低速機器人
作為自動駕駛最重要的應用之一，低速移動機器人平臺的從實驗室發(fā)展至落地應用已經有將近 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，都有相應的園區(qū)低速無人機器人在陸續(xù)承擔物流，清潔，巡檢等工作。
小Y針對無人駕駛技術在低速車輛的應用，低速無人駕駛車輛精準控制平臺架構、 感知系統 、無人駕駛技術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技術與小Y 一起討論學習 。
—YUHESEN產品—
車輛控制技術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。自主導航就是用電子技術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瞄控制行為，駕駛員找到當前道路環(huán)境下的預瞄點，根據預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控制平臺架構
YUHESEN 整車控制系統
目前最常用的方法是PID算法，例如模糊PID、神經網絡PID 等。車內控制系統通過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; 其二接受系統指令，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)。
感知系統簡介
環(huán)境感知系統架構通過攝像頭、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構較為單一 ，基本為城市道路與園區(qū)內部道路運行 ，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構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)檢測的準確性，也擴展了基于場景外觀方法在SLAM系統中的應用，同時豐富了計算機視覺和圖像處理等領域的BOW方法研宄。
然后，構建了基于圖的無人車SLAM后端非線性優(yōu)化結構，采用高斯-牛頓迭代算法優(yōu)化位姿預測數據與位姿觀測數據之間的誤差，計算出誤差最小情況下的無人車位姿和路標節(jié)點最優(yōu)配置。優(yōu)化了無人車定位與環(huán)境模型，從而指導無人車自主導航。
接下來將不斷和大家分享自主導航技術應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、視覺導航技術與小Y一起討論學習 ，在后期將為大家提供更多與行業(yè)結合的導航技術信息，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習 ，一同推動移動機器人導航技術發(fā)展與技術落地。
