5G远程无人智能车产品系统

立项原因：国内车企自动巡航多依赖激光雷达等多传感器融合，硬件成本偏高；特斯拉纯视觉方案虽成本低，但适配国内混合交通、非标准道路标识等复杂路况的算法精度不足，本项目旨在解决 “低成本纯视觉方案适配本土低速场景自动巡航” 的技术落地问题。
行业场景、业务背景：聚焦智能网联汽车及低速无人车（如园区物流车、短途接驳小车）行业场景，契合国内城市园区、封闭厂区等短途低速交通场景下，对低成本、高适配性自动巡航硬件方案的业务需求，助力填补国内纯视觉自动巡航在本土复杂路况下的技术应用缺口。

1、项目具体功能模块包含 3 大核心模块：①树莓派 4B 硬件控制模块（负责小车动力、转向的指令输出）；②纯视觉场景标识识别模块（处理操场环境视觉数据）；③场景决策与动作执行模块（根据识别结果输出操作指令）。
2、项目主要功能描述：以树莓派 4B 为控制核心，搭载视觉设备采集操场环境信息，实时识别操场跑道线并实现小车循迹行驶；同时可精准识别操场内的停车线、变道箭头、锥桶引导变道区域，自主触发变道、路径调整等响应动作，最终完成向黄色停车线区域的精准定位与停靠，实现操场场景下小车的自主视觉导航与目标区域精准停靠。

1、我负责的具体任务：主要承担两项核心工作，一是针对操场场景下的跑道线、停车线、变道箭头、锥桶区域等视觉标识，完成图像识别模型的训练；二是负责小车电机、舵机的控制基础参数确认，以及调控逻辑的落地实现。
2、项目使用的技术、架构与实现亮点、难点：技术与架构方面，采用 “视觉感知 - 控制决策 - 执行驱动” 分层架构：视觉感知层使用 YOLOv5n 轻量目标检测模型，并针对操场特定标识进行微调训练；控制决策层依托树莓派 4B 实现数据中转与指令下发；执行驱动层为电机、舵机硬件。
实现亮点：选用 YOLOv5n 轻量模型适配树莓派的有限算力，同时通过场景针对性微调，保障了操场标识的识别效率；电机、舵机参数与视觉识别结果的联动调控，实现了小车动作的精准响应。
实现难点：需平衡 YOLOv5n 模型在树莓派端的推理速度与识别精度，同时要确保视觉识别结果向电机、舵机控制参数的实时转换，避免动作延迟影响场景响应的准确性。