智能车竞赛十六年赛题全梳理：从电磁循迹到多车协同的备赛门道

智驾竞速十六年：我把历届智能车竞赛赛题清单梳理了一遍，发现了很多备赛门道

从2006年首届比赛到现在，全国大学生智能汽车竞赛已经走过了十几个年头。我一直觉得，这个比赛最迷人的地方不在于最终谁拿了国一，而在于每一届赛题背后藏着的那条技术演进暗线。很多人备赛时只盯着当年的规则手册猛看，却忽略了历年赛题其实是一部活生生的“竞速方案进化史”。我自己带过几届队伍，也翻烂了历届赛题清单，今天就把这些题目按阶段拆开来讲讲，聊聊它们背后的技术逻辑、硬件选型思路以及那些文档里不会明说的备赛经验。

先说个总体的判断：如果你想在比赛中少走弯路，研究历届赛题的价值不亚于研究当年规则。因为赛题演变是有路径依赖的，今年的创意组往往就是三年前某个组别的技术预演，而历年题目里反复出现的核心模块，比如电磁循迹、摄像头寻线、惯性导航、机械调校，才是真正值得你砸时间打磨的基本功。

1. 历届赛题的整体脉络：从“跑得快”到“跑得聪明”

1.1 为什么要把赛题按“年代”而不是按“组别”来梳理

很多人看赛题清单时会习惯性地按组别去分类，比如光电组、摄像头组、电磁组、直立组这样一路排下来。但我个人更建议你先按时间线去理解，因为按组别看容易陷入“我只关心我这个组别”的视野局限，而按年代看，你能清楚地感受到竞赛本身在“加难度”和“换赛道”上的节奏。

早期的智能车竞赛，本质上解决的是“如何让一辆小车稳定地跑完一圈”。那时候没有太多花哨的要求，车能识别赛道、能转弯、不冲出跑道就是胜利。到了中期，赛题开始加入速度博弈、障碍物、十字路口、坡道等复杂元素，比的就不再是单纯的“稳定”，而是“在稳定之下的极限速度”。最近几年的赛题，明显开始向“智能化”和“多车协同”倾斜，视觉识别目标、动态避障、车路协同这些概念陆续登场。

按年代梳理的好处是，你能清晰地看到竞赛组委会的设计逻辑：每过两三年，基础组别会保留，但一定会在某个维度上加码，而加码的方向往往就代表了未来三到五年嵌入式视觉和自动控制领域的热点。

1.2 三类核心赛道：电磁、摄像头、直立/平衡

历届赛题里，有三条非常清晰的技术主线。

第一条是电磁组。这个组别从2010年前后开始出现，一直延续至今。它的核心原理是利用赛道中心铺设的电流导线产生的交变磁场，通过车身上的电感线圈感应磁场强度来判断车与赛道中心线的偏差。电磁组对硬件电路的要求很高，运放、检波、滤波一个都不能马虎，而且它对机械结构的敏感度极大，可以说是“硬件决定上限，算法决定下限”的典型代表。

第二条是摄像头组。摄像头组的赛题历史最悠久，从首届比赛开始就有基于CCD摄像头的循迹方案。它的核心逻辑是采集赛道图像，通过图像处理提取赛道边线，然后计算偏差并控制方向。摄像头组的难点不在控制，而在图像处理的速度和鲁棒性——你要在几十毫秒内完成采集、二值化、边线提取、偏差计算这一整套流水线，还得应对逆光、反光、阴影这些杂七杂八的环境干扰。

第三条是直立组，也就是两轮平衡车。这个组别从2013年前后开始成为独立赛题，核心是利用MPU6050等惯性传感器实时解算车身倾角，通过电机反向力矩维持动态平衡。直立车难在“动态”，因为系统本身是不稳定的，你得用极高的控制频率去稳住它，而一旦跑起来，转向、加速和平衡三者又互相耦合，调试复杂度比四轮车高出一个量级。

