一、参加赛项

2026年第28 届中国机器人及人工智能大赛（CRAIC）・应用赛・城市道路识别 / 智能驾驶赛项

二、面向专业和课程

面向专业：人工智能、机器人工程、自动化、电子、信息科学、机电等专业

适用课程：Python编程、机器学习、深度学习、数字图像处理、计算机视觉、机器人控制

三、产品方案设计

该平台以深度学习、机器视觉和机器人底盘运动控制为核心，采用四轮驱动底盘，搭配高精度编码器，可实现精确的运动控制。通过在深度学习计算终端Jetson Nano中部署人工智能软件环境，赋予机器人对环境的感知能力和协同工作能力，进而实现基于人工智能技术的机器视觉+机器人运动控制教学应用场景。平台采用基于深度学习的图像处理技术、机器视觉技术和机器人运动控制技术，可为人工智能、机器人工程、自动化等专业提供一体化软硬件系统和教学解决方案。

产品具备如下功能：

1.满足Python编程、机器学习、深度学习、数字图像处理、计算机视觉、机器人运动控制等课程或知识点的教学；

2.配置Jetson Nano深度学习计算模块，部署人工智能软件环境，集成自主研发的机器人运动控制器和机器视觉算法，用户无需另外购置电脑，真正开箱即用；

3.平台支持STM32+RT-Thread+ROS开源系统，搭配激光雷达、IMU以及语音交互模块，可实现机器人控制算法、SLAM建图与导航等课程实践和竞赛训练，所有软件算法全部开源，支持二次开发。

四、产品功能和特点

1. 算力强劲的人工智能主机

产品主机采用性价比极高的英伟达计算主机Jetson Nano，配置高性能的四核64位ARM CPU，可用于各种机器人控制算法的实现，同时搭载128核的NVIDIA GPU，可提供472 GFLOPS的计算性能，还包括4GB LPDDR4存储器，采用高效，低功耗封装，具有5W / 10W功率模式和5V DC低电压输入能力。具有图形加速能力，内置NVIDIA CUDA Toolkit和TensorRT等库。SDK包括主流的开源机器学习（ML）框架，如TensorFlow，PyTorch，Caffe，Keras和MXNet，以及计算机视觉和机器人开发的框架，如OpenCV和ROS；

2. 自主研发的高性能运动控制器

底盘控制器采用STM32F407高性能ARM处理器，主频高、资源丰富。可实现板载陀螺仪数据采集与解算、4路直流减速电机编码器数据采集与车速PID/MFAC闭环控制、四轮差速底盘运动解析及控制接口、与车载计算模块的数据通信；控制器进行深度定制，不仅支持c/c++开发，同时可支持python语言开发；

3. 灵活易用的开源实时操作系统

底盘控制器搭载国产优秀的嵌入式实时操作系统RT-Thread，实现所有内核功能模块调用、Finsh shell命令行交互模块。可扩展文件系统管理、网络系统管理、支持Python编程的MicroPython系统框架、基于四轮差速底盘智能车的控制系统框架；提供RT-Thread操作系统的完整例程和教学课程；

4. 丰富的人工智能和机器视觉案例

支持Web页面浏览摄像头；基于openCV的人脸识别、车道线识别、巡线；Yolo交通标识识别、手势识别、物体识别；Unet语义分割实现车道线检测；语音交互与声源定位；3D视觉建图与导航；多机器人编队；深度视觉跟随；

5. 完善的ROS机器人系统功能

车载计算主机搭载Ubuntu18.04版本Linux操作系统，配置ROS及相关开发工具，实现ROS核心通信机制及组件、对底盘状态监测及运动控制、ROS分布式远程开发、摄像头数据采集与处理、SLAM建图与导航、声源定位、语音识别、Gazebo仿真环境，提供完整代码。

五、应用场景

1.智慧交通

以城市道路交通场景为基础，构建智能汽车无人驾驶实训场景，支持基于openCV的交通元素识别方案与自主驾驶，也支持基于深度学习的数据采集和处理、模型训练和部署方案；搭建具有各种交通元素、交通信号等设施，实现对现实交通的仿真模拟，为科研、教学和实践提供良好的基础平台。

2.AI+视觉自动仓储

采用AI技术和计算机视觉技术，控制机器人进行仓库货物的装载和卸载。车载计算终端中搭载深度学习算法，视觉系统对货物进行识别和决策，机器人对货物进行多个仓位间的搬运，或者对货物进行整理归位。

3.基于AI的机器人竞赛

本平台可完成多项国家级机器人竞赛项目，如中国机器人大赛、中国机器人及人工智能大赛、全国大学生计算机设计大赛等，可通过车载计算终端中搭载的深度学习框架，实现竞赛中对于车道线、交通标识、行人、符号以及特殊物体的识别，并通过灵活的四轮底盘完成地图的行进任务。