传感器和路径识别
时栅传感器的基本原理及应用
时栅传感器的基本原理及应用1. 时栅传感器的概述时栅传感器（Time-of-Flight Sensor）是一种可以测量物体与传感器之间距离的设备。
它利用红外线或激光发射器发射一个光脉冲，并通过测量脉冲的回程时间来计算距离。
时栅传感器可以应用于多个领域，如机器人导航、工业自动化、智能手机、虚拟现实等。
2. 时栅传感器的工作原理时栅传感器的工作原理基于飞行时间法（Time-of-Flight），即通过测量光脉冲从传感器发射到返回的时长来计算距离。
其工作过程如下：•发射器发射一个光脉冲。
•光线与目标物体相交并被反射。
•接收器接收到反射回来的光信号。
•通过测量光信号从发射到反射返回的时间差，计算出目标物体与传感器的距离。
3. 时栅传感器的优势时栅传感器相对于其他距离测量技术有以下优势：•高测量精度：时栅传感器可以实现亚毫米级别的距离测量精度，适用于精密测量应用。
•宽动态范围：时栅传感器可以测量靠近和远离传感器的目标物体，适应不同测量范围的需求。
•高抗干扰性：时栅传感器对于外界环境的光线变化、阴影等因素具有较高的抗干扰性能。
•快速响应速度：时栅传感器可以实现高速的测量和响应，适用于需要快速反馈的应用场景。
4. 时栅传感器的应用场景时栅传感器可应用于多个领域，例如：4.1 机器人导航时栅传感器可用于机器人导航中，帮助机器人感知周围环境并避障。
通过测量与障碍物的距离，机器人可以计算出最佳路径，并避免碰撞。
4.2 工业自动化在工业自动化领域，时栅传感器可以用于物体检测和测量。
例如，可以用于测量流水线上零件的位置、检测缺陷、计算速度等。
4.3 智能手机时栅传感器广泛应用于智能手机中的人脸识别和手势控制功能。
通过测量用户与手机的距离，可以实现自动息屏、快速解锁等功能。
4.4 虚拟现实时栅传感器可用于虚拟现实头盔中，实现对用户头部位置和姿态的精确测量。
通过实时跟踪用户的头部运动，可以提供更真实、沉浸式的虚拟现实体验。
什么是射频识别传感器
什么是射频识别传感器射频识别传感器概述射频识别或射频识别传感器“读取”各种标签内加密的电存储数据，然后将其返回到传感器。
数据通过电磁场以无线的方式发送至传感器，无需传感器及标签之间的物理接触。
能在至多几米的距离发送数据的近程标签，可通过磁场读取或通电，但有的是通过射频识别传感器发出的电磁场辐射来通电，还有的是由电池供电。
后者可在数百米的距离读取，其他如条形码等电子读取技术的主要优点是标签无需与传感器直接对准。
通过在此类标签中嵌入各种对象，其可被射频识别传感器在远处轻松跟踪。
该电子标签-无线射频识别传感器技术的各种工业应用现在更是五花八门：微型标签可被嵌入药品使其在库房内被识别并定位，汽车制造商使用射频识别标签跟踪车辆组装进程，对宠物和家畜皮下注入微型芯片标记使得识别简易、快捷。
射频识别标签目前还常规地发放给石油和天然气行业中海上钻机作业的工作人员以保证安全：通过该标签可随时定位四处走动的工作人员，并且发生紧急情况时可迅速确定其位置。
发展史现代射频识别传感器的前身出现于二战期间，其具有敌我识别（Identification Friend or Foe，IFF）发射机应答器，该发射机应答器可区别靠近飞机的发声并指明其是敌是友。
在当今的航空工业中，这些装置仍然用于航空器识别。
从概念上讲，当代射频识别装置发展的一次大飞跃发生在1948 年，其形式是来自无线电工程师哈利•斯托克曼的一篇开创性科学论文。
斯托克曼预言了基于“反射功率”的新一代通信工具——当代射频识别技术的核心特征。
1973 年马里奥•卡杜罗的被动式无线电应答器是同当今射频识别一样询问无线电信号实际抽拉功率的第一部装置，目的是用于若干产业；主要由于装配有存储器，其功能多种多样。