1.3 赛题难度阶梯：为什么说“能完赛”和“能拿奖”是两码事

看历届赛题清单，你会发现一个特别有意思的现象：每一届的完赛率都不高，但每年总有人能跑出令人咋舌的成绩。这背后其实是赛题设计的“阶梯效应”。

以摄像头组为例，第三届的题目要求很简单，“能识别赛道并跑完全程”就算合格。但到了第五届，规则里明确写了“允许使用鱼眼镜头”“允许安装多个摄像头”，这就等于官方鼓励你在感知层面做文章。再到后面的几届，加入十字路口识别、障碍物绕行、环岛入口判断等元素时，如果你还停留在“只做边线提取”的思路上，那大概率会在复杂路况前栽跟头。

我的体会是，赛题的难度阶梯从来不写在规则书的字面上，而是藏在“隐含的技术要求”里。比如有些年份的赛题没有明说“需要记忆赛道”，但加入了很长的直道和连续S弯，如果不做赛道元素识别和路径记忆，你的速度就永远提不起来。所以，看历届赛题时，不要只看“题目说了什么”，要多想一步“题目为什么这样说”，这样才能真正读懂组委会的出题意图。

2. 那些年我们一起追过的经典赛题：从电磁循迹到多车协同

2.1 首届到第五届：从光电管到CCD的“感知革命”

如果翻开最早几届的赛题，你会发现一个很“复古”的细节：首届比赛的循迹方案，很多人用的是红外对管阵列，也就是靠一排红外发射接收管去检测黑线的位置。那时候的赛道背景是白色，中间有一条黑线，车跑起来的状态跟我们现在想象的“智能车”其实差得很远，更像是一个带传感器的遥控车。

但CCD摄像头的引入彻底改变了局面。我记得大概从第二届开始，就有队伍尝试用线性CCD（比如TSL1401）来替代红外对管阵列。线性CCD只有一行像素，但它的分辨率远超红外对管的离散点位，能连续地感知赛道灰度变化，这样一来，方向控制的平滑度就上了一个台阶。到第四届、第五届时，面阵CMOS摄像头开始普及，OV7725成了绝对的主流，因为它能输出RGB565或灰度图像，而且帧率可以拉到较高水准，刚好满足高速循迹的需求。

这个阶段的技术关键词是“二值化+边缘提取”。当时很多队伍的图像处理流程都是固定的：先做灰度化，再设置一个固定阈值做二值化，然后从图像底行向上扫描，找左右两个边线的跳变点，最后算中点偏差给到PD控制器。这套思路放到今天看确实简单，但在当时已经是相当成熟的工程方案了。如果你现在还在用类似的方法做老款赛题复刻，我建议至少要从“固定阈值”升级到“大津法”或“自适应阈值”，否则在光照变化的环境下很容易翻车。

2.2 电磁组加入与“电感排布”的玄学

电磁组大概是赛题史上最具“玄学”色彩的一个方向。它的原理不复杂——赛道的中心导线通有固定频率的交变电流，比如20kHz，车上的电感线圈感应到磁场后产生感应电动势，经过运放放大、检波、滤波之后变成直流电压，这个电压的幅值就反映了电感距中心导线的距离。

难点在哪里呢？难点在于电感的排布方式。有的队伍用水平电感，有的队伍用垂直电感，还有的队伍把水平垂直组合成“L型”或“T型”排布。不同排布方式对赛道元素的响应完全不同：水平电感在直道上信号变化平缓，适合做精确的偏差比例控制；垂直电感在过弯时信号变化剧烈，适合做转向的提前预判；而组合排布一般是为了兼顾直道和弯道。没有一种排布是万能的，关键看你车的机械特性、赛道元素和你的算法策略。

