GET racing rozpoczął rywalizację na początku 2022 roku. W pierwszych latach zespół rywalizował pojazdami spalinowymi, a następnie przeszedł na elektryczne samochody wyścigowe. Aby poprawić osiągi na torze wyścigowym, na górze samochodu zainstalowano dwie kamery VA Imaging, wcześniej znane jako GeT Cameras. Zespół zastosował dwie szybkie kamery MER2-160-75GC-P z czujnikiem SONY IMX273.
Zawody Formula Student
Formula Student to międzynarodowe zawody inżynieryjne, w których zespoły uniwersyteckie projektują i budują samochody wyścigowe, aby rywalizować w różnych konkurencjach. Studencki zespół GET racing uczestniczy w tych zawodach od 2005 roku. Po zbudowaniu łącznie jedenastu samochodów, w 2023 roku zaprezentował drugi pojazd elektryczny.
Przejście z silników spalinowych na silniki elektryczne było dla zespołu dużym krokiem w rywalizacji wyścigowej. Nie była to jedyna zmiana — samochód otrzymał również pierwszy kompletny pakiet aerodynamiczny. Obejmuje on przednie skrzydło, tylne skrzydło i tylny dyfuzor. Te rozwiązania potwierdzają zaangażowanie zespołu w innowacje, które jest dodatkowo wzmacniane wejściem w świat autonomicznych wyścigów, gdzie pojawiają się nowe wyzwania.
Sponsoring
Elektryczny pojazd GET racing, wyposażony w system wizyjny VA Imaging, ma rywalizować w inżynieryjnych zawodach Formula Student. W ciągu jednego tygodnia zespół będzie oceniany w konkurencjach statycznych. Członkowie muszą przekonać ekspertów podczas rozmowy technicznej, a także poprzez prezentację biznesową i kalkulację kosztów. Demonstrują również możliwości samochodu w dynamicznych konkurencjach na torze wyścigowym, obejmujących przyspieszenie, autocross i skid pad.
Zastosowanie kamer wizyjnych ma kluczowe znaczenie przy rozwiązywaniu wyzwań związanych z percepcją, lokalizacją i sterowaniem. Pomaga zespołowi postrzegać i digitalizować tor, aby znaleźć optymalne trajektorie, którymi powinien podążać samochód. W tym roku zespół wdrożył system wizyjny obejmujący kamerę MER2-160-75GC-P VA Imaging, wyposażoną w czujnik Sony IMX273. Połączenie czujnika LiDAR i dwóch obiektywów szerokokątnych w systemie 1,6 MP dodało dodatkową warstwę do ich systemu percepcji, zwiększając niezawodność i zasięg.
Sprzęt wizyjny
W systemie wizyjnym na ramie samochodu zastosowano następujące komponenty widzenia maszynowego:
- MER2-160-75GC-P: Jest to kamera GigE 1,6 MP z mocowaniem C-mount, umożliwiająca rejestrowanie 75 klatek na sekundę przy pełnej rozdzielczości.
- LM12-5MP-03MM-F2.8-2-ND1: Jest to obiektyw 3,3 MM z mocowaniem M12 do rejestrowania obrazów ze stopniem dystorsji < 1% i poziomym polem widzenia 73°.
Przegląd wszystkich produktów wizji komputerowej znajduje się na stronie internetowej. Kamera MER2-160-75GC-P, wyposażona w czujnik SONY IMX273, zapewnia 75 obrazów na sekundę przy 1,6 MP, gwarantując minimalne rozmycie ruchu. Migawka globalna zamraża obrazy bez artefaktów, co ma kluczowe znaczenie dla dokładnych wyników obliczeń.
Centralna jednostka przetwarzająca w samochodzie obsługuje dane z kamer i czujnika LiDAR, a także podejmuje decyzje i steruje układem kierowniczym, przepustnicą oraz hamulcami. Prowadzone są ciągłe badania i prace rozwojowe ukierunkowane na optymalizację wydajności jednostki przetwarzającej. Jednocześnie minimalizowany jest rozmiar jednostki, co ułatwia jej integrację i poprawia osiągi samochodu wyścigowego.
Testowanie konfiguracji kamer
Po otrzymaniu kamer zespół poczynił znaczne postępy w testach i rozwoju. Początkowo przeprowadzono testy statyczne na stanowisku testowym, aby ocenić wydajność systemu autonomicznego. W ten sposób jest on oceniany bez wpływu czynników zewnętrznych.
Po pomyślnym zakończeniu tych testów zespół kontynuował testy dynamiczne, czyli jazdę samochodem z w pełni aktywowanym systemem autonomicznym. Testy te przyniosły największe wyzwania, takie jak zmienne warunki oświetleniowe i ruchy czujników. Jednak migawka globalna czujnika Sony IMX273 zapewniła minimalne rozmycie ruchu przy dużych prędkościach, oferując precyzyjne dane do percepcji. Ogólnie rzecz biorąc, ich podejście do testowania w połączeniu z 2 kamerami wizyjnymi zapewniło solidne rozwiązanie autonomiczne.
Ocena
Wsparcie:
GET racing docenił całe oferowane wsparcie ze strony zespołu VA Imaging. Z wyjątkiem jednego drobnego problemu ze sterownikiem, którego nie udało się rozwiązać, zespół był wdzięczny za ścisłe wsparcie, zwłaszcza w zakresie doboru obiektywu, zapewniającego właściwe pole widzenia.
Trwałość: 
Po wielu godzinach testów zespół nadal uważa, że kamery działają tak jak pierwszego dnia użytkowania.
Jakość obrazu:
Zespół ocenia jakość obrazu na 4,5 gwiazdki na 5. Dzięki rozdzielczości kamer 1,6 MP udało się zwiększyć zasięg czujników z około 3 metrów do około 8 metrów. Jakość obrazu nadal była doskonała.
Elastyczność:
VA Imaging uzyskuje doskonałą ocenę za elastyczność, działanie w wielu systemach operacyjnych oraz obsługę wielu opcji zmiany parametrów w zależności od różnych rodzajów środowisk, w których kamery powinny pracować.
Proces wdrożenia: 
Chociaż proces wdrożenia przebiegał ogólnie sprawnie, wystąpiły pewne wyzwania. Jednak wsparcie oferowane przez zespół techniczny VA Imaging pomogło je rozwiązać.
Ceny:
Początkowo decyzja zespołu o współpracy z VA Imaging nie była oparta na cenach, lecz na specyfikacjach i wsparciu. Jednak, oceniając ceny na rynku, zespół uważa, że kamery są uczciwie wycenione i tańsze niż porównywalne produkty.
Współpraca między GET racing a VA Imaging stanowi znaczący krok w świecie autonomicznych wyścigów. Dzięki strategicznemu projektowi systemu wizyjnego i wspólnej pasji do innowacji partnerstwo to można uznać za sukces. Chcesz być na bieżąco z najnowszymi osiągnięciami studenckiego zespołu? Koniecznie obserwuj GET racing za pośrednictwem tego linku na LinkedIn lub zajrzyj na ich stronę internetową.