卡杜罗曾构想利用其开发电子车牌，监测车辆性能，传输医疗中病人的临床数据，在保安系统中识别员工并操作自动门，在银行业中创建电子信用卡和支票簿，及其他一系列事物。
历经十年至1983 年，该技术更进一步分为主动式和被动式两个方面，其中首个名为“射频识别（RFID）”的专利被电气工程师及发明家查尔斯·沃尔顿收入囊中。
智能循迹小车
智能循迹小车的引言概述智能循迹小车是近年来兴起的一种智能机器人，它能够通过内置的传感器和程序，自动识别和跟踪预定的路径。
这种小车使用了先进的计算机视觉技术和控制算法，能够在各种环境中准确地进行循迹。
智能循迹小车在许多领域中都得到了广泛的应用，包括工业自动化、物流运输、仓储管理等。
本文将对智能循迹小车的原理、技术和应用进行详细阐述。
智能循迹小车的原理和技术1. 传感器技术a. 摄像头传感器：通过摄像头传感器，智能循迹小车可以捕捉环境中的图像，并进行图像处理和识别。
b. 距离传感器：距离传感器可以帮助智能循迹小车感知周围环境中的障碍物，并避免碰撞。
c. 地盘传感器：地盘传感器用于检测小车在路径上的位置和姿态，以便进行准确的定位和导航。
2. 计算机视觉技术a. 特征提取：通过计算机视觉技术，智能循迹小车可以从摄像头捕捉的图像中提取关键特征，例如路径轮廓、颜色等。
b. 物体识别：利用深度学习算法，智能循迹小车可以识别环境中的物体，例如道路标志和交通信号灯，以便做出相应的反应。
c. 路径规划：根据图像处理和物体识别的结果，智能循迹小车可以计算出最优的路径规划，以达到快速而安全地循迹的目的。
3. 控制算法a. PID控制算法：智能循迹小车使用PID控制算法来实现精确的速度和方向控制，以便按照预定的路径进行循迹。
b. 路径校正算法：当智能循迹小车发现偏离路径时，会通过路径校正算法对速度和方向进行调整，以便重新回到预定的路径上。
智能循迹小车的应用1. 工业自动化a. 生产线物料运输：智能循迹小车可以自动将物料从一个地点运输到另一个地点，减少人力成本和提高生产效率。
b. 仓储管理：智能循迹小车可以在仓库中自动识别货物并进行搬运和分拣，提升仓储管理的效率和精确度。
2. 物流运输a. 快递配送：智能循迹小车可以在城市道路上按照预定的路径进行循迹，实现快递的自动配送和准时派送。
b. 高速公路货物运输：智能循迹小车可以在高速公路上准确无误地进行循迹，减少人为驾驶过程中的车祸风险。
无人机导航中的图像识别与路径规划方法
无人机导航中的图像识别与路径规划方法无人机导航技术的快速发展为许多应用领域带来了便利和机遇。
其中，图像识别与路径规划方法在无人机导航中起到了至关重要的作用。
本文将探讨无人机导航中的图像识别与路径规划方法，以及它们在实际应用中的意义和挑战。
在无人机导航中，图像识别技术起到了识别环境、目标物体和障碍物等重要作用。
无人机通过搭载视觉传感器，如摄像头或红外相机等，获取环境中的图像信息。
然后，利用计算机视觉算法对这些图像进行分析处理，以实现目标物体的识别和障碍物的检测。
常用的图像识别算法包括卷积神经网络（CNN）、支持向量机（SVM）和决策树等。
这些算法能够将环境中的图像进行特征提取，并将其与已知的目标物体或障碍物进行匹配，从而实现目标物体的识别和障碍物的检测。
基于图像识别的无人机路径规划方法，通过将识别到的目标物体和障碍物信息与环境地图进行结合，实现路径的规划与导航。
一种常用的路径规划算法是基于遗传算法的路径规划。
遗传算法通过模拟生物进化的过程，利用基因编码和遗传操作等方法，寻找最优路径。
在无人机导航中，遗传算法可以将起始点、目标点和障碍物等信息编码为基因序列，并通过遗传操作对基因进行交叉和变异，逐步优化路径。
