新一代赛车研发启动

发布日期：2024年11月

我们很高兴地宣布，HUAT FSAC 2025 赛季新一代无人驾驶赛车的研发工作已正式启动！

---

研发目标

基于 2024 赛季的经验总结，我们为新一代赛车设定了以下目标：

🎯 性能提升

0-100 km/h 加速时间目标：< 3.0 秒

🔭 感知升级

引入固态激光雷达，提升感知范围和精度

🧠 算法优化

端到端深度学习方案探索

⚖️ 轻量化

整车质量目标：< 200 kg

---

技术路线

感知系统

新一代感知系统将采用多传感器深度融合方案：

激光雷达 ─┬─→ 点云融合 ─→ 3D目标检测 ─┐
          │                           │
摄像头 ───┴─→ 图像融合 ─→ 语义分割 ───┴─→ 融合感知结果

关键技术点：

• 时间同步：硬件触发 + PTP 精确时钟同步
• 空间标定：自动化外参标定流程
• 融合算法：基于 Transformer 的多模态融合

定位建图

Tip

我们将探索无 GNSS 环境下的纯视觉定位方案，以应对信号遮挡场景。

• 图优化 SLAM：基于因子图的多源信息融合
• 回环检测：结合视觉和几何特征
• 地图管理：增量式建图与地图更新

规划控制

规划层：

• 全局规划：基于赛道地图的最优路径生成
• 局部规划：实时避障与路径平滑

控制层：

• 纵向控制：速度规划 + PID/MPC 速度跟踪
• 横向控制：Stanley / Pure Pursuit / MPC

---

研发进度

第一阶段（2024.11 - 2024.12）

• 概念设计评审
• 技术方案确定
• 传感器选型完成
• 初步仿真环境搭建

第二阶段（2025.01 - 2025.03）

• 详细设计
• 核心算法开发
• 硬件采购与加工

第三阶段（2025.04 - 2025.06）

• 整车组装
• 联调测试
• 算法优化

---

招募新成员

新赛季，我们需要更多热爱技术的小伙伴加入！

开放岗位

组别	需求方向	技能要求
感知组	点云处理、目标检测	C++/Python, PCL, PyTorch
定位建图组	SLAM、传感器融合	C++, ROS, 卡尔曼滤波
规控组	路径规划、运动控制	Python/C++, 控制理论
仿真组	仿真环境开发	ROS, Gazebo, Carla

如何加入

1. 阅读我们的 学习路线
2. 完成基础知识学习
3. 联系我们参与面试

---

技术分享预告

为了帮助新成员快速上手，我们将举办系列技术分享会：

• 📅 12月第1周：ROS2 基础入门
• 📅 12月第2周：激光雷达点云处理
• 📅 12月第3周：卡尔曼滤波与传感器融合
• 📅 12月第4周：MPC 控制器设计

欢迎感兴趣的同学参加！

---

← 上一篇 | 返回首页 | 下一篇 →