|
|||||||
|
|||||||
|
||||||
|
||||||
|
||||||||||||
|
||||||||||||
|
|||||||||
|
|||||||||
|
|||
|
|||
|
|||||||||||||
|
|||||||||||||
|
|||||||||
|
|||||||||
|
||
|
||
|
|||||
|
|||||
|
||
|
||
|
|||
|
|||
|
|||
|
|||
上海中人專業(yè)提供ZRRGZN-04智慧城市自動駕駛應用場景系統(tǒng),是專業(yè)的教學設備生產廠家，我們歡迎您來我們生產基地考察ZRRGZN-04智慧城市自動駕駛應用場景系統(tǒng)，并為您提供專業(yè)的解決方案。教學設備可以解決教師教學缺少平臺，學生缺少實操經(jīng)驗的難題。ZRRGZN-04智慧城市自動駕駛應用場景系統(tǒng)，是中人公司的品質效益保障教學產品。 文章內容中的圖片為參考圖片,僅供參考,以實物為準.
本文關鍵詞：ZRRGZN-04智慧城市自動駕駛應用場景系統(tǒng)
系統(tǒng)采用運動控制處理器與中央處理器構建雙處理器模塊，完成小車任務規(guī)劃與系統(tǒng)運動控制。通過內置Ubuntu操作系統(tǒng)，配置機器人操作系統(tǒng)ROS，通過ROS有效完成對機器人的多任務進行實時管理，同時提供通信、數(shù)據(jù)采集、人機交互以及外圍傳感器拓展的接口。
小車采用直流電機進行驅動，最大負載可達25kg。通過設計麥克納姆輪，保障小車在不同空間環(huán)境條件下均可自由的運動。在運動控制方法上，小車采用方向舵機控制前輪完成小車方向調整，可實時快速完成對小車航向信息的修正與調整。小車在實際運行過程中，其最小轉彎半徑為0m，最大爬坡角度為25°，可滿足一般室內與室外場景的應用需求。
系統(tǒng)配置大容量鋰電池，采用22.2V 10Ah鋰電池對小車進行供電，滿足移動機器人在室內與室外環(huán)境條件下長時間自主測試與作業(yè)的需求。系統(tǒng)最長工作時間可達10小時。同時，系統(tǒng)設計了多路電壓檢測單元，對系統(tǒng)充放電過程以及過壓、欠壓、短路等情況進行監(jiān)測，保障產品的用電安全。
特點和優(yōu)勢
（1）提供智能駕駛模擬平臺
配套提供智能駕駛模擬平臺，部署常見的道路標識和設施，為智能機器人的測試和研究提供一個全方位、多功能的場景。
（2）模擬平臺中可實現(xiàn)網(wǎng)約車功能
在中央計算節(jié)點中部署管理后臺，可支持乘客預約、車輛位置分析、最優(yōu)車輛調度、車輛到達提醒、乘客送達確認等功能。
（3）可提供多機協(xié)同建圖功能
在中央計算節(jié)點中部署RBot-Multi多機協(xié)同軟件，支持通過中央計算節(jié)點管理多臺智能機器人，實時查看所有機器人的在線狀態(tài)、實時位置、當前任務等信息。
（4）配置北斗導航定位系統(tǒng)
在機器人中植入北斗導航定位系統(tǒng)相關的芯片和硬件模塊，可以使得機器人走向室外，在外部空間具備定位和導航功能。北斗導航定位系統(tǒng)作為國家的戰(zhàn)略性系統(tǒng)，在移動機器人中進行該類課題的研究，具有前瞻性意義。
（5）部署深度學習算法，支持進行復雜場景的分析
內置邊緣計算終端，部署常用的深度學習軟件框架，支持在后期進行復雜場景的圖像處理和分析，比如各類標識、目標的特征提取和分析
系統(tǒng)主要功能模塊
