武汉大学智能车队借助专业导论课和竞赛分享会，让全国大学生智能汽车竞赛在学生中深入人心，鼓励大家走出课堂，通过竞赛锻炼实践本领。风驰电掣的小车不仅是专业知识的实践成果，更承载着学生们的“数智梦”。车队在每年11月进行公开招募，新队员通过校内选拔赛加入车队。大赛赛题公布后，新老队员根据兴趣自由组队，围绕组别任务分别训练。

▲武汉大学智能车队在明珠园智能车实验室合影

专祥涛、杨飞、张荣等指导老师以独特教育理念和敬业精神为车队注入动力。他们鼓励自主探索，注重兴趣培养，经常用正向认可激励队员；定期开展组会，从全局到细节悉心指导，提出“创新要灵活”的理念，激发队员突破思维定式；同时注重团队协作与创新方法的综合培养，不仅帮助队员在竞赛中屡创佳绩，也为科技成果转化奠定了坚实基础。

智能车队的每一位成员都是专业领域的佼佼者，用创新与汗水书写一个个珞珈传奇。他们有什么成功的秘诀呢？让我们走近两个获奖小组，聆听他们的拼搏历程与独特思考。

视觉组利用麦克纳姆底盘车模和自建机械臂，完成对道路旁和特殊元素内的贴有随机图片卡片的发现、拾取、分类和搬运任务。视觉组最初是指导老师眼中的“乖孩子、好学生”，他们在2024年3月就已经实现了一代结构的运行，能够一板一眼的完成赛题任务。但指导老师提出“竞赛的意义是挑战将每一个部分都优化到极致”，要敢于做“坏孩子”，学会“投机取巧”、“打破常规”，这也正是该组组名Badboys的来源。

▲视觉组Badboys队

依托于团队成员的齐心协力，视觉组的前期备赛可谓一帆风顺，直到主办方调整赛题内容并发布了补充说明。新的说明要求卡片需紧贴赛道的黑色边缘摆放，极大影响了传统视觉方法的有效性。传统视觉方法通过HSV分割图像、生长算法、凸包算法、道格拉斯-普克曲线算法等来解算拟合卡片轮廓，但对于深色卡片紧贴赛道的黑色边缘后，原本用于识别的标准矩形轮廓被破坏，导致之前的方法只适用于部分卡片。为此，团队在2周时间内齐心协力、头脑风暴，不断迭代出4版方案，对视觉和控制部分代码进行了彻底重构，最终成功解决了这个难题，甚至较于之前的方案其稳定性得到了显著提高，控制算法更干练。

▲视觉组队员在实验室备赛

首先，针对传统视觉识别方法失效的问题，团队将目标检测模型部署在嵌入式神经网络处理器（NPU），将目标检测帧率从基于OpenMV开发环境的10fps提升至30fps，为后期车辆的提速提供了可能；其次，为了让车辆的动作更加精炼，区别于传统的“前置摄像头+前置机械臂+前行动作”结构，团队首创了“双侧摄像头+双侧机械臂+中心转盘”结构，使结构紧凑的同时，车身的灵活性提高。但这一结构设计也意味着数据处理的复杂度大幅提高，对协调通信的能力提出了更高要求。于是团队将两侧的6个摄像头分为3组，摄像头间进行数据传输，在边缘端完成数据的融合计算后再发送给主控，显著提高了传输效率。通过不断地优化，将读取卡片位置、到机械臂对准抓取的总时间控制在每次0.5秒内，以显著的综合优势赢得该组国赛一等奖和武汉大学英诺创新奖一等奖。

▲视觉组牛雨恒和张琰磊在调试车模

创意组比赛采用积分制，要求完成更多的复杂任务，包括汉诺塔堆放、手写字体OCR识别和罪犯打击等。其中罪犯打击任务最为复杂，具体为迅速对每张人物图片进行定位和识别，并返回人物的26种属性，然后与文心一言交互进行横向比较，选择出与文字描述最为贴切的一张图片，成功击打目标罪犯。尽管创意组在2024年7月就顺利完成了智能车测试，但在区域赛现场小车发生模块间冲突，出现了重大失误，痛失近300分（满分735分）。这令所有成员感到措手不及，但大家仍选择坚持下去，在晋级结果出炉前怀着忐忑的心情反思复盘。

▲创意组百度创飞队

晋级国赛后，创意组乘胜追击，首先更加充分地开发高性能计算板卡，优化深度学习识别方法，提高三维物体识别的精确度和环境适用性；其次，团队依据主办方提供的16张示例图片AI绘制500张不同的人物图片，利用数据增强手段将500张图片扩充成包含5000张图片的数据集，通过海量数据训练罪犯识别模型；再次，使用多模态大模型识别复杂文字内容，并根据描述寻找罪犯，同时利用打分系统修正人物识别模型，进一步提高结果的准确性；最后，在提速阶段实现机械臂抓取和底盘移动的双线程运行。终于，创意组在一个月内实现了最佳逆袭，人物特征识别模型正确率高达0.99994，以第二轮满分的成绩赢得国赛小组一等奖！

▲创意组智能车车模

在激烈的竞争中，武汉大学智能车队从未放弃。每一个小组的创新与努力，汇聚成车队整体的辉煌成绩。他们的成功不仅源于个人才智，更得益于团队协作与对数智梦想的不懈追求，这正是武汉大学智能车队的核心精神所在！