此外，还有其他路径规划算法，如A*算法、Dijkstra算法和RRT算法等，它们通过建立代价模型和搜索算法，寻找最短路径或避免碰撞的路径。
图像识别与路径规划方法在无人机导航中有着广泛的应用。
首先，它们可以用于航拍和地理测绘。
无人机通过图像识别技术可以自动识别地理要素，如河流、道路和建筑物等，快速构建地图。
然后，利用路径规划算法可以实现无人机的自主导航，完成航线测绘任务。
其次，它们可以用于无人机的目标跟踪和监控。
通过图像识别技术可以实时识别目标物体，如车辆、人员和动物等，路径规划算法可以实现无人机的自动跟踪，并及时调整路径，保持目标物体的在视野中。
此外，图像识别与路径规划方法还可以应用于农业、环境监测和灾害应对等领域，实现无人机的智能化应用。
基于CCD传感器的智能小车控制系统设计
技术 ， 以及汽 车电子 、 电气工 程和机 械等 技术 ． 随着 自动控制技术 、 信 息技 术 和计 算 机 技术 的发展ｌ ｌ ｉ ｇ ｅ ｎ ｔ Ｖ ｅ ｈ ｉ ｃ ｌ ｅ ） 是集 自 动行驶、 环境 感知 、 决策规划、 辅助驾驶等功能于一体 的综合控 制系统 ， 集中应用 了自动控制技术、 现代传感器
Ｔｈｅ ｕ ｓ ｅ ｏ ｆ ＣＣＤ ｓ ｅ ｎｓ ｏｒ ｈａ ｓ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ｈｅ ｔ ｐ ｅ ｒ ｆ ｏ ｍ ａ ｒ ｎ ｃ ｅ ｏ ｆ ｒ ｏ ｕ ｔ ｅ ｒ ｅ ｃ ｏｇ ｎ ｉ ｔ ｉ ｏ ｎ．Ｔｈ ｕｓ ， ｔ ｈ ｅ ｈ ｉ ｇ ｈ－ ｓ ｐ ｅ ｅ ｄ
能小车控制系统的高速度与高精度．
关键词 ： 智能 车 ； ＭＣ ９ Ｓ １ ２ Ｄ Ｇ１ ２ ８单片机 ； Ｃ Ｃ Ｄ传感器 ；路径 识别
中图分类号 ： Ｔ Ｐ ２ １ ２ ． ９ ； Ｔ Ｐ ２ ７ ３ ． ５ 文献标志码 ： Ａ 文章编号 ：１ ０ ０ ６— ４ ７ ２ ９ （ ２ ０ １ ３ ） ０ ３— ０ ２ ６ ６— ０ ５
Ｊ ｕ ｎ． ２ ０ １ ３
ＤＯ Ｉ ：１ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ６— ４ ７ ２ ９ ． ２ ０ １ ３ ． ０ ３ ． ０ １ ６
基于 Ｃ Ｃ Ｄ传 感器 的智 能小 车控 制 系统 设 计
林建宇
（ 上海 电力学 院 电子 与信 息工程学院 ， 上海 ２ ０ ０ ０ ９ ０ ）
ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ
ｉ ｎｔ ｅ ｌ ｌ ｉ ｇｅ ｎ ｔ ｖ ｅ ｈ ｉ ｃ ｌ ｅ； ｍｉ ｃ ｒ ｏ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ｃ ｈ ｉ ｐ Ｍ Ｃ９Ｓ１ ２ ＤＧ１ ２ ８； ＣＣＤ ｓ ｅ ｎｓ ｏ ｒ；ｒ ｏ ｕ ｔ ｅ
道路感知设施应用场景
道路感知设施应用场景道路感知设施是指利用传感器和计算技术，对道路和交通状况进行实时检测和分析的设备和系统。
它主要用于提供道路和交通信息，帮助驾驶员和交通管理者做出决策，提高交通效率和安全性。
下面是一些道路感知设施应用场景的相关参考内容。
1. 交通监测与路况预测道路感知设施可以利用视频监控、雷达、传感器等技术，实时监测交通流量、车辆速度、拥堵状况等数据。
基于这些数据，可以进行交通流分析和预测，提供实时的路况信息，以帮助驾驶员选择最佳路径，减少交通拥堵。
2. 事故预警与紧急救援道路感知设施可以通过视频监控和传感器检测事故、交通违法和紧急情况。
一旦发现异常，可以即时发送警报并触发自动紧急救援机制。
