智能无人车 · 中小学启蒙教程

适合小学高年级至初中学生，从认识无人车开始，逐步了解自动驾驶的基本原理，通过图形化编程和简单实验建立对人工智能与机器人技术的兴趣。

第一章认识智能无人车

1.1 什么是智能无人车

智能无人车（Autonomous Vehicle）是一种能够在没有人类驾驶员操作的情况下，自动感知周围环境、规划行驶路线并安全到达目的地的车辆。

你可能在新闻里见过：

百度 Apollo 无人出租车在北京、武汉等城市试运营
特斯拉 Autopilot 辅助驾驶系统
亚马逊 Scout 无人配送小车
校园里的无人清扫车、无人快递车

这些车的共同特点是：能自己"看"、自己"想"、自己"走"。

1.2 无人车的"感官"

就像人有眼睛、耳朵、皮肤一样，无人车也有自己的"感官"：

传感器	类比人的感官	作用
摄像头	眼睛	识别红绿灯、车道线、行人
激光雷达（LiDAR）	触觉+视觉	精确测量周围物体的距离和形状
毫米波雷达	听觉	探测远处物体的速度和距离
超声波传感器	近距离触觉	停车时检测障碍物
GPS/北斗	方向感	知道自己在哪里
IMU（惯性测量单元）	平衡感	感知车辆的加速度和转向

1.3 动手实验：观察身边的"自动驾驶"

实验材料： 智能手机

步骤：

打开手机的地图 App（高德/百度地图）
开启"导航"功能，输入一个目的地
观察地图如何：
用 GPS 定位你的位置（无人车的"知道自己在哪里"）
规划一条最优路线（无人车的"路径规划"）
根据实时路况调整路线（无人车的"动态决策"）

思考： 手机导航和真正的无人车有什么区别？（提示：导航只告诉你怎么走，无人车要自己执行操作）

第二章无人车是怎么"看"世界的

2.1 计算机视觉入门

无人车最重要的"眼睛"是摄像头。但摄像头拍到的只是一张张图片，无人车需要理解图片中的内容——这就是计算机视觉。

计算机视觉能做的事情：

物体检测：找到图片中的车、人、红绿灯
语义分割：把图片中每个像素分类（路面、天空、建筑）
车道线检测：识别道路上的车道标记

2.2 图形化编程体验：识别颜色

我们可以用图形化编程工具（如 Scratch 或 Mind+）来模拟无人车的"视觉识别"。

项目：颜色追踪小车

原理： 摄像头捕捉画面 → 识别特定颜色（如红色）→ 计算颜色块的中心位置 → 控制小车朝颜色块方向移动。

Scratch 实现思路：

当绿旗被点击
重复执行
  如果 <检测到颜色 [红色 v]> 那么
    如果 <颜色块在左边> 那么
      左转
    否则如果 <颜色块在右边> 那么
      右转
    否则
      前进

2.3 激光雷达初体验

激光雷达（LiDAR）通过发射激光束并测量反射时间来计算距离。想象你在黑暗中用手电筒照墙——光从手电筒到墙再反射回来，你根据光往返的时间就能估算距离。

类比实验：

站在墙前拍手，听回声
离墙越远，回声越慢
激光雷达就是用"光"代替"声音"，速度快得多

第三章无人车是怎么"思考"的

3.1 从感知到决策

无人车的"大脑"工作流程：

传感器数据 → 环境感知 → 路径规划 → 控制执行
  (看)        (理解)      (想)       (动)

环境感知：融合摄像头、雷达等数据，构建周围环境的"地图"
路径规划：在地图中找到从 A 到 B 的最佳路线
控制执行：控制方向盘、油门、刹车

3.2 简单的决策逻辑

无人车的决策可以用"如果...那么..."的规则来描述：

情况	决策
前方有行人	减速或停车
红灯亮起	停车等待
前方车辆变慢	保持安全距离
道路施工	绕行

3.3 人工智能在无人车中的应用

现代无人车使用深度学习来理解复杂场景：

卷积神经网络（CNN）：识别图片中的物体
强化学习：通过不断试错学习最佳驾驶策略
预测模型：预测行人和其他车辆的下一步动作

趣味知识： 训练一个无人车的 AI 模型，需要数百万公里的真实驾驶数据！

第四章动手做：编程控制小车

4.1 选择你的平台

适合中小学生的无人车编程平台：

平台	特点	适合年龄
micro:bit 智能小车	图形化编程，入门简单	8-12 岁
Arduino 循迹小车	代码编程，学习电子基础	10-15 岁
LEGO Mindstorms	积木搭建+编程	8-14 岁
DJI RoboMaster	竞技对抗，功能强大	12-16 岁
树莓派小车	Linux 系统，接近真实无人车	12-16 岁

4.2 入门项目：循迹小车

目标： 让小车沿着地上的黑色线条自动行驶。

所需材料：

Arduino 或 micro:bit 开发板
2 个红外循迹传感器
2 个直流电机 + 车轮
电池盒
黑色电工胶带（做赛道）

工作原理：

红外传感器发射红外线到地面
白色地面反射强，黑色线条反射弱
根据左右传感器的读数差异，调整电机速度
小车就能沿着黑线行驶

核心代码（Arduino）：

int leftSensor = digitalRead(2);   // 左传感器
int rightSensor = digitalRead(3);  // 右传感器

if (leftSensor == 0 && rightSensor == 0) {
  // 两个都检测到黑线 → 前进
  forward();
} else if (leftSensor == 1 && rightSensor == 0) {
  // 左边偏离 → 左转修正
  turnLeft();
} else if (leftSensor == 0 && rightSensor == 1) {
  // 右边偏离 → 右转修正
  turnRight();
} else {
  // 都偏离 → 停车
  stop();
}

4.3 进阶项目：避障小车

在循迹小车基础上，加一个超声波传感器，让小车遇到障碍物时自动绕行。

升级思路：

超声波传感器检测前方距离
距离 < 20cm 时，停车并扫描左右方向
选择空旷的方向转弯

第五章智能无人车的未来

5.1 自动驾驶的分级

国际汽车工程师学会（SAE）将自动驾驶分为 6 个等级：

等级	名称	说明
L0	无自动化	完全由人驾驶
L1	驾驶辅助	自适应巡航或车道保持（二选一）
L2	部分自动化	同时控制方向和速度，但人需随时接管
L3	有条件自动化	特定场景下完全自动驾驶
L4	高度自动化	大部分场景自动驾驶，极端情况需人接管
L5	完全自动化	任何场景都无需人类干预

目前大部分量产车处于 L2 级别，百度 Apollo 等正在测试 L4。

5.2 无人车的应用场景

出行服务：无人出租车（Robotaxi）
物流配送：无人快递车、无人配送机器人
环卫清洁：无人清扫车
农业生产：无人拖拉机、无人喷洒机
矿山作业：无人矿卡
军事国防：无人侦察车、无人战车

5.3 你可以做什么

现在：

学习 Scratch/Python 编程基础
参加学校或社区的机器人兴趣小组
用 micro:bit 或 Arduino 做简单的智能小车项目

未来：

高中学习物理、数学、信息技术
大学选择计算机科学、自动化、人工智能等专业
参与全国大学生智能汽车竞赛等赛事