室外多功能无人车实验室
所谓地面无人车,即具备自主驾驶能力,能够自主避开障碍物、规划行驶路径、识别道路标识并做出相应的反应,对环境具有判断和感知能力的移动机器人。
主要构成:地面移动平台、激光雷达、工业相机、差分GPS、IMU、机械臂、夹持器等。
该平台具备室内、室外定位导航能力,基于开源的ROS系统开发,提供丰富传感器接口和API选项,便于后期进行二次开发和集成。
Bulldog
Speed 1.0
Akamain
Collie
移动平台选取我公司自主研发的室外移动机器人,该移动平台采用四轮差速/阿克曼驱动系统,全车采取防水防尘处理,适合全地形运动的轮胎及较高的底盘高度适应各种路面,既满足崎岖地形路面,又可满足室内的运行环境。同时内置Intel高速处理器,能够满足对图像数据、点云数据等数据的分析处理的速度要求,保证该无人车的正常运行。车内安装有编码器,实时反馈轮速信息,实现对车速的闭环控制,内置IMU能够对小车运动方向进行实时控制及反馈,以保证行驶过程中维持姿态,防止倾倒。
该机器人采用模块化设计,高性能的电源分布系统可以对外提供了5/12/24v直流输出,并对外提供USB,网口,HDMI 各种通讯接口及各个传感器的预留机械接口,使机器人易于集成多个传感器(如室内/室外激光、摄像头、3D摄像机、IMU)和各种执行器执行器(如轻型机械臂、立体视觉、云台装置)。
型号 | Bulldog | Speed1.0 | Collie | Akamain |
尺寸 | 880*680*450 | 1760*905*720 | 945*525*500 | 1600*800*160 |
驱动结构 | 四轮差速 | 前轮采用阿克曼转向机构,前后双排独立悬挂,后轮差速驱动 | 前轮采用阿克曼转向机构,前后双排独立悬挂,后轮差速驱动 | 前轮采用阿克曼转向机构,前后双排独立悬挂,后轮差速驱动 |
重量 | 100Kg | 180KG | 100KG | 180KG |
最大负载 | 150KG | 150KG | 50KG | 150KG |
最大速度 | 1.5m/s | 2m/s | 2m/s | 2m/s |
驱动电机 | 2*1000w无刷直流 | 转向电机
| 转向电机
| 转向电机
|
驱动/API | ROS/ Python/ C++ | ROS/ Python/ C++ | ROS/ Python/ C++ | ROS/ Python/ C++ |
电池 | 48V 20Ah锂电池 | 48V 20Ah锂电池 | 48V 17Ah锂电池 | 48V 20Ah锂电池 |
防水等级 | IP54 | IP54 | IP54 | IP54 |
最大爬坡角度 | 35° | 25° | 25° | 25° |
反馈 | 电池状态、运行状态 | 电池状态、运行状态 | 电池状态、测程 | 电池状态、测程 |
控制模式 | 电压、速度、轮速、扭矩 | 电压、速度、轮速、扭矩 | 电压、速度、轮速、扭矩 | 电压、速度、轮速、扭矩 |
通信 | USB/Ethernet | USB/Ethernet | RS232 | RS232 |
计算单元 | I7 | I7 | 标配不带 | 标配不带 |
惯性测量单元 | 内置 | 内置 | 标配不带 | 标配不带 |
激光雷达
激光雷达具有探测距离远,一般能到100米左右,而且能够准确获取物体的三维信息,同时稳定性相当高,鲁棒性好。在无人车系统中主要用于完成1.路沿检测,也包括车道线检测;2.障碍物识别,主要是对动态物体的识别;3.定位以及地图的创建。
工作原理
1.路沿或车道线检测
激光雷达通过发出激光束360度扫描来获取周围环境的点云数据,提取点云数据中的特征点进行检测并获得路沿点,进而直线拟合提取到的有效点,最终将路沿或是车道线检测出来。
- 障碍物识别