这些设施可以帮助减少交通事故的发生和扩大，提高救援的速度和准确性。
3. 城市交通管理与规划道路感知设施可以为城市交通管理者提供实时的交通状况数据。
这些数据可以用于交通信号灯优化、交通流调控和路网规划。
通过对交通数据的分析，可以提高交通效率，减少交通堵塞，优化城市交通资源的分配。
4. 自动驾驶与车辆控制道路感知设施对于自动驾驶技术的发展至关重要。
它可以提供车辆周围的实时环境信息，帮助自动驾驶系统感知和理解道路状况，做出决策和控制。
通过与交通信号灯、交通控制中心等设施的连接，可以实现智能车辆的协同控制和交通优化。
5. 道路维护与保养道路感知设施可以利用传感器检测道路表面的损坏和磨损情况，以及交通标志和路灯的工作状态。
这些数据可以用于自动化的道路维护和保养，提前检测和修复道路问题，保障道路的良好状况和安全性。
6. 公共安全与治安监控道路感知设施可以用于公共安全和治安监控。
通过视频监控、车辆追踪和人群管理等技术，可以实时监测和识别可疑行为和违法活动，预防和响应事件，维护社会治安和公共秩序。
7. 交通统计与分析道路感知设施可以收集大量的交通数据，包括车辆通行量、出行方向、停车时长等。
通过对这些数据的分析和统计，可以了解交通状况和出行模式，为交通规划和政策制定提供科学依据。
快递机器人的工作原理
快递机器人的工作原理随着电子商务的兴起和物流行业的发展，快递行业需要处理的包裹数量不断增加。
为了提高快递效率和降低成本，快递机器人应运而生。
快递机器人是专门用于处理和运送包裹的自动化设备，它能够代替人工完成包裹的提取、分类、装载和交付等任务。
下面将对快递机器人的工作原理进行详细介绍。
1. 传感器技术：快递机器人配备了各种传感器，包括摄像头、激光雷达、红外线传感器等。
这些传感器能够感知周围环境，获取关键信息，帮助机器人进行地图导航、目标识别和障碍物避免等操作。
2. 地图导航：快递机器人首先需要构建和维护一个准确的室内地图。
它利用激光雷达等传感器扫描周围环境，生成地图并进行定位。
机器人根据地图信息进行路径规划，实现自主导航和行驶。
3. 包裹识别：当快递机器人到达指定地点时，它需要识别出目标包裹。
通过摄像头等传感器拍摄包裹的图像，利用计算机视觉技术对图像进行处理和分析，从而确定包裹的特征和信息。
4. 自动取件：一旦快递机器人识别出目标包裹，它会使用机械臂或其他装置进行自动取件。
机器人根据包裹的大小和重量调整机械臂的位置和动作，将包裹放入指定的容器或携带装置中。
5. 分拣和装载：快递中心通常有大量的包裹需要分类和装载到不同的车辆中。
快递机器人可以通过识别包裹上的条形码或二维码来判断包裹的目的地，然后根据预先设定的规则将包裹放置在对应的车辆或货架上。
6. 路径规划和避障：在快递机器人的运行过程中，它需要避开障碍物并找到最佳路径。
通过激光雷达等传感器感知周围环境，机器人能够检测到障碍物的存在并计算出绕过障碍物的路径。
7. 交付和签收：当快递机器人到达目的地时，它会根据目标位置自动停下并通知收件人。
收件人通过手机等设备进行身份验证后，可以使用特定的密码或二维码来解锁机器人，取走包裹并进行签收。
8. 数据记录和分析：快递机器人能够记录包裹的运输过程和相关数据，如起始时间、终止时间、里程数等。
这些数据可以作为后期分析和优化的基础，帮助企业提高运营效率和服务质量。
线性拟合路径识别的数学模型和实现
１ 方 法提 出
文 献 ［】 １ 中利用 中断技 术每 个 ｌ 采 集一 次信 ｍｓ
＇ ｒ
盖 盖
＇ ｒ －
盖 盖
－ － －
盖
－ －
