低速機(jī)器人
作為自動(dòng)駕駛最重要的應(yīng)用之一，低速移動(dòng)機(jī)器人平臺(tái)的從實(shí)驗(yàn)室發(fā)展至落地應(yīng)用已經(jīng)有將近 20 年時(shí)間。在荷蘭、丹麥、法國(guó)、日本、美國(guó)、韓國(guó)、新加坡等多個(gè)國(guó)家，都有相應(yīng)的園區(qū)低速無(wú)人機(jī)器人在陸續(xù)承擔(dān)物流，清潔，巡檢等工作。
小Y針對(duì)無(wú)人駕駛技術(shù)在低速車(chē)輛的應(yīng)用，低速無(wú)人駕駛車(chē)輛精準(zhǔn)控制平臺(tái)架構(gòu)、 感知系統(tǒng) 、無(wú)人駕駛技術(shù)方法與大家一起討論交流。
歡迎點(diǎn)擊↓↓↓圖片，添加交流群。大家可以針對(duì)低速移動(dòng)機(jī)器人平臺(tái)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(chē)輛控制技術(shù)是低速移動(dòng)機(jī)器人平臺(tái)的核心，主要包括速度控制和方向控制等幾個(gè)部分。自主導(dǎo)航就是用電子技術(shù)控制汽車(chē)進(jìn)行的仿人駕駛。
通過(guò)對(duì)駕駛員的駕駛行為進(jìn)行分析可知，車(chē)輛的控制是一個(gè)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(diǎn)，根據(jù)預(yù)瞄點(diǎn)控制車(chē)輛的行為。
YUHESEN AUTO ROBO 低速無(wú)人平臺(tái)
低速無(wú)人駕駛車(chē)輛精準(zhǔn)控制平臺(tái)架構(gòu)
YUHESEN 整車(chē)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(chē)內(nèi)控制系統(tǒng)通過(guò)CAN總線連接到各個(gè)控制單元，接受指令完成車(chē)的速度、轉(zhuǎn)角等控制。
VCU( Vehicle Control Unit 整車(chē)控制單元)
VCU作為核心單元，其一通過(guò)采集控制部件等信號(hào)分析低速移動(dòng)機(jī)器人平臺(tái)狀態(tài)，將信息反饋給信號(hào)接收系統(tǒng); 其二接受系統(tǒng)指令，控制各部件的電氣信號(hào)進(jìn)而控制低速移動(dòng)機(jī)器人平臺(tái)的行駛狀態(tài)。
感知系統(tǒng)簡(jiǎn)介
環(huán)境感知系統(tǒng)架構(gòu)通過(guò)攝像頭、超聲波雷達(dá)、陀螺儀、車(chē)輪編碼器、激光雷達(dá)、GPS等。由于低速移動(dòng)機(jī)器人平臺(tái)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(yùn)行 ，目前主流方案使用攝像頭為輔助、激光雷達(dá)為主的多傳感器融合方案。
激光融合視覺(jué)SLAM算法架構(gòu)簡(jiǎn)介
首先基于激光提取具有尺度不變性的特征點(diǎn)；然后借鑒ＯＲＢ算法構(gòu)建特征描述子；最后立體匹配計(jì)算出無(wú)人車(chē)位姿序列、推算出無(wú)人車(chē)的二維空間位姿并完成建圖。同時(shí)為閉環(huán)檢測(cè)和位姿地圖優(yōu)化，提供了圖像特征點(diǎn)和特征描述點(diǎn)。
其次，采用視覺(jué)里程計(jì)與建圖己經(jīng)構(gòu)建好的特征描述子和BOW（模型進(jìn)行閉環(huán)檢測(cè)）。首先聚類(lèi)特征描述子實(shí)現(xiàn)類(lèi)中心；為了使視覺(jué)特征分層量化，所以遞歸生成叉樹(shù)的BOW；再采用逐層計(jì)算圖像之間相似性增量的Ａ：叉樹(shù)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(cuò)誤閉環(huán)；最后采用了時(shí)間和匹配約束。通過(guò)對(duì)視覺(jué)SLAM閉環(huán)檢測(cè)研究，不僅提高了閉環(huán)檢測(cè)的準(zhǔn)確性，也擴(kuò)展了基于場(chǎng)景外觀方法在SLAM系統(tǒng)中的應(yīng)用，同時(shí)豐富了計(jì)算機(jī)視覺(jué)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(wú)人車(chē)SLAM后端非線性?xún)?yōu)化結(jié)構(gòu)，采用高斯-牛頓迭代算法優(yōu)化位姿預(yù)測(cè)數(shù)據(jù)與位姿觀測(cè)數(shù)據(jù)之間的誤差，計(jì)算出誤差最小情況下的無(wú)人車(chē)位姿和路標(biāo)節(jié)點(diǎn)最優(yōu)配置。優(yōu)化了無(wú)人車(chē)定位與環(huán)境模型，從而指導(dǎo)無(wú)人車(chē)自主導(dǎo)航。
接下來(lái)將不斷和大家分享自主導(dǎo)航技術(shù)應(yīng)用與低速移動(dòng)機(jī)器人平臺(tái)場(chǎng)景的落地案例。大家可以針對(duì)低速移動(dòng)機(jī)器人平臺(tái)搭載autowear 、Apollo 3.0 、Apollo 7.0、ROS、ROS2、視覺(jué)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(zhǎng)摁下方二維碼即可）
誠(chéng)心邀請(qǐng)您
邀請(qǐng)您與YUHESEN一同開(kāi)啟這份偉大的事業(yè)。未來(lái)，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(dòng)移動(dòng)機(jī)器人導(dǎo)航技術(shù)發(fā)展與技術(shù)落地。
