竞赛正式文档可以在全国大学生智能车竞赛网站下载：https://smartcar.cdstm.cn

▌1.竞赛背景
  全国大学生智能汽车竞赛是以智能汽车为研究对象的创意性科技竞赛，是面向全国大学生的一种具有探索性工程的实践活动，是教育部倡导的大学生科技竞赛之一。竞赛以立足培养，重在参与，鼓励探索，追求卓越为指导思想，培养大学生的创意性科技竞赛能力。
  近年来，人工智能这一科技浪潮正在深刻改变着世界，智能机器人作为人工智能的一个综合性载体已经开始渗透进日常生活的方方面面。随着我国国民经济的高速发展和先进自动控制设备的广泛采用，以及人力成本的日益增加，对自动化搬运环节的需求也越来越大，但是目前国内智慧物流方面的技术人才比较匮乏。
    本次大赛以工业智慧物流为主题，以无人驾驶技术在工业上的应用为基础，围绕人工智能领域典型传感器的使用、操作、编程、调试等内容，考察选手对当下热门的运动控制、无人驾驶算法、视觉识别算法的应用能力，强化选手对智能感知技术在工业中应用的综合技能，为在工业领域推广应用人工智能技术打下良好的基础。总决赛成绩前10的队伍可以获得航天三院内推名额。科技强军，航天报国！

▌2.参赛要求及赛程安排
2.1参赛要求
航天智慧物流创意组比赛作为智能汽车竞赛的创意比赛面向全国全日制在校研究生、本科生和专科生。
每个队伍最多参与学生5人，指导老师1~2名。
每个学校的二级学院只能允许两支队伍参加线下分赛区选拔赛。
2.2赛事时间安排
赛段         时间点         进度
线上预选赛 2021年1月6日 线上预选赛开启报名
线上预选赛 2021年4月10日 线上预选赛报名入口关闭，报名结束
线上预选赛 2021年4月15日 公布线上成绩及获得使用权队伍名单
分赛区选拔赛 2021年4月16日 发放并邮寄整套航天·轻舟机器人
分赛区选拔赛 2021年4月-7月 提供线上或线下的技术培训（多次）
分赛区选拔赛 2021年7月-8月 分赛区选拔赛举办
全国总决赛 2021年8月 全国总决赛举办

▌3.线上预选赛报名及选拔方案
3.1线上赛报名
在全国大学生智能汽车竞赛的官方网站进行报名或者发送邮件到邮箱qingzhouai@163.com进行报名及相关咨询
3.2筛选方案
  本次竞赛协办方提供50台车模等设备赞助，提供车模在本赛季竞赛期间的使用权。最后综合线上预选赛的成绩，公布参加分赛区选拔赛的参赛队伍名单，在全部队伍中评选出50支队伍获取赞助资格。
3.3作品提交
  本次线上预选赛需要按照要求提交测试视频、工程代码和方案报告，将资料在报名截止前发到指定邮箱qingzhouai@163.com。
3.4需要下载的文件及资料
链接：https://pan.baidu.com/s/1C-tuO3Cg8e2e1pFb7sPuFw  提取码：4xdo

▌4.线上预选赛比赛方案
4.1线上预选赛规则
  线上预选赛考察选手对智慧物流中智能搬运所需的基础知识以及相关算法的理论学习、软件调试编写能力等。考察内容主要包括技术方案设计和关键技术实现两部分，分值权重各占50%。