号 ，采集 １ 次 求平均 值 的方法 可增 强抗 干扰 能力 。 ０ 文献 ［］ ２ 中提 出采 集模 拟 量 ，结合 环境 动 态设 置 阈 值 的 方 法 受 光 照影 响较 大 ，并 且 增 加 了许 多额 外 的 电路 。文 献 ［］ 出拟 合单 个传 感 器特 性 曲线 的 ３提 方法 同样 对环 境 的依赖性 较 高适 应性 不强 。 结 合 实 践 发 现 线 型 拟 合 识 别 路 径 的 方 法 可 以
ｏ Ｏ （ ｏ ｏ ）ｏ ｏ Ｏ ｏ
— —
●
● 接受管
厂 ＾、 “
图 １ 传 感 器 布 置
拟台 曲 线 十 使 用点
△
— 一
束 甩 点
电压 曲线
很 好 地 增 强 智 能 车 的 适 应 能 力 。该 方 法 的 基 本 思
想 是 让 传 感 器 采 集 模拟 量 ， 以传 感 器 的 固 定 位 置 为 Ｘ轴 ， 采 集 的 电压 为 Ｙ轴 。 经 过 适 当处 理 后 可
图 ２ 拟 合 曲 线
救稿日期：２ １－１－１ ０１ ０ ９ 作者简介：常文 凯 （９ ０ １９ －） ，男 ，河北邯郸 人 ，本科 ，研究方 向为 自动控制理论与工程 。 【８ 第３ 卷 ７】 ４ 第７ 期 ２ １－ （ ） ０２ ７上
参ｌ
阶方 程 效果 最好 。 如 图 １ 示 ，８个 传 感器 的位 置 分 别为 Ｘ ， 所
出道路信息。加入修正函数后结果误差减小。求解过程设计中充分考虑了程序计算速度和准 确 性 ，把计算过程分为４ 类分 别建立常数组 ，并且计算过程 中没有人 为设 定阈值。该方法对传 感器的一致性要求较 高， 经调整后符合要求 。实验结果表 明 ，该方法使用传感器个数较 少，抗
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
引言
“飞思卡尔”杯全国大学生智能车竞赛是以HCS12 MCU为核心的大学生课外科技竞
赛。组委会提供了一个标准的汽车模型、直流电机和可充电式电池，参赛队伍要制作一
个能够自主识别路线的智能车并在专门设计的跑道上自动识别道路行驶，其中比赛限制
规则之一就是传感器的总数不能超过16个。由于路径识别在本智能车控制系统中的重要
地位，而路径识别结果的好坏又与传感器的选择、传感器的数量有直接关系，因此，本
文针对应用于路径识别的传感器进行讨论。
传感器概述
光电传感器与CCD/CMOS图像传感器是较为常见的应用于路径识别的传感器。光电
传感器物理结构、信号处理方式简单但检测距离近。CCD/CMOS能更早感知前方路径
信息，但数据处理方式复杂，将CCD/CMOS图像传感器应用于路径识别是发展趋势。
红外传感器分为数字与模拟两种。数字红外传感器
硬件电路简单但采集路径信息粗糙，
模拟式通过将多个模拟红外传感器进行适当组合，可以再现赛道准确信息，但需占用微处
理器较多的AD端口。CCD/CMOS图像传感器可分为线阵式与面阵式两种。线阵式
图像
传感器应用于系统对检测精度有特殊要求的场合，一般价格较昂贵。面阵式图像传感器
应
用于普通的视频检测，价格较便宜。对于HCS12单片机的处理能力，在这里只能选用
CCD/CMOS图像传感器的信号输出格式为电视信号。
设计方案
针对第一届全国大学生智能车竞赛的赛道特色，基于上述对传感器的说明，下面讨
论红外传感器与CCD/CMOS图像传感器的路径识别方案。
基于反射式红外传感器的数字光电传感器阵列的路径检测方法具有较高的可靠性与
稳定性，且单片机易于处理。虽然大赛限制传感器为16个，但仍不足以解决精度问题，
而且光电传感器本身存在着检测距离近的问题，不能对远方的路径进行识别，降低了对
环境的适应能力，影响了智能车的快速性和稳定性。它利用传感器对白色和黑色的反射
率大小,把最大、最小值之间分为n个index区间，通过对各个传感器index值的组合
基本能够确定智能车的位置,从而对位置和行驶方向都能做较精确的控制。但这种方法对