我见过很多新手队伍在电磁组上吃了暗亏。他们花了大把时间调PID，但车跑起来还是左摇右晃，最后发现问题是电感支架装得太高，导致在坡道和颠簸路面上信号抖动剧烈。电磁组的信号噪声问题，很多时候不是靠软件滤波能完全解决的，你得在硬件层面把运放电路的地线铺好、把电感支架的机械刚度做足，才能从根源上减少干扰。

2.3 直立车赛题：当“控制频率”成为第一生产力

直立组大概是所有组别里让新手最“劝退”的。因为别的组至少车是稳定的，你慢一点、稳一点，好歹能跑完；直立车如果平衡没调好，它连站都站不住，更别提跑了。

直立车的核心控制分三层：第一层是直立环，利用MPU6050读到的倾角和角速度，通过串级PID输出一个维持平衡的电机力矩；第二层是速度环，通过编码器测速，控制车在保持平衡的同时以设定速度前进；第三层是转向环，通过方向偏差控制左右轮差速。这三层环路的控制频率和优先级安排是门学问，常见的做法是直立环跑到高频，速度环和转向环在低频上运行，用中断嵌套或任务调度来错开执行。

我踩过最大的坑是MPU6050的数据滤波。早期我们没有做任何滤波，直接把原始角速度拿去做微分，结果噪声大得根本没法用。后来加了互补滤波，把加速度计和陀螺仪的数据融合了一下，效果立竿见影。再后来有的队伍用卡尔曼滤波，虽然精度更高，但调参难度也大，还要小心计算耗时。我的建议是：如果你不是对滤波算法特别有把握，先用互补滤波把系统的“稳”解决掉，再考虑用卡尔曼去抠那一点点性能提升。

2.4 从单车竞速到多车协同：赛题背后的“智能网联”影子

最近几年的赛题有一个很明显的趋势——从单车智能走向多车协同。比如有些年份加入了双车追逐、车库倒库、会车避让等元素，再到后来直接设置了“多车协同”的方向，要求两辆车在赛道上互相通信、协调超车、完成编队。

多车协同的难点已经不是“一辆车怎么跑得快”了，而是“两辆车怎么不撞上、不互相干扰，还能整体跑得快”。这里涉及通信机制的选择：早期有人用蓝牙、有人用NRF24L01，后来有人用WiFi模块甚至是ESP-NOW协议。通信的实时性和稳定性是最大的门槛，传输延迟哪怕只有几十毫秒，在高速运动场景下也可能导致致命的决策失误。

我比较推荐的做法是：把通信内容压缩到最小，只传必要的信息，比如车辆ID、当前速度、目标点、车道占位状态，而不是把所有感知数据都广播出去。然后，在车辆本地做一个简单的“虚拟编队”逻辑，每辆车都维护一张周围车辆的实时状态表，基于这个状态表做路径规划和速度规划。通信只是提供一个“握手”的桥梁，真正的智能决策还是应该放在车端本地，否则一旦通信断链，整个系统就崩了。

3. 交叉拆解：经典赛题背后的通用技术栈

3.1 感知层：从单传感器到多传感器融合

如果你把历届赛题的感知方案放在一起看，会发现一条清晰的演进路径：最早是红外对管的离散感知，然后到电磁电感的连续模拟感知，再到摄像头的像素级感知，最近几年则是“摄像头+雷达+惯性传感器”的多传感器融合。

多传感器融合听上去高大上，但真正在竞赛场景里落地时要特别注意“置信度”问题。比如摄像头的赛道线识别在逆光环境下很容易失效，这时候你是该相信摄像头的“半信半疑”结果，还是切换到电磁传感器去兜底？我见过一个做得不错的方案：用摄像头做主要的赛道线提取，用电感做“辅助纠偏”，两者通过一个简单的加权融合，权重根据当前图像的置信度动态调整。这种做法虽然算法上不复杂，但工程上非常实用。

