课程定位

同一张颜色卡片，换到阴影里以后会不会被识别成另一种颜色？桌面小车在哪些条件下能按预定路线行进，什么情况下会停在不希望的位置？这个研学方向从图像处理和视觉识别入手，把 Python 基础、摄像头观察和轮式小车任务联系起来。通过做条件一致的前后比较，学员逐渐能说清楚小车获得了哪些信息、作出怎样的反馈以及下一轮应看什么证据。

课程内容与学习重点

一、了解摄像头图像和观察条件

测试前先保存区域、拍摄背景和照明的记录，再描述图像中实际出现的边界、形状和颜色。辨认标志和线迹时，要考虑影子、遮挡、不同位置等条件。学员可以把摄像头看到的画面和现场物体放在一起，对照哪些信息已经得到，哪些仍需要进一步检查。

以同一块彩色材料为例，可让两名同学分别保留一种照明条件下的画面，再提出同一条规则会在哪些情形下判断不同。实验时注意保留安全合理的场地和人员指导。

二、用小尺度任务核对从识别到行动

可以先用简单示意图整理图像输入、判断步骤和车轮动作三个环节，知道在各段环节可看见怎样的表现。从颜色判断、标志辨认到循迹和定点停车，每项任务都选用教室允许的小型实验材料，并记录车辆在完成任务时是否符合事先描述的条件。

例如先在同样的实验台上确认能识别线迹，再观察更换背景后出现的变化。发生偏差时记清是看不到线条、看错边界，还是小车已经得到提示但动作与想要的不同。

三、用对照实验逐项理解项目结果

让同一组学员反复比较一次只调整的条件，保留材料、测试顺序和结果。比对多个成员的观察时注意他们是不是从相同位置、在相互接近的照明下得到结果。看到一项表现改善后，还可回查原有场景有没有受影响。

项目报告不只写最后一个好结果，可以列出原本目标、试过的条件、已有证据和仍不确定的地方。讨论时请另一组依据这份报告重建思路，发现影响判断的步骤后再修改记录。

小组学习时可先画出学校一处容易观察的安全路线示意，说明若用桌面模型表示它，需要看见哪些颜色、边界或停止提示。口头表达时给每个判断配上一项能被同伴复查的观察，帮助队友理解你为什么得出结论。

适合人群

适合对计算机、图像、机器人或小型智能车实验感兴趣的8至12年级学员。有编程基础的同学可从读图与项目测试开始，第一次接触的人可以先用纸片、示意图和观察记录参与。设备、素材及上机基础要求以当期安排为准。

开课与报名咨询

原寒假营公告列本方向2027年2月15—21日在上海杨浦安排，营期7天6晚。内部具体时段、招生条件、费用与师资以当期通知为准。单专题的参与方式、席位和费用详询。

要先参加过机器人比赛吗？学习可从查找车辆需要识别的视觉信号开始。可以带一个简单的观察实例，讲明想测试什么、哪里需要别人帮助。

如何整理实验里的失败案例？保留可还原的条件与结果，写下发生异常的步骤。重新测试时只调整一项清楚的因素，便于与之前的记录作比较。

温馨提示：课程内容为拟定，具体实际讲授内容由授课老师根据学员情况灵活调整，最终以课堂授课为准。