当激光雷达获取点云数据后,我们对障碍物进行一个聚类,提取物体三维信息后,把这个物体放到训练集里,用SVM分类器把物体标识出来。而训练集是需要我们提前对不同物体做人工标识的,把不同物体的反射强度、横向和纵向的宽度以及位置姿态作为特征信息,提取做出数据集并用于训练。最终的车辆、行人、自行车等运动物体的识别是由SVM分类器来完成。
3.定位及地图绘制
定位理论有两种:基于已知地图的定位方法以及基于未知地图的定位方法。现今普遍采用第一种定位方式,即事先获取无人车的工作环境地图(高精度地图),然后根据高精度地图结合激光雷达及其它传感器通过无人驾驶定位算法获得准确的位置估计。而基于未知地图的定位方式就是通过SLAM技术来实现,通过对激光雷达的点云数据进行处理,提取一个平面的数据信息来生成二维地图,借助相关算法来实现实时定位导航和规划路径。
工业相机
工业相机在无人车系统中主要是实现对静态障碍物以及道路标识的识别,因为相机可以很容易通过深度学习把障碍物进行细致分类,这有助于提高识别精度,在训练集的制作方面较激光雷达有着明显的优势,同时也具备更远的探测距离。
差分GPS系统分为基准站和移动站两部分。基准站放在固定的位置,并实时以5Hz的原始数据向移动站发送差分改正信号;移动站接收载波相位差分信号的同时输出精确的定位信息及航向、姿态数据信息。采用双天线的惯性组合导航系统可以提供静态的初始化,并在有楼有树的城市主干道及过街天桥环境下能提供持续稳定的位置、航向、速度等信息。
差分数据链路如下:
基准站框图
移动站框图
惯导系统
惯导系统是通过安装在运动载体上的陀螺仪和加速度计来测定运动载体位置的一个系统。通过陀螺仪和加速度计的测量数据,可以确定运载体在惯性参考坐标系中的运动,同时也能够计算出运载体在惯性参考坐标系中的位置。该系统是完全自主的,它既不向外部发射信号,也不从外部接收信号,其系统精度主要由地球的参数精度决定,具有抗环境干扰能力强、短期精度高、稳定性好等优点。在该无人车系统中,我们选用高精度的IMU惯导测量单元来获取所需要的参数,满足相关研究需要。
IMU是用于测量物体三轴姿态角(或角速率)以及加速度的装置。
一般情况下,一个IMU内会装有三轴的陀螺仪和三个方向的加速度计,来测量物体在三维空间中的角速度和加速度,并以此解算出物体的姿态。为了提高可靠性,还可以为每个轴配备更多的传感器。一般而言IMU要安装在被测物体的重心上。
1.陀螺仪:
用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转轴的一个或二个轴的角运动检测装置,用于检测物体角速度变化情况。在IMU中陀螺仪提供了一个参考坐标系,同时也用陀螺仪来稳定安装有加速度计的平台。
2.加速度计
用于测量物体线加速度的仪器,是重要的动态特性校正元件。加速度计在本质就是一个一自由度的振荡系统,须采用阻尼器来改善系统的动态品质。
该无人车系统具备较高性价比,同时提供相关ROS功能包,已能实现智能驾驶的功能,提供的丰富接口方便后期调试和二次开发,基于开源的系统开发利于算法的移植验证和优化修改,最终提高课题研究的效率和方便展开相关深入的研究。
部分接口说明
底盘控制接口说明
简易demo展示(开源)
1 | 开源ROS系统介绍与整体应用 |
2 | ROS导航框架示意图 |
3 | 机器人运动控制接口 |
4 | 电池电量信息接口 |
5 | IMU数据信息接口 |
6 | 激光雷达在ROS框架下对接与运行 |
7 | 视觉相机在ROS框架下对接与运行 |
8 | GPS在ROS框架下对接与运行 |
9 | 机器人模型 |
10 | 机器人仿真演示 |
11 | 机器人底盘手柄控制接口 |
1 | 室内激光SLAM导航展示demo(二维) |
2 | 室内激光SLAM避障导航演示demo(二维) |
3 | 室内外三维SLAM建图 |
4 | 室外GPS点导航demo演示 |
5 | 室外GPS点导航避障demo演示(遇到障碍物暂停) |
高精度室外GPS导航:(需配置Pilot Stars套装)
1 | 室外高精度GPS&三维激光融合导航,仅提供使用接口 |
视频