共计 510 个字符，预计需要花费 2 分钟才能阅读完成。

系统架构搭建

在 名古屋大学 Alex 教授 指导下，团队完成 ROS 系统 与Autoware 自动驾驶框架 的部署。通过 Velodyne 激光雷达 采集点云数据，构建试验场 高精地图，实现厘米级定位精度。

感知系统攻坚

红绿灯检测器 开发经历算法迭代：
1. 初始 YOLOv3 模型 误检率达 13%
2. 改用 HSV 色彩空间 + 形态学处理 方案，准确率提升至 95%
3. 实车测试发现 环境干扰 问题：红色地砖 (色相值 0 -10)、绿植(色相值 85-140) 与交通灯产生混淆

实车测试挑战

夜间测试时系统表现优异，但日间受 光照变化 影响显著：
– 正午强光导致图像过曝
– 移动物体干扰（实测彩色衣物可使误检率增加 23%）
– 镜头眩光引发信号误判

工程实践启示

仿真与实车差异 凸显工程化难点：
1. 传感器标定：棋盘格校准消除 鱼眼畸变
2. 时序同步：激光雷达 (10Hz) 与摄像头 (30Hz) 数据融合
3. 硬件可靠性：经历 工控机过热保护 、 线束接触不良 等故障排除

技术认知迭代

实训验证 感知 - 决策 - 控制 闭环：
– 路点跟踪误差控制在±15cm
– 制动响应时间优化至 0.8s
– 构建包含 2000+ 标注样本的 专属数据集
通过 5 天高强度实践，团队完成 软件在环 到硬件在环 的跨越，实测数据表明系统在限定场景下达 L3 级自动驾驶水平。