多传感器融合的前提是时间同步。不同传感器的数据采集频率不一样，摄像头可能30帧每秒，电磁电感可能几百赫兹，惯性传感器可能上千赫兹。如果不对齐时间戳就直接做融合，数据的相位差会导致控制抖动。很多队伍在调试时会有个错觉：分模块测都好好的，合在一起就乱套。这种问题十有八九是出在时间同步上，而不是算法本身。

3.2 决策层：PID之外的“赛道元素记忆”

“智能车就靠一个PID打天下”是流传很多年的说法，这话对，但也不全对。PID确实能解决大部分连续控制问题，但遇到离散的赛道元素——比如十字路口、环岛、坡道、障碍物——单靠PID反应是不够的，你必须让车“知道”前面发生了什么。

这就需要引入状态机加赛道元素记忆。简单来说，就是把赛道理解成一串离散元素的序列：直道、左弯、右弯、S弯、十字、环岛、坡道、终点。车在运行过程中实时识别当前所处的赛道元素，并根据预设的策略切换到不同的控制模式。比如进十字之前要适当减速、保持方向稳定；出十字之后要尽快恢复目标速度，以免影响圈速。

赛道元素识别说起来简单，做起来却非常吃经验。比如十字路口和直道在图像特征上非常接近，很容易误判。我的经验是不要只看“当前帧”的图像，而是结合连续多帧的“图像变化趋势”来综合判断。比如直道上边线的斜率基本不变，而十字路口会出现“边线短暂消失”的特征。还有一些队伍会用编码器记录走过的距离，配合“记忆赛道顺序”的方式来预测前方元素，这样即使视觉被干扰，也能靠记忆兜底跑完一圈。

3.3 执行层：电机、舵机与机械调校的“隐藏分”

很多新手备赛时把80%的精力都放在算法上，但真正决定成绩上限的，往往是那20%的机械调校和底层执行优化。赛题清单看得多了你会发现，那些国一队伍的赛车，你拿过来跑一圈，哪怕不换任何代码，成绩也比普通队伍快上一大截。差别就在机械。

电机部分，关键的参数是“响应带宽”和“死区电压”。普通直流电机的响应有延迟，如果你在算法里给了一个阶跃式的PWM跳变，电机实际输出力矩的变化是滞后的。好的做法是做“力矩前馈+速度闭环”，在转向或加速时提前给一个前馈量补偿电机延迟。舵机部分，关键是“拉杆长度”和“转向几何”，这两个参数决定了转向的响应速度和线性度。我见过有队伍把舵机拉杆调得极短，结果转向响应极快但非常“贼”，稍微给一点方向修正就猛打，反而得不偿失。

还有一个经常被忽视的隐藏分数是“重心与轮距”。同样一套控制算法，把电池从车尾挪到车中部，圈速可能快半秒。因为重心越低、越居中，过弯时的侧倾和重心转移就越小，轮胎的抓地力就越稳定。这个不需要什么高级理论，就是在车模装配时多打几个安装孔位，反复试，直到找到最优解。

4. 从赛题清单里挖出的备赛方法论

4.1 新手入门：从哪一届赛题开始练手最合适

如果让我给新手推荐一个练手的起点，我会建议从“第五届到第七届”之间的赛题开始。为什么？因为这个阶段的赛题难度适中，感知上用线性CCD或入门级面阵摄像头就能应对，决策上还没有太多复杂的元素识别要求，控制上以经典PID为主，非常适合用来建立完整的系统认知。

具体来说，你可以先试着把一个“基础循迹任务”完整跑通：摄像头采集图像、计算偏差、PID控制转向和速度、完成一圈循迹。这个过程能帮你把整个系统的框架搭起来，后面不管遇到多复杂的赛题，本质都是在这个框架上加模块。千万不要一上来就挑战多车协同或视觉巡线识别目标物，那会直接把你的信心打没。

