“簡(jiǎn) 介： 北京科技大學(xué)室內(nèi)智能視覺(jué)組隊(duì)員對(duì)于參加第十六屆智能車(chē)競(jìng)賽進(jìn)行了總結(jié)與展望。
關(guān)鍵詞： 智能車(chē)競(jìng)賽，北京科技大學(xué)，比賽總結(jié)，NXP，MiniART，NNCU，TFLITE

”

01 參賽體會(huì)

一、RT1064系列芯片：

在參賽過(guò)程中確實(shí)能感受到該系列芯片的強(qiáng)勁性能， 1M的 Flash可以讓參賽選手放開(kāi)手腳，去嘗試更多的大數(shù)組，實(shí)現(xiàn)更多精細(xì)策略。

但我在參賽過(guò)程中感覺(jué)還是存在問(wèn)題的:

1、有關(guān) RT1064的網(wǎng)絡(luò)資料太少了，國(guó)內(nèi)外的網(wǎng)站都很難檢索到相關(guān)問(wèn)題。

2、RT1064好像對(duì)供電紋波很敏感，我們的車(chē)模在中期時(shí)，頻繁因?yàn)樗俣冗^(guò)快或上橋時(shí)產(chǎn)生靜電而重啟。

二、AI視覺(jué)方面：

雖然今年大多數(shù)隊(duì)伍都基本完成了圖像識(shí)別任務(wù)。但是我個(gè)人認(rèn)為，AI視覺(jué)還是受到單片機(jī)性能的制約了。由于內(nèi)存容易溢出，導(dǎo)致在 PC上訓(xùn)練的神經(jīng)網(wǎng)絡(luò)的層數(shù)、深度都受到了很大的限制，可變性比較低。同時(shí)訓(xùn)練好并量化后的模型在單片機(jī)上跑的速度可以更快，總之希望能夠有更好的單片機(jī)應(yīng)用在 AI視覺(jué)組上。

三、轉(zhuǎn)換工具

我在比賽時(shí)還碰到了 NXP公司下發(fā)的 NNCU量化工具非常不好用的問(wèn)題，后面我是轉(zhuǎn)用了 TFLITE才完成了比賽。

毋庸置疑， AI視覺(jué)組是智能車(chē)競(jìng)賽中一個(gè)很大的創(chuàng)新，最后也是如愿獲得了全國(guó)一等獎(jiǎng)，而且基本上參賽選手都能對(duì) Keras與 TensorFlow打下一定的基礎(chǔ)，這對(duì)學(xué)生未來(lái)的發(fā)展無(wú)疑有很大的幫助，希望明天 AI視覺(jué)組能夠更加 AI,提供的設(shè)備性能能夠更好~

02 展望與建議

一、如果明年能有性能更好的設(shè)備，我希望 AI視覺(jué)組能夠讓 AI任務(wù)占比更大，同時(shí)調(diào)整任務(wù)目標(biāo)，讓 AI組更有觀賞性。

二、我覺(jué)得在嵌入式 AI組中引入目標(biāo)檢測(cè)的相關(guān)賽題，也是一個(gè)很好的體驗(yàn)。可以與現(xiàn)在熱門(mén)的 YOLO做一定的結(jié)合。當(dāng)然涉及到目標(biāo)檢測(cè)的話，對(duì)性能的要求也就更高了?？傊Ｍ髂?NXP能夠提供性能更優(yōu)的單片機(jī)用于競(jìng)賽。

三、今年的 OpenArtMini的底層庫(kù)沒(méi)有相應(yīng)的手冊(cè)，使用起來(lái)很是麻煩，我平時(shí)都是查閱星瞳的 OPENMV的手冊(cè)，兩者底層有相似的地方，但是 Mini的功能顯然被閹割了，不少的庫(kù)函數(shù)不能使用。希望明年如果有嵌入式 AI組別，在手冊(cè)這一塊需要費(fèi)點(diǎn)心思，便于選手開(kāi)發(fā)。

四、希望 NXP越來(lái)越好，智能車(chē)競(jìng)賽越辦越好~