低速機器人
作為自動駕駛最重要的應(yīng)用之一，低速移動機器人平臺的從實驗室發(fā)展至落地應(yīng)用已經(jīng)有將近 20 年時間。在荷蘭、丹麥、法國、日本、美國、韓國、新加坡等多個國家，都有相應(yīng)的園區(qū)低速無人機器人在陸續(xù)承擔(dān)物流，清潔，巡檢等工作。
小Y針對無人駕駛技術(shù)在低速車輛的應(yīng)用，低速無人駕駛車輛精準(zhǔn)控制平臺架構(gòu)、 感知系統(tǒng) 、無人駕駛技術(shù)方法與大家一起討論交流。
歡迎點擊↓↓↓圖片，添加交流群。大家可以針對低速移動機器人平臺搭載 autowear、Apollo 3.0 、Apollo 7.0 、ROS、ROS2技術(shù)與小Y 一起討論學(xué)習(xí) 。
—YUHESEN產(chǎn)品—
車輛控制技術(shù)是低速移動機器人平臺的核心，主要包括速度控制和方向控制等幾個部分。自主導(dǎo)航就是用電子技術(shù)控制汽車進行的仿人駕駛。
通過對駕駛員的駕駛行為進行分析可知，車輛的控制是一個典型的預(yù)瞄控制行為，駕駛員找到當(dāng)前道路環(huán)境下的預(yù)瞄點，根據(jù)預(yù)瞄點控制車輛的行為。
YUHESEN AUTO ROBO 低速無人平臺
低速無人駕駛車輛精準(zhǔn)控制平臺架構(gòu)
YUHESEN 整車控制系統(tǒng)
目前最常用的方法是PID算法，例如模糊PID、神經(jīng)網(wǎng)絡(luò)PID 等。車內(nèi)控制系統(tǒng)通過CAN總線連接到各個控制單元，接受指令完成車的速度、轉(zhuǎn)角等控制。
VCU( Vehicle Control Unit 整車控制單元)
VCU作為核心單元，其一通過采集控制部件等信號分析低速移動機器人平臺狀態(tài)，將信息反饋給信號接收系統(tǒng); 其二接受系統(tǒng)指令，控制各部件的電氣信號進而控制低速移動機器人平臺的行駛狀態(tài)。
感知系統(tǒng)簡介
環(huán)境感知系統(tǒng)架構(gòu)通過攝像頭、超聲波雷達、陀螺儀、車輪編碼器、激光雷達、GPS等。由于低速移動機器人平臺駕駛道路結(jié)構(gòu)較為單一 ，基本為城市道路與園區(qū)內(nèi)部道路運行 ，目前主流方案使用攝像頭為輔助、激光雷達為主的多傳感器融合方案。
激光融合視覺SLAM算法架構(gòu)簡介
首先基于激光提取具有尺度不變性的特征點；然后借鑒ＯＲＢ算法構(gòu)建特征描述子；最后立體匹配計算出無人車位姿序列、推算出無人車的二維空間位姿并完成建圖。同時為閉環(huán)檢測和位姿地圖優(yōu)化，提供了圖像特征點和特征描述點。
其次，采用視覺里程計與建圖己經(jīng)構(gòu)建好的特征描述子和BOW（模型進行閉環(huán)檢測）。首先聚類特征描述子實現(xiàn)類中心；為了使視覺特征分層量化，所以遞歸生成叉樹的BOW；再采用逐層計算圖像之間相似性增量的Ａ：叉樹得分匹配方法；為了形成更好地候選閉環(huán)和剔除候選閉環(huán)的中錯誤閉環(huán)；最后采用了時間和匹配約束。通過對視覺SLAM閉環(huán)檢測研究，不僅提高了閉環(huán)檢測的準(zhǔn)確性，也擴展了基于場景外觀方法在SLAM系統(tǒng)中的應(yīng)用，同時豐富了計算機視覺和圖像處理等領(lǐng)域的BOW方法研宄。
然后，構(gòu)建了基于圖的無人車SLAM后端非線性優(yōu)化結(jié)構(gòu)，采用高斯-牛頓迭代算法優(yōu)化位姿預(yù)測數(shù)據(jù)與位姿觀測數(shù)據(jù)之間的誤差，計算出誤差最小情況下的無人車位姿和路標(biāo)節(jié)點最優(yōu)配置。優(yōu)化了無人車定位與環(huán)境模型，從而指導(dǎo)無人車自主導(dǎo)航。
接下來將不斷和大家分享自主導(dǎo)航技術(shù)應(yīng)用與低速移動機器人平臺場景的落地案例。大家可以針對低速移動機器人平臺搭載autowear 、Apollo 3.0 、Apollo 7.0、ROS、ROS2、視覺導(dǎo)航技術(shù)與小Y一起討論學(xué)習(xí) ，在后期將為大家提供更多與行業(yè)結(jié)合的導(dǎo)航技術(shù)信息，期待您的加入。（長摁下方二維碼即可）
誠心邀請您
邀請您與YUHESEN一同開啟這份偉大的事業(yè)。未來，我們將攜手跨越行業(yè)、產(chǎn)業(yè)的限制，傾力創(chuàng)造更加美好的世界 。
歡迎大家蒞臨公司交流學(xué)習(xí) ，一同推動移動機器人導(dǎo)航技術(shù)發(fā)展與技術(shù)落地。
