18届智能车国赛名单

18届智能车国赛名单最终在竞赛网站进行公布，可以在http://www.smartcarrace.com上查看。根据引用的目录内容，总决赛队伍名单包括东北赛区、华北赛区、华东赛区、华南赛区、西部赛区、安徽赛区、山东赛区、浙江赛区以及特邀参赛名单和特邀表演名单。根据引用，共有来自538所高校，2708支队伍参加了分（省）赛区的竞速类十个项目的比赛。综合类的数据另有文进行统计。

相关问题

智能车镜头组代码国赛

### 智能车镜头组国赛代码示例

智能拣选小车利用OpenMV作为控制器，其核心功能之一是通过摄像头和图像处理来识别目标物体并执行相应操作。对于参与国家竞赛的学生来说，掌握这一部分至关重要。

#### 图像采集与预处理
为了确保智能车能够在比赛中稳定工作，图像采集的质量尤为关键。下面是一个简单的图像采集及预处理的例子：

import sensor, image, time

sensor.reset()                      # 复位传感器
sensor.set_pixformat(sensor.RGB565) # 设置像素格式为RGB565 (or GRAYSCALE)
sensor.set_framesize(sensor.QVGA)   # 设置帧大小为QVGA (320x240)
sensor.skip_frames(time = 2000)     # 跳过一些初始帧让相机调整亮度等参数
clock = time.clock()

while(True):
    clock.tick()
    img = sensor.snapshot()         # 获取一帧图片
    print(clock.fps())              # 打印每秒传输速率(Frames per second)

这段代码展示了如何初始化OpenMV模块中的传感器设置，并持续获取实时视频流用于后续分析[^1]。

#### 物体检测与跟踪
针对特定比赛场景下的乒乓球识别任务，可以采用颜色阈值法来进行简单有效的分类。以下是基于颜色空间转换的颜色过滤方法：

thresholds = [(30, 70, -20, 20, -20, 20)] # 预设黄色范围(需根据实际情况微调)

for blob in img.find_blobs(thresholds, pixels_threshold=200, area_threshold=200):
    if blob.pixels() > 200 and blob.density() >= 0.8:
        img.draw_rectangle(blob.rect())
        img.draw_cross(blob.cx(), blob.cy())
        print('找到一个球')

此段程序实现了对指定区域内符合条件的目标物进行标记，在实际应用中可根据需求进一步优化匹配条件以提高准确性。

#### PID 控制器集成
为了让机器人更加精准地接近并抓取物品，通常会引入PID控制机制调节电机转速从而达到平稳移动的效果。这里给出一段简化版的PID实现方式：

class PIDController(object):

    def __init__(self, kp, ki, kd):
        self.kp = kp
        self.ki = ki
        self.kd = kd
        self.previous_error = 0
        self.integral = 0
    
    def compute(self, setpoint, measured_value):
        error = setpoint - measured_value
        
        proportional_term = self.kp * error
        integral_term = self.integral += self.ki * error
        derivative_term = self.kd * (error - self.previous_error)
        
        output = proportional_term + integral_term + derivative_term
        
        self.previous_error = error
        
        return max(min(output, 1), -1)


pid_controller = PIDController(kp=0.5, ki=0.1, kd=0.05)
target_x_position = 160  # 假定屏幕中心位置X坐标为160
current_x_position = ball_center_x  # 实际测量到的小球水平方向上的位置
motor_speed_adjustment = pid_controller.compute(target_x_position, current_x_position)
print(f'调整后的马达速度:{motor_speed_adjustment}')

上述代码片段定义了一个基本的比例积分微分(PID)控制器类，并演示了如何计算出使车辆沿直线行驶所需的修正量。