志20 Hz位姿、检测、状态、指令写入 SD 卡赛后回放上下位机通信采用 USB 串口 ASCII 行协议下行为速度指令、停车和里程计清零上行为里程计位姿、按钮状态和电池电压文本协议能直接用串口工具抓包调试。Pico 固件用 MicroPython 编写编码器计数由 PIO 状态机完成。运行方式systemd 开机自启动主程序启动后自动屏蔽无线网卡只有插入调试跳线帽时才保留 Wi-Fi车载按钮触发比赛流程状态 LED 显示就绪/运行/故障。全部几何、分值、速度参数集中在一个配置文件乙队参赛时只改一个队伍参数。开机到就绪约 20 s发车前预留一分钟上电。12. 标定、测试与仿真验证验证工作分三层仿真验证策略、单元测试验证模块、模拟场整场对抗验证系统。标定流程按顺序进行搭建 3 m×2 m 模拟场80 mm 木板围挡按图纸贴区域线把车摆在已知位姿比对定位输出标定雷达安装偏置与零角地面单应矩阵用 ≥6 个标记点标定到赛场后用真实地面复标一次在赛场灯光下采集 2,000 张以上棋子图像利用赛前布置时间微调检测与分类模型电机速度环用阶跃响应调参目标超调不超过 10%。单元测试指标推板在不同入射角±30°和偏置±7 cm下的铲棋成功率 ≥95%推行 2 m 后棋子保持率 ≥95%球门口释放后棋子整体进入球门区的比例 ≥95%定位在 5 分钟连续运动后误差 ≤3 cm。整场测试不少于 20 场统计每枚棋子平均耗时和失败原因脱困、丢棋、误识别按占比逐项调参。仿真验证用一个运动学仿真器复现场地、随机投放的 32 枚棋子、V 形推板的携带与聚心、雷达射线、相机视场与带噪声的里程计定位、地图和策略代码与实车完全相同。初版策略在仿真中 180 s 内推入 13–15 枚棋子、得分约 60 分定位平均误差 0.8 cm仿真暴露的主要问题是角落处原地转向撞墙和球门前棋子堆积已分别用转向包络圆余量和槽位分配解决预计调优后可达 18 枚、超过 70 分。13. 风险分析与应对最大的不确定性来自规则尚未公布的细节区域尺寸、分值表、门框结构、比赛时长因此方案把这些都做成参数并为每一项技术风险准备了退路。风险影响应对区域尺寸、分值表、时长修订策略参数失效全部参数化1 小时内改完并重跑仿真门框是实体门推板不能进入棋子停在门线外改为推到门线 短促加速释放模式实测棋子滑行距离棋子翻面或堆叠分值未知按期望分值处理堆放区密集棋子反而是高收益簇推目标赛场光照、地面颜色与训练数据不同检测率下降优先用神经网络检测现场采数据微调锁定曝光与白平衡定位漂移或跳变推线偏离、撞墙ICP 拒绝机制 里程计过渡 门框颜色路标对方阻挡或推走目标棋子耗时增加地图实时更新、目标重选、失败计数角落棋子不可达反复尝试浪费时间两次失败后放弃树莓派掉电重启比赛中断5 V/5 A 降压 大电容 电压监测比赛前满电被质疑遥控判负硬件开关切断无线日志存卡可供查验激光功率检录不通过判负自带功率计实测记录线激光可断电备用14. 开发计划与团队分工项目按 6 周推进前三周机械、定位、视觉三条线并行后三周集成、测试和留余量建议 4 人分工每人负责一条线并共同参与集成测试。周机械/电子定位/控制视觉/策略1底盘与推板设计加工、布线Pico 固件PID、编码器、IMU、协议模拟场搭建、相机选位2电源与整车装配雷达定位、里程计融合、闭环导航数据采集、单应标定3推板迭代唇、翼板角度运动原语调参检测/分类模型训练与部署4重量/尺寸复核世界模型 状态机联调仿真调参、评分函数5备件准备整场对抗测试 ≥20 场失败归因与修正6检录准备尺寸、重量、激光功率余量与回归测试技术报告与答辩材料里程碑验收标准第 2 周末车能在模拟场内自主往返任意两点定位误差 ≤3 cm第 3 周末能识别并定位场内 90% 以上的棋子第 4 周末完成首次全自主整场第 5 周末 180 s 内稳定推入 15 枚以上。15. 结论本方案用一套低成本、全标准模块的硬件把赛题考察的光电目标识别、自主定位、运动控制和智能决策四项能力落实为可验证的指标雷达点到墙匹配提供厘米级定位轻量级神经网络在树莓派 5 上实时识别棋子并分类字符V 形推板与分值/耗时评分策略把每一次推行的收益最大化。方案的所有规则相关量均已参数化能在主办方公布修订后快速适配仿真与分阶段测试保证了开发风险可控。按本计划执行预期在 180 s 对抗中稳定推入 15–18 枚棋子、得分 70 分以上并优先拿下帅/将以掌握平局主动权。