1. wifi通信方案
为综合落实“群体智能，边云融合”的概念，wifi通信方案我们选择将wifi连接路由器，通过网络发送至云端进行处理。
在云端的选择上我们选择使用正点原子的原子云，通过云端去分配任务给相应的车。
▲ 图1.1 原子云界面
2.有场外摄像头方案
为了使平衡车不相撞，同时在有场外摄像头的辅助下，我们使用OPENMV做场外摄像头识别信标灯的坐标，再通过wifi模块传输给场内的智能车，分配相应的任务。
▲ 图2.1 信标场地和OpenMV IDE面
在场外摄像头的选择上我们只使用一个场外摄像头作为辅助，因为我们发现摄像头数量多了之后确定坐标统一就要调试很久并且还受到场地限制，所以我们使用一个摄像头也能达到很好的效果。
同时，任务分配也有几种方式。
2.1分区式
分区式的方案是将识别到的灯划分为一定的区间，比如最简单的左右区间或者是上下区间。在这里我们划分为左上、左下、右上、右下这四个区间，通过分区去让对应的小车完成任务，也避免的相互碰撞。
如果一个区域同时亮两个灯的话，通过程序控制优先灭图像靠左的灯。
▲ 图2.2 分区式管理
2.2 主从式
主从式是设置一辆车为主车，另一辆车为从车，让主从车相互交替灭灯，也能达到比较好的效果，但是相比于分区式，有时候会发生碰撞，且灭灯效率较低。
3.无场外摄像头方案
我们在调试场外摄像头的时候发现了许多问题。比如OPENMV的镜头不能变焦，这就不得不导致场外摄像头的位置必须要足够好才能拍到场地全部的信标灯，如果采用程序上的数字变焦，会使图像变差，因为摄像头本身的分辨率就比较低，如果再场地网络质量较差的话，使不确定性变得更大。
所以我们把无场外摄像头作为一个备用方案，以防场地环境问题导致比赛难以进行。在无场外摄像头的情况下我们只让两辆车进行相互通信。同时也分为几种模式。
3.1 分区式
我们在发车前可以先通过肉眼观察，找到一个比较容易区分边界的线作为两辆车的中界线。
在找到分界线后，用陀螺仪的航向角再结合编码器进行积分，就可以得到车模在平面坐标轴的大致位置，让一辆车保持在中线的左边，一辆车保持在中线的右边，如果在中线附近，则执行原地转圈的寻灯任务，防止跨过中线，从而达到分区管理，防止两车相撞。
但是我们在调试时发现，陀螺仪和编码器积分去计算坐标误差比较大，该方案完赛率非常低。
3.2 主从式
我们可以先把一辆车定位主车，一辆车定为从车。发车时让主车先寻灯，让从车等待，当两辆车都执行一次灭灯任务后，通过两车通信，判断那辆车先找到灯则那辆车先执行任务，而另一辆车则在原地等候，当那辆车成功灭灯之后，两辆车再相互比较那辆车先找到灯，以此循环直至全部完成任务。并且效果要比分区式效果好。
▲ 图3.1 双车模运行演示
4. 总体方案选择
通过两种方案对比我们发现，在有场外摄像头辅助的时候，灭灯效率相比无场外摄像头的灭灯效率高很多，并且两车碰撞率也比无场外摄像头小很多。所以我们将有场外摄像头辅助作为一个首要方案，将无场外摄像头作为一个备用方案，以防万一
● 相关图表链接: