学习记录

自瞄赛季汇报 自瞄技术历经人员流失与两年断续迭代，今年虽终得稳定落地，但7v7实战效果未达预期。当前流水火控仅适配爆发模式与高弹频哨兵，面对前哨站及冷却模式步兵命中效果大幅下滑，底层PID控制滞后严重，视觉组已开发的MPC先进火控受限于目前pid控制算法的落后难以落地，亟需为前哨站设计专用火控逻辑。 ...

lab技术栈 三维重建: MVS（多视图立体） SfM（运动恢复结构） LIDAR SLAM 机器学习: 传统机器学习：随机森林、支持向量机(SVM)、岭回归(BLUP) 深度学习：基于多层神经网络的端到端学习方法 ...

3v3复盘文档 1.哨兵记得装单发限位 -> 第一发弹丸的发弹延时比较大,低头的时候会漏弹 2.自瞄普遍很近处看不到,即使是6mm相机装甲板在近处已经很大了,pitch轴的俯角不够 -> 目前没有比较好的解决方案 3.全向的弹频等不如麦轮 -> 后续跟进 4.怀疑英雄炸超电后微机出现欠压,可能出现降压没有供电 -> 后续询问硬件组,考虑使用坏掉的超电测试 5.英雄发弹延时严重不稳定 -> 小陀螺转得很慢都打不中 6.所有车的自瞄的发弹延时普遍比较大将近200ms，严重不合理,严查电控拨弹盘代码 -> 尤其是英雄,导致英雄慢速小陀螺的火控都打不中,步兵泼水勉强打得中 7.视觉为什么电控延时普遍给了将近200ms,不合理,严查电控代码,哪里给了延时,跟随稳态误差有点不太对 电控时延给0后,火控期望线和当前云台角差距过大很不合理,严查电控代码 8.重点研究电控云台pid前馈技术,两点原因: (1) 小陀螺高速旋转后,由于中心不在云台yaw轴上,小陀螺后,出现离心力矩,且随着速度的增加,力矩越来越大 偏差方向和云台旋转方向相同 (2)mpc需要视觉计算的速度和加速度作为前馈 -> 计算力矩pid控制算法 9.考虑和贵州师范的人交流自瞄(重点交流英雄自瞄火控和mpc技术) 10.曝光调参困难,且严苛,(适应性训练调不出来可能就祭了i),考虑使用pid算法控制曝光 -> 明年新技术 11.考虑视觉仿真验证模拟器 12.摩擦轮可能存在稳定性问题,高强度比赛后,全向(疑似)和哨兵皆出现问题 -> 影响视觉落点和自瞄散布 13.全向自瞄比赛开始后给微机断电 -> 已解决电控降压接到射击模块 14.全向比赛过程中偶尔出现掉自瞄 -> 更换最新串口线 -> 目前效果还行,后续测试 15.记得备份比赛过程中的代码 16.导航时如果甩头甩得过分可能会出现走偏的问题 17.全向哨兵自瞄存在优先级的问题,经常是先看到谁就瞄谁 ,尤其是全向自瞄经常出现瞄准的不是操作手想要的目标 18.哨兵存在被别人偷屁股的情况 -> 跟进全向感知技术 19.3v3比赛后将重心放在推前哨战的技术上

3v3交流赛复盘文档 红色为优先级高的问题 1.全向相机焦距比赛后发现已经模糊,怀疑比赛过程中焦距发生了变化 -> 安装时不要动到相机的那两颗螺丝,安装后需要检查 ✔（已督促） 2.经实测发现比赛场地二值化阈值给160 曝光给2300 识别较为合适 （还未有严谨的论证） 3.哨兵使用的是12mm的镜头视野太窄,且进入导航后pitch轴晃动幅度太小,导致近距离都很难锁到敌人 -> 更换8mm镜头,提高pitch轴晃动幅度,yaw轴的转动幅度可以更改回去 ✔ 4.比赛时备场区没法调弹道的硬补偿,只能比赛场地外打弹调好,需要经常调试,每隔几小时变化一次,备场区只能使用激光笔调试, 调试前记得关闭重力补偿,调试完后记得打开重力补偿 ✔(确实需要调落点,但是还未查明原因) 5.微机散热存在问题,微机过热存在cpu降频问题,导致自瞄帧率严重下降 -> 已证明微机温度会显著影响自瞄帧率 √ 6.全向后面的C口和USB口坏了,哨兵的C口坏了,哨兵的usb口接触不良,为什么哨兵的C口还没有修好上学期就在催了,usb口接触不良,导致哨兵频繁出现掉自瞄掉导航的情况 还未解决 7.串口线和C口过于脆弱,经常出现掉串口的情况(包括视觉收不到电控数据,电控收不到视觉数据,usb没有反应) ✔（硬件加焊串口线） 8.目前实测打表硬补偿效果还好 调参不是很好调需要花较多时间,但是效果较好 ✔ 9.C口不够赛场上很难调试 -> 购买了HDMI便携屏(催促硬件修好c口和usb口) ✔ （全向后面的usb口修不好） 10.存在自瞄瞄歪的情况 -> 怀疑pid和坐标系的问题(过颠簸后测试自瞄如若出现该现象，打开rviz查看坐标系,如果坐标系错误,电控查找bug) -> 已找到是掉串口的问题 ✔ 偏移的大致距离: Image_856571903378208.jpg ...

7v7备赛计划 调前哨战的卡尔曼滤波器 降低发弹延时 , 稳定发弹延时 -> 调英雄自瞄 微机检修 -> 坏掉的口该修就修 靶车

ai使用指南 Deepseek 一，推理模型与指令模型 指令模型v1,豆包… 你需要使用结构化的指令 推理模型o1,r1…. 你只需要清晰明确的表达你的需求 二，理解大语言模型的本质 特点1：大模型在训练时是将内容token化的，大模型看到和理解的世界与你不一样 特点2：大模型知识是存在截止时间的 r1的截止时间大概在2023年的10月到12月 问题： 行业认知断代问题 解决方法：打开联网搜索，或者上传文档 特点3：大模型缺乏自我认知/自我意识 多数模型都不知道自己是什么模型，除非在部署的时候在系统提示词做了对应设定 特点4： 大模型有记忆限制（64k/128k） 中文字大概最多3到4万字 对话轮数过多，可能会遗忘最初的聊天问题 特点5： 输出长度有限2000-4000 ...

lab相关文献阅读 阅读方法: image.png 笔记归档 image.png 文献一: 人工智能驱动的作物表型解析: 进展与挑战 这是一篇综述文章，本身不提出新算法，而是系统梳理了AI在六个表型维度上的已有技术方案和应用进展： image.png ...

嵌入式自学指南 书籍推荐 C primer plus 大话数据结构 电子元器件 51单片机 stm32 —- 野火 — 基于stm32开发板实战指南 标准库 寄存器 cc2530 RT-THread freeRTOS 学到这里就可以找实习 方向1 硬件 画板子 qt ...

视觉组培训计划 第一阶段: 电控视觉硬件C语言联培 推荐时间: 10.1~11.15 学习内容: 与电控，硬件联合进行C语言培训，每周布置一次作业并进行评分 推荐学习资料: C primer plus 翁恺C语言 考核方式: 月底 进行C语言线下考核 ...