《A类赛题手册》下载地址：https://www.fwwb.org.cn/news/show/598

1.命题方向

智能计算+智能制造

2.题目类别

应用类

3.题目名称

社区智能治理机器人系统

4.背景说明

【整体背景】

社区是城市的关键组成部分，社区治理是围绕社区场景下的人、地、物、情、事的管理与服务。随着城市化的快速推进及人口流动的快速增加，传统社区治理在人员出入管控、安防巡逻、车辆停放管理等典型场景下都面临着人力不足、效率低下、响应不及时等诸多难题。 本竞赛以“社区智能治理”为竞赛主题，旨在通过人工智能技术代替人力，实现人、车、事的精准治理，大幅降低人力、物质、时间等成本，以最低成本发挥最强大的管理效能，有效推动城市治理向更“数字化、自动化、智慧化”的方向演进。

随着人工智能技术的成熟，利用智能机器人进行社区巡逻与治理已成为趋势。机器人需要在复杂的社区环境中自主完成红绿灯识别、人员密度检测、车辆管理、消防安全巡检、垃圾分类监测等任务。这要求系统具备高精度的环境感知、自主决策、路径规划及目标识别能力，以解决传统人力巡逻覆盖面不全、全天候作业困难等痛点。

【单位背景】

南京邮电大学自动化学院办学历史始于1972年的电讯仪表专业，2005年由电子工程系更名为自动化学院。目前，学院设有自动化系、测控技术系、电气工程系和智能科学与技术系4个系，1个机器人中心，1个实验教学中心和碳中和先进技术研究院。

学院是南京邮电大学主干工科学院，是校国家“世界一流学科”--“电子信息科学与工程学科群”方向之一“复杂网络与智能系统”建设学院。学院具有良好的教学、科研支撑条件，建设有网络通信与控制国家级虚拟仿真实验教学中心、江苏省主动配电网零碳运行控制工程研究中心、江苏省物联网智能机器人工程研究中心、江苏省具身智能与装备控制重点实验室、江苏省智能电网信息工程综合训练中心、江苏省自动化实验教学示范中心等省级平台以及8个中央和地方共建实验室。

【业务背景】

无

5.项目说明

【问题说明】

当前社区治理主要依赖人工巡逻，存在以下问题：

1. 人力成本高，难以实现24小时全覆盖；

2. 对异常情况（如火灾隐患、违停、垃圾满溢）发现滞后；

3. 数据采集不全，难以形成数字化管理闭环。 需要开发一套基于ROS的智能机器人系统，能够在仿真环境（Gazebo）及真实物理环境中，自主完成建图、导航、避障，并对社区内的关键要素（人、车、物、事）进行精准识别与状态判断。

【用户期望】

参赛作品需设计并实现一个具备自动驾驶与智能识别功能的机器人系统，具体如下：

1. 仿真模拟能力：在ROS1/Gazebo环境中搭建逼真的社区场景，完成虚拟机器人的运动控制与感知。

2. 自主巡航能力：机器人能根据红绿灯信号通行，自主规划路线，规避障碍物，准确停入停车位。

3. 全场景识别能力：

人群管理：识别社区人群总数，区分本社区与外来人员。

交通管理：识别车辆车牌号，判断电动车违停及倒伏状态，识别交通指示牌。

安全与环境：识别楼宇火灾隐患，检测垃圾桶开闭状态及垃圾分类投放情况。

4. 交互与反馈：机器人需实时播报识别结果，并输出清晰的反馈信息（如语音播报、图像标注）。

6.任务要求

【开发说明】

比赛分为区域赛和决赛两个阶段，开发需涵盖以下核心模块：

1. 仿真环境构建（区域赛）：使用ROS1在Gazebo中创建等比仿真环境，导入墙壁、贴图、人群立牌、车牌立牌等模型。

2. 机器人模型构建：建立包含运动控制功能、360度全方位扫描光雷达、立体/单目摄像头的车辆模型。

3. 算法开发：

运动控制：编写代码实现车辆按既定路线行驶，在指定点停车采集数据。

视觉识别：开发计算机视觉算法，对红绿灯（红10s/绿15s/黄3s）、车牌、人偶、火灾图像、垃圾桶状态等进行识别。

逻辑决策：实现红绿灯启停、避障、自主泊车等逻辑。

【技术要求与指标】

1. 硬件/平台要求：

仿真平台：ROS1, Gazebo。

实体机器人（决赛）：需使用经过组委会认证的参赛平台，车体限制为：CPU不超过4核心，最大睿频频率不超过3.40 GHz，传感器限制为：必须包含1个360度全方位扫描光雷达，不超过1个立体相机，不超过1个单目相机。

2. 功能指标及播报范例：

红绿灯识别：准确识别红、绿、黄灯状态。红灯亮起时，车身不可在停止线上移动。

人群识别：识别并计算社区人群总数，框选外来人员。 播报范例：“社区内共有 16 人，其中 A 街人数 8 人， B 街人数 8 人，发现 2 名非社区人员在 A 街，图片已保存。”

车牌识别：识别停车场内车辆车牌号。 播报范例：“1 号停车场车牌号为 XXXXX。”

垃圾桶识别：识别垃圾桶开闭及投放情况。 播报范例：“(可回收/其他/有害/厨余)垃圾桶状态为(打开/关闭)，垃圾桶里的垃圾为XX(物品名)，投放(正确/错误)。”

火灾识别：识别楼宇火灾情况。 播报范例：“艺术大厦发现火灾隐患 5 个。”

电动车状态识别：识别街区违停及停车区倒伏情况。 播报范例：“A 街区有 2 辆电动车违停， B 街区无违停，停车区内电动车正常 8 辆，倒伏 2 辆。”

指示牌识别：识别并响应指示牌。 播报范例：“前方是禁止直行指示牌。”

泊车：准确停入停车位，车头需朝向街道。

3. 运行要求：机器人需一键启动，全程自主运行，无人工干预。

【提交材料】

（1）项目概要介绍;

（2）项目简介PPT;

（3）项目详细方案;

（4）项目演示视频;

（5）企业要求提交的材料：

① 区域赛阶段：

仿真工程源码（含功能包、模型）；

演示视频（展示Gazebo模型、建图、移动、识别过程及代码讲解）；

技术文档（描述编译运行流程、理论基础、思路总结）；

② 决赛阶段：

演示视频展示实体机器人的自动巡航与任务执行，包含一镜到底的自主巡航全过程视频【全景视角】，包含机器人视角录屏【实时显示目标检测框、车牌识别结果、语音播报文本信息流】。

（6）团队自愿提交的其他补充材料。

【任务清单】

区域赛阶段：

1. 仿真环境搭建：依据提供的地图文件，在Gazebo中搭建等比仿真社区环境，导入墙壁、贴图、人群立牌、车牌立牌等模型。

2. 机器人建模：建立包含运动控制、摄像头功能的车辆仿真模型。

3. SLAM建图与导航：控制机器人在仿真环境中运动，构建环境地图，并实现按既定路线（蓝色箭头指示）自主行驶。

4. 基础视觉识别：在指定位置停下采集图片，并对人群立牌和车牌立牌进行识别与展示。

5. 成果整理：录制包含建图、移动、识别过程的演示视频，撰写包含编译运行流程及理论总结的技术文档。

图1 区域赛示意图 图中蓝色箭头为行进方向，橙黄色箭头为立牌向

图2 决赛示意图 图中蓝色箭头为行进方向，各标志旁的橙黄色箭头表示物料的朝向。

全国决赛阶段：

1. 实车部署调试：在实体机器人上部署算法，完成传感器标定与底盘控制调试。

2. 全场景感知开发：训练、部署深度学习模型，实现红绿灯、行人（含外来人员）、车牌、火灾隐患、垃圾桶状态、电动车违停/倒伏、交通指示牌等多种检测。

3. 复杂逻辑决策：实现红绿灯路口启停、避障、自主泊车入位等逻辑。

4. 综合任务执行：集成感知、决策、控制模块，在比赛场地中完成从起点出发、按序执行所有识别任务并最终泊车的全流程。

5. 成果整理：录制演示视频，撰写包含实现流程及理论总结的技术文档。

【开发工具与数据接口】

1. 开发工具：ROS1 (Robot Operating System), Gazebo 仿真器, Python/C++, OpenCV, 深度学习框架 (PyTorch/TensorFlow等)。

2. 数据接口：激光雷达数据接口、摄像头图像流接口、底盘运动控制接口。

7.其他

比赛过程中，机器人应自主运行，不得人为干预。

8.参考信息

场地地图及模型资源：https://pan.baidu.com/s/1A9AjFYTc_yJR2Gw4F2KaWw?pwd=3tv8

9.评分要点

赛题评分要点见附件一：A 类企业命题初赛统一评分标准。

除以上评分要点内容外，企业还重点关注以下内容：

区域赛(初赛)

全国决赛：