从相机、LiDAR 和赛场数据中识别机器人、目标物与环境结构。
VISION ALGORITHM
视觉算法组
让机器人看见赛场、理解目标并作出行动：从目标识别、位姿估计和运动预测，到定位建图、路径规划、决策与客户端交互，把传感器数据接入真实比赛闭环。
查看组别成员
FROM SENSOR TO ACTION
从传感器输入到机器人动作
视觉组并不只训练一个模型。真正上场的系统需要把感知结果变成稳定、实时、可与整车协同的决策输出。
估计目标的准确位置与姿态，持续跟踪运动状态并处理噪声和遮挡。
预测目标运动，或在地图与约束中生成机器人、机械臂的可执行路径。
根据场上信息确定目标和行动，并与电控、机械及操作手界面完成接口闭环。
把算法放进真实算力与通信环境，通过延迟、稳定性和赛场结果验证系统。
PROJECT CASES
五条项目链路：感知、规划与决策
选择项目查看视觉组提供的真实案例。页面保留原始运行画面和演示视频，用系统结果解释每项工作解决什么问题。
AUTO AIM
让机器人自主发现、预测并命中目标
系统通过摄像头找到敌方机器人，估计其运动状态，预测下一时刻的位置，再结合弹道完成瞄准与发射解算，形成无需操作手持续干预的自动攻击链路。
- 目标识别
- 运动预测
- 弹道解算
- 实时部署
ENGINEERING VISION
给机械臂准确目标位姿与可执行抓取路径
工程视觉由感知和规划两部分组成：先获得目标物体的准确位置与姿态，再根据识别结果完成避障和抓取路径规划，让机械臂能够可靠接近并操作目标。
- 目标分割
- 六维位姿估计
- 持续跟踪
- 避障抓取
NAVIGATION & DECISION
让自动哨兵知道自己在哪、该去哪、为什么去
导航决策面向自动哨兵，依次解决感知定位、路径生成和目标决策：感知建立环境与自身位置，导航给出通往目标点的路线，决策依据赛场状态选择目标。
- 定位建图
- 代价地图
- 路径规划
- 战术目标
RADAR PERCEPTION
用相机和 LiDAR 构建队伍的全场之眼
摄像头负责识别敌我机器人，LiDAR 测量距离和三维位置；融合后的系统持续跟踪场上机器人并把目标显示在小地图上，为操作手和自动哨兵提供实时敌方位置。
- 点云建图
- 目标识别
- 多传感器融合
- 全场跟踪
CUSTOM CLIENT
把全场信息、机器人状态与操作入口集中到一个界面
自定义 UI 面向操作手，把小地图、敌方位置、官方画面、吊射落点、血量、弹量、经济、能量机关和事件提醒集中展示，并与工程机器人的自定义控制器协同。
- 全场态势
- 状态汇总
- 多路画面
- 交互控制
PROJECT MATRIX
一套视觉能力，服务不同兵种
视觉组的项目不是彼此孤立的算法练习，而是围绕重装、步兵、哨兵、飞镖、无人机、雷达和全兵种客户端形成的赛季项目矩阵。
- 工程视觉
- 自瞄
- 辅助瞄准与定位解算
- 能量机关自瞄
- 装甲板自瞄
- 导航决策
- 自主瞄准
- 镖架自主瞄准
- 目标识别
- 导航决策
- 全场目标识别与跟踪
- 自定义客户端
- 比赛态势与状态汇总
- 跨兵种操作入口
项目分工会随赛季任务动态调整；这里依据现有材料呈现项目谱系，不公开内部负责人信息。
TECHNOLOGY IN CONTEXT
工具只是起点，系统闭环才是交付
视觉组会接触算法、机器人系统和工程部署。真正的目标，是让模型输出能够进入通信接口、控制逻辑和赛场决策，并经受真实光照、遮挡、延迟与算力约束。
OpenCV · 深度学习 · 目标检测与分割 · PnP / 位姿估计 · 多目标跟踪
点云 / LiDAR · 定位建图 · 路径规划 · 运动预测 · 决策逻辑
Python / C++ · 模型部署 · 机器人通信 · 数据采集与调试 · 自定义客户端