识别道路的计算量大，计算时间较长，且检测距离也不是很远[1]。
基于图像传感器的智能控制，利用CCD/CMOS图像传感器的特点在小车前方虚拟出
24个光电传感器，能够精确地感知智能车的位置，并且硬件安装简单，调试方便。基于
CCD/CMOS传感器的路径检测方法具有探测距离远的优势，能够尽可能早的感知前方
的路径信息进行预判断，再现路径的真实信息。与光电传感器阵列配合使用具有远近结
合的优势,且具有较高的稳定性和可靠性。但大赛所要求的MC9S12DG128，总线时钟
最高25M，无法实现高级的图像算法和控制算法,且硬件电路较为复杂。
将以上各方案结合MC9S12DG128 MCU的运算能力，在追求系统简洁性的基础
上实现智能车控制系统路径识别的准确性，我们选择了基于CCD/CMOS图像传感器的智能
控制方案应用于最终的大赛。
具体应用
我们采取了基于图像传感器的路径识别方案，其参赛的智能车的整体实物照片如图1所
示。邀请赛指定唯一微处理器为Freescale HCS12DG128B16位MCU，128K字节
的Flash EEPROM，8K字节的RAM，2K字节的EEPROM，2个异步串行通信接口
(SCI)，2个串行外围接口(SPI)，1个8通道的输入捕捉/输出比较(IC/OC)增强型捕
捉定时器，2个8通道、10位转换精度的模数转换器(ADC)，1个8通道的脉冲调制
器(PWM)，丰富的I/O资源，内部集成PLL锁相环，可以提高系统时钟工作频率。然
而，S12单片机的上限内部总线频率25MHz。在此限制条件下，将微处理器的总线时
钟设定为24MHz。
根据智能车赛道引导线与其背景的巨大反差的特点，这里只需要选择具有全电视信
号输出的黑白图像传感器即可。由于所选的黑白图像传感器为PAL制，故行频为64ms，
场频20ms，行同步为12ms(行消隐脉冲4.7mS)，场同步脉冲宽度为25个行周期
(2.048 ms)，去掉行同步时间，则每行的有效信息时间是52ms。通过将图像传感器输
出的视频信号接至视频同步分离芯片LM1881的视频输入端，就可以得到行同步、场
同步、奇/偶场同步信号等，这里只使用行同步、奇/偶场同步信号作为单片机进行视频
AD采集的控制信号。使用LM1881提取视频信号中的行、场同步信号的电路原理如图
2所示。
处理器MC9S12DG128进行AD采样与转换的时间要求，这里使用24MHz的总
线速度，这样每采集一个点的时间大约是2ms，每行的扫描时间是64ms，去掉行消
隐与行同步时间12ms，每行有效信息时间为52ms。从数据可靠性与稳定性的角度考
虑，我们选择每行采集24个点，每场采集200行，但在实际应用中，每场采取每间隔
10行采集一行数据的策略，如此操作就能够满足控制系统的精度要求。图像传感器每场
的数据变换成一个20行、24列的一个二维数组。由于微处理器HCS12DG128B的
AD默认参考电压为5V左右，而视频信号的白电平为1.2V左右、黑电平0.5V左右，
为了体现白黑的巨大差异，这里将A/D采集的参考电压调整为1.5V，从而使得AD采
集的正常结果通常是在85～204之间。
结语
本文从传感器与路径识别的关系出发，讨论了红外传感器与CCD/CMOS图像传感器识
别方案的优缺点,并优选出CCD/CMOS图像传感器用于智能车路径识别与传感。通过将基
于面阵CCD/CMOS图像传感器的路径识别方案应用于第一届“飞思卡尔”杯全国大学生
智能
车竞赛，并从众多使用红外传感器的参赛队伍中脱颖而出，证明了该方案较红外传感器在路
径识别
中更具潜在优势。
参考文献：
1.黄开胜，金华民，蒋狄南，韩国智能模型车技术方案分析[J]，电子产品世界，
2006(3):150-152.