4.2 进阶提升：如何用“历史赛题”反向拆解当年的命题侧重点

进阶阶段，我建议你做一件事：把近十年的赛题清单按“新增元素”列一个表，每年新增了什么，然后把当年的一等奖方案拿出来看，分析他们是怎么应对这个新增元素的。

举个例子，某一年赛题加入了“坡道”，看似只是赛道上多了一个物理结构，但它带来的连锁反应是很大的：车在坡顶和坡底会发生重心转移，摄像头的俯仰角会变化导致视野漂移，电磁电感的感应高度也会变化。好的队伍会提前在机械结构上预留坡道适应性，比如把摄像头支架做成可调角度，或者把底盘离地间隙做小以降低坡道时的重心偏移。

通过这种“反推命题侧重点”的方式，你能慢慢培养出一种“读题感”。拿到当年的规则书时，不再是等别人告诉你重点，而是自己一眼就能看出哪些新元素是决定名次的胜负手。

4.3 时间管理：赛题再难，也要给“跑圈调参”留足时间

最后我想特别强调一点：备赛的时间分配，比任何技术选型都重要。我带过的队伍里，有相当一部分是在赛前两周还在改代码结构，导致根本没有时间完整地跑几圈去调参数。赛题的难度年年涨，但备赛周期并没有变长，所以你必须学会做减法。

我建议把备赛分成三个阶段：第一阶段（赛前90天到60天），完成硬件搭建和底层驱动，保证车能“动起来”，不追求速度；第二阶段（赛前60天到30天），跑通基础循迹，实现常用的赛道元素识别，让车能“跑完一圈”；第三阶段（赛前30天到比赛），把所有精力放在“极限调参”和“稳定性测试”上，让车从“跑完”到“跑快”。

这里有个很反直觉的经验：越临近比赛，越不要大改代码。赛前一周发现的问题，大概率不是代码逻辑问题，而是参数和机械匹配的问题。这时候应该做的是小幅调参、多跑几圈验证，而不是推翻重写。很多车队就是在赛前陷入“改来改去”的循环里，最后连一个稳定状态都没调到。

5. 备赛工具箱与常见坑点速查

5.1 推荐硬件与软件栈（基于历年赛题沉淀）

既然聊到落地，我就把近几年在历届赛题背景下比较主流的软硬件方案整理出来，方便不同基础的读者按需选用。

软件栈方面，我比较推荐的做法是：驱动层自己写，算法层在参考开源框架的基础上深度修改。这样既能保证你对底层原理的理解，又能在赛前快速迭代算法。千万不要整个工程都用别人的代码，一旦出了问题，你连排查的方向都没有。

5.2 新手最容易踩的6个坑与应对方法

1. 供电不足导致复位。很多车跑起来偶尔会重启，排查到最后往往是电池电压在电机大电流冲击下瞬间跌落。应对方法是在电源输入端加一个大容量电解电容，并让逻辑电源和电机电源共地但分路走线。

2. 摄像头曝光与帧率不匹配。拍出来的图像过曝或太暗，导致边线提取失败。应优先使用摄像头的自动曝光模式，如果不行再手动设置曝光时间，同时保证镜头偏振片方向正确。

3. PID参数只能在特定速度下好用。速度一提高就振荡或响应迟钝。应对方法是做“速度规划”，根据直道、弯道的不同目标速度动态切换PID参数，而不是用一组参数跑全程。

4. 电感信号在坡道和金属物件附近突变。电磁组车辆经过坡道或赛道附近的铁质物体时，信号会异常，导致转向误判。建议在软件里对电感信号做“范围限制”和“变化率限制”处理。

5. 直立车原地转圈。明明直立环调好了，但一给速度就转圈。这通常不是转向环的问题，而是左右电机特性不一致，或者编码器安装不对称导致的差速。建议先做“电机对称性校准”。

6. 代码版本混乱。比赛现场临时改代码无穷无尽。强烈建议使用Git做版本管理，每次大的调参和改结构都提交一个版本，并写清楚改动内容。这个习惯能在赛前帮你省下大量时间和精力。