4.1.1方案报告撰写
  选手需根据自己的调研，完成智慧物流系统中，搬运机器人的技术方案设计，对智能搬运机器人进行技术梳理，详细阐述如何实现机器人自主导航、上位机调度、货物智能转运以及视觉识别等功能。技术方案的内容可包含方案总体控制思路、所需的技术及多种实现方法的对比、技术的可行性等，方案模板见附件。
4.1.2关键技术的实现
  选手根据提供的相关技术资料，完成关键技术点的学习及代码编写测试。
（1）单片机驱动电机、转向舵机的运动控制
  学习阿克曼运动模型，前轮转向使用转向舵机控制，后两轮驱动采用直流有刷减速电机，要求使用单片机完成两类电机的控制：
1）驱动电机的正反转控制、差速算法控制
2）转向电机的转向角度控制
3）运行结果视频包括：驱动电机的转反转、舵机左转右转控制，以及基于阿克曼转向的左转右转时驱动电机的差速控制。
（2）中央任务调度系统—通信开发
1）利用Visul studio使用C++语言，建立MFC人机交互界面；
2）创建项目，建立服务器和客户端，传递文字和字符串，编程语言是C++；
3）在2）技术基础上，完成C++和Python3之间的Socket通信，传递文字和字符串；
4）在3）基础上，完成跨平台Windows&linux之间的Socket通信，Windows端使用C++编程，Linux端使用Python3。
（3）计算机视觉
1）交通灯识别
  使用提供的视觉数据，进行代码调试，输出准确的交通灯识别和距离交通灯的相对位置。
 利用OpenCv3中的capture读取交通灯视频；
 识别交通灯视频中的Aruco3标签，确定相对位置；
 识别交通灯状态，输出状态，输出距离交通灯相对位置距离值。
2）图像分割训练
   使用所提供的视觉数据，进行训练，输出车道线训练模型。
   使用待标注的图像，进行正常的图像映射；
   使用Labelme标注图像，生成标签数据；
   进行神经网络训练—FCN，输出神经网络模型。
（4）最短路径规划算法的实现：A*算法，Dijkstra算法
  移动机器人自主导航主要分为定位和路径规划，其中路径规划是自主导航的基本环节之一，研究路径规划算法具有现实意义，本次赛题主要考察选手对于路径规划算法的理解，选手需要使用A*和Dijkstra算法计算给定的地图上面的起点到终点的最优路径，即移动机器人在路径规划中，得知起始点和终止点，在众多的可行驶路径中，选出最短一条（包含各个节点和各个节点间的距离）。
1）使用A*算法计算给定地图上，得知起始点和终止点，选出最短一条（包含各个节点和各个节点间的距离）。
2）使用Dijkstra算法计算给定地图上，得知起始点和终止点，选出最短一条（包含各个节点和各个节点间的距离）。
（5）应用SLAM技术，建立二维栅格化地图
1）查找建图相关资料，了解常用的激光SLAM算法；
2）Ubuntu18.04环境搭建及ROS系统安装；
3）谷歌Cartographer算法建图环境搭建；
4）学习Cartographer算法代码结构；
5）使用Cartagrapher算法进行建图测试，根据资料提供的数据集完成建图练习。
  注意：所有赛题均需提供工程源码和输出结果，录制测试视频
4.2智慧物流场景
  智慧物流是指通过智能硬件、物联网、大数据等智慧化技术与手段，提高物流系统分析决策和智能执行的能力，提升整个物流系统的智能化、自动化水平。智慧物流强调信息流与物质流快速、高效、通畅地运转，从而实现降低社会成本，提高生产效率，整合社会资源的目的。
  智能转运作为智慧物流的重要环节，需求量旺盛，需求领域较为集中，主要分布在汽车工业、家电制造、快递运输等行业。转运AGV按照不同的导航方式可以划分为直接坐标导航、电磁导航、磁带导航、光电导航、激光导航、惯性导航、图像识别导航、GPS导航等。
主要应用场景包括：
（1）仓库货物转运
  仓库是AGV小车应用很广泛的地方。因为仓库是专门用来存放货物的地方，不管出库入库都需要转移，工作量很大、所需要的时间也比较长。AGV小车的出现提高了效率，并且减少了人工转移的重担。
（2）生产车间
  AGV小车可以在生产车间展示它的魅力，因为工作人员设定了行驶路径之后，AGV可以自动往返来运输物品。有效提高效率，并且保证物品运送的安全性。
（3）风险场所
  生活中的一些易燃易爆物品以及腐蚀性物品。这些物品的寄存通常比较危险。为了提高安全性，可以使用AGV小车来转移，以减少手动转移过程中发生意外风险的几率。
4.3 实物车模
整体结构—采用阿克曼运动模型，同时设备适用于但不限于建图，自主导航，自动驾驶，人机交互，目标检测，人脸识别等多个领域的科研算法验证需求；
整体参数：505mm350mm165mm