返回信息流在做一个智能车的比赛，由于比的是速度，所以小车出弯时的速度很关键。
但我想问下，如果在事先不知道跑到的情况下，小车该怎么判断弯道是否结束呢？
我们的车用黑白CMOS摄像头寻迹，跑道中央会有黑线标识路经
多谢多谢
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #2621同步于 2008/7/10
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
请教下，汽车出弯的判断方法
wyw1986119
2008/7/10镜像同步22 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复
嗯，大体上讲是这样的，但摄像头看到的范围是有限的，很多时候凭摄像头现在看到的信息，我们不能判断他出弯后将遇到的是直道还是弯道，这样我们就没法提前进行出弯加速（一般的公路上面会有那种弯道的标志，所以人可以借助那样的标志来判断已经走过弯道的大小，有利于更好的实现弯道速度控制）现在我们的车在进入弯道后首先要减速，但由于无法提前识别出弯道的结束，没法提前加速，所以出弯的速度极慢
【 在 bebekifis 的大作中提到: 】
: 这个问题很有意思啊，车顶上有摄像头的话发一张出弯时的图吧。
: 应该可以通过线跟踪与预测的方式来判定。
对的，我们就使用模糊控制来实现方向控制的，建立不同的隶属度函数来判断是大弯、小弯还是直道，现在的问题是，我们没法提前判断弯道即将结束，所以把握不好出弯加速的时机
【 在 ai0806 的大作中提到: 】
: 是不是可以尝试模糊数学，把汽车与左右边界的距离分成几个梯度，每一个梯度对应不同的偏转方向和角度，从而控制车不出轨，可以随便借本模糊数学应用的书看看
不懂。。。
麻烦讲详细些好么？
【 在 cryppie 的大作中提到: 】
: bebe的意思是预测路线，比如用kalman滤波、particle滤波
很多拉力赛的赛道很复杂，很多都是完全没有路标的。
那么我们的车手怎么办？
往往高速行驶的时候所能看到的范围相比速度来说也是有限的。
驾驶员最厉害的地方也就是在这里：预判！
预判的学习模式就是一个根据当前道路情况预测将来的情况，并一点一点根据新获得的知识（图像）来更新这个预测。
人脑显然比我们车上的单片机的功能要强大得多啊
而且我们的摄像头是固定了的，可以看到的范围显然没有人眼的大
在这样的情况下，该怎样实现更好的预判呢？
【 在 bebekifis 的大作中提到: 】
: 很多拉力赛的赛道很复杂，很多都是完全没有路标的。
: 那么我们的车手怎么办？
: 往往高速行驶的时候所能看到的范围相比速度来说也是有限的。
: ...................
你是在做竞赛？
汽车自动导航研究的历史已经很长了；简单的视觉跟踪，opencv也提供了丰富的参考代码。kalman滤波、particle滤波在tracking领域里算是很经典的方法了。
【 在 wyw1986119 的大作中提到: 】
: 人脑显然比我们车上的单片机的功能要强大得多啊
: 而且我们的摄像头是固定了的，可以看到的范围显然没有人眼的大
: 在这样的情况下，该怎样实现更好的预判呢？