5.3 如何利用“历史赛题清单”快速确定自己队伍的技术路线

每支队伍的资源和队员能力都不一样，所以不能盲目照搬某个冠军队伍的方案。我的建议是：先找到一份历届赛题清单，按你所在组别把历年题目拉一条主线出来，然后圈定三到五个和你目标相近的年份题目，把它们的技术共性提取出来，作为你队伍技术路线的“最小可行集合”。

举个例子：如果你今年要参加摄像头组，你需要重点关注近五年摄像头组的赛题演变。假设近五年反复出现的元素是“环岛”“十字”“坡道”“障碍物”，那你的核心开发任务就非常明确了：用摄像头完成可靠的赛道线提取，把这四个元素的识别和策略各自做成独立的模块，先分开调试，再整合联调。至于那些只出现过一次的元素，有余力再做，没有余力就果断放弃，不要贪多。

技术路线的本质，是用最少的时间去覆盖最高频的核心考点。历届赛题清单就是你的“考点大纲”，而你要做的就是像备考一样，把高频考点先吃透，再去攻克冷门难点。

6. 从智能车竞赛走向更广阔的工程世界

6.1 竞赛中练出的“硬技能”能迁移到哪里

智能车竞赛的很多底层技术，放到工业界和科研领域依然非常能打。做过摄像头循迹的人，去搞机器视觉的产线定位，思路是完全相通的；做过电磁电感信号处理的人，去搞工业传感器信号调理，也能很快上手；做过直立车姿态解算的人，再去搞无人机飞控或者机器人的平衡控制，会发现核心算法几乎就是那套东西。

我认识不少当年在实验室熬夜调车的同学，后来去了做自动驾驶的公司、机器人公司、无人机公司。他们说面试时最值钱的不是那张获奖证书，而是你在调车过程中积累的“系统级调试直觉”——知道一个现象背后可能有哪些原因，知道该从哪里下手排查问题。这种东西是课堂上教不出来的，只能在实践中一点点磨出来。

6.2 竞赛中练出的“软技能”：项目节奏、团队协作与取舍决策

硬技能之外，智能车竞赛还逼着你练出一套软技能。最典型的是项目节奏感。备赛周期就那么多天，赛题难度摆在那里，你必须在有限的时间里做出取舍。是先把图像处理做扎实，还是先把控制调优？是先保证稳定性，还是先追求极限速度？每一次选择都是对“工程判断力”的锻炼。

团队协作也是一个绕不开的话题。一支队伍通常分硬件、嵌入式、算法、机械等角色，彼此之间要频繁对接。我的经验是，每周至少要开一次“接口对齐会”，明确每个人的改动会影响到谁，避免出现“硬件改了传感器位置，算法不知道”这种推倒重来的事故。这跟在企业里做项目没有本质区别，竞赛只是提前给了你一个低成本的试错场。

6.3 给后来者的几句掏心窝子话

如果你正准备参加智能车竞赛，我想对你说三句实在话。

第一，赛题清单只是地图，不是终点。研究历届题目是为了让你知道路该怎么走，但真正让你成长的，是走这条路时遇到的一个个具体难题和解决方案。

第二，不要害怕“从零开始”。哪怕你的队伍没有学长学姐留下任何代码，也不要灰心。从零开始搭一套系统虽然辛苦，但你对每个模块的理解会深刻得多，这种深度的理解在关键时刻比一堆现成代码更值钱。

第三，比赛结果是重要的，但过程更珍贵。几年后当你回头看，你会怀念那些在实验室调试到凌晨、为一个小问题争论不休、最后终于看到赛车稳稳跑完一圈的瞬间。那些瞬间，才是这个竞赛给你最宝贵的礼物。

说到底，历届智能车竞赛赛题清单就是一把钥匙，它打开的不只是一场比赛的大门，更是一个让你把课本知识变成真实工程能力的大门。希望这篇梳理能帮你在备赛路上少走一些弯路，更快找到属于你自己的“最优解”。