（1）運動控制模塊
在機器人中用到很多控制器和外設,包括:處理器、激光雷達，STM32控制器，電機、編碼器、雙路驅動、藍牙、PS2有線手柄、航模遙控、陀螺儀等，同時提供了串口1和CAN接口方便用戶拓展控制，這些控制器與控制器，外設與控制器之間的連接，如圖所示。
（2）ROS操作系統(tǒng)
ROS操作系統(tǒng)內置于中央處理器內，通過RTOS完成系統(tǒng)任務調度與管理。具體任務調度管理流程如圖所示。RTOS任務調度器根據(jù)任務的優(yōu)先級決定任務的執(zhí)行順序，每個任務執(zhí)行的時間很短，因此幾乎等效于所有任務同時執(zhí)行，期間如果發(fā)生中斷則去響應中斷。串口2中斷用于APP藍牙控制，串口3中斷用于接收ROS傳過來的信息。
（3）視覺感知系統(tǒng)
視覺感知系統(tǒng)由于獲取的信息量更多更豐富，采樣周期短，受磁場和傳感器相互干擾影響小，質量輕，能耗小，使用方便經(jīng)濟等原因，在很多移動機器人系統(tǒng)中受到青睞。視覺傳感器將景物的光信號轉換成電信號。目前，用于獲取圖像的視覺傳感器主要是數(shù)碼攝像機。
本產品采用深度體感相機完成機器人對環(huán)境信息的視覺檢測。深度相機是模擬人類視覺原理，使用計算機被動感知距離的方法，通過從兩個或者多個點觀察一個物體，獲取在不同視角下的圖像，根據(jù)圖像之間像素的匹配關系，通過三角測量原理計算出像素之間的偏移來獲取物體的三維信息。得到了物體的景深信息，就可以計算出物體與相機之間的實際距離，物體3維大小，兩點之間實際距離。
（4）激光雷達
激光雷達是一種采用非接觸激光測距技術的掃描式傳感器，通過發(fā)射激光光束來探測目標，并通過搜集反射回來的光束來形成點云和獲取數(shù)據(jù)。這些數(shù)據(jù)經(jīng)光電處理后可生成為精確的三維立體圖像，能夠準確的獲取高精度的物理空間環(huán)境信息，測距精度可達厘米級；它猶如一雙“眼睛”，讓機器人擁有實時感知環(huán)境的能力。
本系統(tǒng)采用思嵐A2激光雷達，為移動小車完成測量半徑12米內的環(huán)境感知，雷達通過每秒8000次激光測距，為移動小車提供實時精準的地圖構建基礎數(shù)據(jù)。此外，系統(tǒng)采用光磁融合技術徹底解決了傳統(tǒng)激光雷達因物理接觸磨損導致電氣連接失效、激光雷達壽命短的問題。
（5）SLAM地圖同步構建
在移動機器人中一個最關鍵的技術就是即時定位和建圖，也就是所謂的SLAM技術。其試圖解決機器人在未知的環(huán)境中運動時，如何通過對環(huán)境的觀測確定自身的運動軌跡，同時構建出環(huán)境的地圖。
SLAM系統(tǒng)一般分為五個模塊：傳感器數(shù)據(jù)、視覺里程計、后端、建圖及回環(huán)檢測。傳感器數(shù)據(jù)主要用于采集實際環(huán)境中的各類型原始數(shù)據(jù)。本系統(tǒng)中主要包括A1激光雷達掃描數(shù)據(jù)、視頻圖像數(shù)據(jù)等。視覺里程計主要用于不同時刻間移動目標相對位置的估算，包括特征匹配、直接配準等算法的應用。后端主要用于優(yōu)化視覺里程計帶來的累計誤差，包括濾波器、圖優(yōu)化等算法應用。建圖用于三維地圖構建。回環(huán)檢測主要用于空間累積誤差消除。
