项目一【应用背景】 本项目主要应用于智能仓储物流（AGV小车）及自动巡检领域。 【解决痛点】 针对传统红外循迹传感器精度低、受环境光干扰大、无法应对复杂路口的痛点，利用机器视觉技术替代传统传感器。 【业务价值】 实现了低成本摄像头的亚像素级路径跟踪，能够应对直角弯、环岛等复杂路况，大幅降低了工业现场的硬件部署成本与维护难度。
项目二背景： 在线教育市场庞大，但大多数背单词软件缺乏科学的记忆规划，导致用户学习效率低下，难以坚持。 痛点： 传统的死记硬背无法对抗遗忘规律，且缺乏有效的数据反馈与激励机制。 目标： 构建一套基于认知心理学的智能后端系统，利用数据算法为每个用户定制专属的记忆路径，通过游戏化机制提升学习粘性。
项目一系统基于有限状态机（FSM）设计，具备复杂的运动决策能力：
视觉感知：利用摄像头实时采集图像，通过二值化与像素质心算法，分别计算近端与远端的路径偏差。
PID精准控制：设计了 PD控制器（Kp=0.035, Kd=0.015），根据视觉误差动态调整左右轮速度，消除震荡。
复杂路况处理：内置逻辑判断机制，自动识别十字路口、直角弯及环岛入口，自动切换“原地旋转”、“冲刺”或“环岛巡航”模式。
项目二系统采用微服务架构思想，提供全套API服务：
记忆算法引擎：内置 艾宾浩斯遗忘曲线算法，根据用户对单词的掌握程度（0-5级），动态计算下一次最佳复习时间点。
用户成长体系：实现了完整的积分、等级、经验值及成就系统（如“连续打卡”、“单词达人”），极大提升用户活跃度。
数据可视化接口：提供多维度统计API，支持前端展示学习热力图、遗忘率分布及每日趋势。
内容管理：支持多单词本切换与收藏功能，满足不同阶段（四六级、考研）的学习
项目一负责核心控制算法的推导与代码实现。
算法实现：摒弃了简单的if-else逻辑，引入了加权平均法计算赛道质心，大大提高了对噪声的抗干扰能力。
状态机设计：定义了 SCAN (扫描)、TANK_TURN (原地转向)、FORCE_IN (强制入环) 等5种状态，解决了多圈巡航时的逻辑死锁问题，实现了完全自主的闭环控制。
项目二独立完成数据库设计与后端接口开发。
技术架构：使用 Flask 框架搭建 RESTful API，采用 Blueprints 组织代码结构，保证了系统的可维护性。
数据库优化：设计了包含 users, words, records 等多张表的规范化MySQL数据库，并针对高频查询字段（如 next_review_time）建立了索引，查询效率提升50%以上。实现了安全的密码哈希存储与Token鉴权机制。
评论