受到世界学生赛车（Formula Student）启发，清大赛车工厂NTHU Racing于2015年成立，从零开始，自行设计和制作赛车，自2016年开始走向国际，参与FSAE Japan，2018年转型制作电动车， 并于2019年勇夺电动车第二名成绩，并获得最佳电子系统设计、效率奖等奖项。 近年来，自动驾驶车已成为汽车产业的一大趋势。 为求突破，清大学生团队2019开始自行开发自驾赛车，将目标放在参加德国的无人车赛事。 The Imaging Source 兆镁新 提供DFK 33UX273 相机以及相关配备，协助团队达成目标。 

算法– 定位和创建地图信息

由于自驾车基本上需要大量算法验证，团队先制作一台3：1缩小版赛车（如下图），由角锥定义之赛道实现对应的定位及导航系统，借此验证软件架构的可行性。 团队目前开发之自驾系统由传感器融合与导航控制两部分构成。 感测讯号利用扩展卡尔曼滤波（EKF），与FastSLAM-1.0算法融合机器视觉系统与各项传感器信息，以估计出车辆定位与角锥地图信息。 导航控制则是基于定位与路径信息，运算车辆动力学模型，以随机优化求解模型预测控制来达成车辆。 

*学生以一台3：1缩小版赛车先进行测试，双相机搭配主机于小车上。

打开无人赛车视野

机器视觉辨识一直是自驾车不可或缺的一部分，有如无人车眼睛，帮助赛车在赛道上辨识且避开障碍，畅行无阻。 尚未使用相机前学生仅能透过加速规和光流速度传感器来帮助车辆推估自身位置，无法得知外在环境状况。 一开始，学生安装单台相机，希望通过相机来感知周遭环境的状况来进行定位和建立地图（SLAM），藉由车子自身位置和外在地图来做出对应的决策，使车子在无人驾驶的状况下在由角锥 组成的地图中进行赛车竞速的行驶，情况大幅改善，赛车已能辨认出周遭大部分的环境。 然而，单相机赛车仍然有其限制，移动时无法成功捕捉到所有角锥。 借鉴国外其他赛车团队经验以及文献资料，学生们决定使用双相机来进行测试，增加更多角度辨识。 过程中，The Imaging Source USB3.0 彩色相机能迅速且有效地连接计算机，将相机内的影像信息实时传输至数据库中，经由Yolo v4进行影像识别，现阶段，双相机赛车已能成功辨识所有角锥，成功进行定位。 

（单相机识别范围）                               （双相机识别范围）  

*单相机赛车已能识别大部分角锥，但仍然有一些死角，双相机能成功辨识所有角锥。 

*利用相机识别前方角锥，来做短距直线加速。 

迈向国际无人车竞赛

疫情影响让赛事延宕，但没有浇熄学生们的热情，持续试验及研发无人车技术。 未来学生会将缩小版本赛车整合进正常规格赛车中，改良的轻量车体让赛车能在速度竞赛上获得不少优势，期望在不久的将来，学生能成功前进国际无人车赛事并获得佳绩。