傳感器讀取數(shù)據(jù)后，視覺里程計估計兩個時刻的相對運動（Ego-motion），后端處理視覺里程計估計結果的累積誤差，建圖則根據(jù)前端與后端得到的運動軌跡來建立地圖，回環(huán)檢測考慮了同一場景不同時刻的圖像，提供了空間上約束來消除累積誤差。
激光雷達距離測量比較準確，誤差模型簡單，且理論研究也相對成熟，落地產品更豐富。
（6）北斗定位導航
本系統(tǒng)選擇十軸GPS-IMU北斗導航定位傳感器，其通過雙頻定位，新增的頻段信號（B2a/L5）帶寬高、碼率大，折射及反射對其影響不大。此外，系統(tǒng)內置智能電源控制，可實現(xiàn)靈活的電源模式和最低功耗，微電壓備份模式的使用，可以在不完全關閉電源的情況下實現(xiàn)極低功耗，同時也保留了深睡眠模式下與外部設備進行通信的能力。
智能駕駛平臺
可配置智能駕駛平臺，支持車道線識別、車道保持、交通燈識別、交通標志識別、行人識別等功能，并提供模擬網(wǎng)約車系統(tǒng)，支持乘客預約、車輛位置分析、最優(yōu)車輛調度、車輛到達提醒、乘客送達確認等功能。用戶可依托該平臺，進行其他智能駕駛相關功能的測試與開發(fā)。
平臺具有如下功能：
（1）設置有模擬車行道，含十字路口、交通信號燈、標識牌、圍擋，以及其他障礙物等，搭建模擬平臺；
（2）可同時容納多臺智能機器人同時運動；
（3）模擬平臺中設置有乘客上車點，并提供交互式屏幕，可實時預約車輛；
（4）提供智能駕駛模擬軟件系統(tǒng)，支持乘客預約、車輛位置分析、最優(yōu)車輛調度、車輛到達提醒、乘客送達確認等功能。
實驗項目
（1）ROS操作系統(tǒng)
l ROS操作系統(tǒng)配置
l ROS功能包的創(chuàng)建及編譯
l ROS消息與服務
l ROS消息發(fā)布器與訂閱器
l ROS在多機器人上的使用
（2）北斗導航定位實驗
l 北斗導航定位原理
l 衛(wèi)星定位信號的接收與解析
l 經(jīng)緯度坐標的理解與轉換
l GPS自主導航
l 衛(wèi)星導航時與UTC轉換
l 導航坐標系變換
l 衛(wèi)星鐘差計算
l 北斗接收機授時解算
（3）移動機器人控制實驗
l 相機標定
l 動態(tài)目標跟隨
l 基礎運動控制
l 機器人驅動系統(tǒng)
l 視覺巡線
l Gmapping建圖
l 激光雷達建圖與導航
l 交通燈識別
l 交通標志識別
l 車道識別實驗
l 人臉追蹤
（4）機器人檢測與感知實驗
l 移動機器人總體結構
l 機器人視覺感知
l 移動機器人自主定位與姿態(tài)傳感
l 移動機器人未知環(huán)境感知
l 移動機器人視覺測距
l 移動機器人衛(wèi)星導航定位
l 移動機器人航向角測量
（5）機器學習基礎實驗
l 基于線性回歸的房價預測
l 基于K近鄰聚類方法的電影分類
l 基于Adaboost馬疝病識別
l 基于EM算法硬幣拋擲概率預測
（6）機器學習課程設計
l 基于SVM的交通標志識別系統(tǒng)設計
l 基于深度學習的車道線檢測與自適應巡航設計
l 基于樸素貝葉斯的移動機器人自助避障系統(tǒng)設計
l 基于循環(huán)神經(jīng)網(wǎng)絡的車牌識別系統(tǒng)設計
l 基于CNN與SVM的交通標志的識別系統(tǒng)設計
l 基于HOG與SVM的交通標志識別系統(tǒng)設計
l 基于深度學習的車道線檢測系統(tǒng)設計
（7）移動機器人控制課程設計
l 移動機器人智能路徑規(guī)劃設計
l 車道智能控制系統(tǒng)設計
l 移動機器人智能調度系統(tǒng)設計
l 多傳感器融合與智能決策控制系統(tǒng)設計
