商都汽车网
当前位置主页 > 扬子汽车网 >
right

兖矿集团王信去哪了:无人驾驶智能配货系统整体方案设计

发布时间:2019-03-09 来源:商都汽车网

摘 要:伴随着智能物流行业的高速发展,设计出一辆高效的无人驾驶配货车实现智能物流对整个社会的发展有着重大意义,文章着眼于无人驾驶,致力于人工减负,开发智能配货车方案。该方案设计改造了转向、制动等系统的执行机构并以K60单片机为主要控制部件编写算法和控制程序,通过车载摄像头和激光雷达测距儀等传感器获取信息,利用电机工作和控制原理等完成整个系统的运作。本产品可以自主根据规划好的路线获取路线的点位信息,然后通过GPS自主寻线按照点位信息自动驾驶,而且可以根据激光雷达实现避障功能。能配货车前景广阔,市场容量巨大,将产生显著的经济效益和社会效益,商业价值明显。

关键词:无人配货车;整体方案;微型控制器;便利

中图分类号:U462  文献标识码:B  文章编号:1671-7988(2018)23-26-03

Overall design of unmanned intelligent distribution system

Fan Xiaonan

( School of Automotive Engineering, Chang'an University, Shaanxi Xi'an 710064 )

Abstract: With the rapid development of intelligent logistics industry, it is of great significance for the development of the whole society to design an efficient unmanned truck to realize intelligent logistics. The scheme designs and reforms the executive mechanism of the steering and braking system, and compiles the algorithm and control program with K60 single chip microcomputer as the main control component, obtains the information through the vehicle cameras, laser radar rangefinders and other sensors, and completes the operation of the whole system by using the motor operation and control principle. This product can obtain the point information of the route independently according to the planned route, and then drive automatically according to the point information through GPS, and can realize the obstacle avoidance function according to the lidar. The truck can be equipped with a broad prospect, huge market capacity, will produce significant economic and social benefits, commercial value is obvious.Keywords: unmanned truck; overall scheme; micro controller; convenienceCLC NO.: U462  Document Code: B  Article ID: 1671-7988(2018)23-26-03

引言

三生教育网随着电子技术的成熟与人工智能的不断进步,汽车的无人驾驶正在被许多科研院所、企业、高校作为战略项目进行深入研发。百度、Google起步较早,凭借自己所具有的高精度地图、高GPS定位等现有技术,在开发过程中具有一定的优势。京东、顺丰等也成立了自己的无人驾驶配货车的研发事业部门,全力打造未来的快递的智能配送。同济大学、清华大学、上海交通大学、长安大学、武汉理工大学等高校也具有自己的无人驾驶研发团队[1]。与此同时,无人配货系统前景广阔,市场容量巨大,将产生显著的经济效益和社会效益,商业价值明显。

1 顶层环境采集系统的选型及设计

1.1 差分GPS

全球定位系统(GPS)是当前行车定位不可或缺的技术,在无人驾驶定位领域中也担负起相当重要的职责。在本系统中,利用到差分GPS对无人配货车进行精确定位,在无人配货车中,系统利用高精度天宝GPS接收机及GPS天线接收GPS信号,运用千寻基站规避GPS误差,以达到更好的定位效果。系统利用两个GPS接收天线构成一条直线即可确定当前配货小精灵的运行方向。

1.2 激光雷达

业界比较主流的三维重建方案主要有两种,一类是视觉方式,另外一类就是激光雷达。可以说这两种技术是各有优缺点,二者的应用场景也有很大的差异。

在本系统中应用到16线激光扫描雷达,能自动识别道路信息和行人并且能够自动控制配货车完成避障等功能。实现这些的前提是利用激光雷达获取到的环境信息,这其中的关键技术是激光点云后处理算法,首先,通过激光雷达获取到三维点云数据后,进行点云分离,然后进行聚类,一般都是通过计算相邻两个激光点间的距离来决定是否属于同一类,聚类完之后进行障碍物识别。识别完障碍物之后,进行前后两频对比,可以识别是静态障碍物还是动态障碍物。动态障碍物也可以计算出运动速度等,从而实现无人配货车的避障功能[2]

1.3 ZED相机

在本系统中使用ZED双目相机。ZED相机的视觉能力来自于CUDA,也就是Nvidia顶级图形显卡的编程模型。它让运行相机配套软件的的计算机有能力以15fps的速度去处理最高4416x1242分辨率的实时景深地图。如果分辨率降低,其处理速度更是可以达到最高120 fps。这款相机配备了一种基于被动立体视觉的景深传感器,可通过USB 3.0输出左右两个并行的高分辨率视频流。在ZED SDK的帮助下,主机PC中的图形处理器(GPU)可从并行视频当中实时计算出景深地图。

当配货车在社区、校区等道路实际运行时,GPS信号容易被遮挡,运用ZED双目视觉得出的景深地图与之配合,通过GPS对视觉点位进行修正从而降低误差,视觉可以在无GPS信号时也可以起到相应的导航作用。从而系统首先利用差分GPS与ZED相机精确采集无人配货车的点位数据[3]

2 底层控系统设计

控系统的功能是实现对无人驾驶车辆部传感器信号的采集以及实现对无人驾驶车辆三大执行机构的控制[4]。主控系统核心处理器选用NXP的MK60DN512芯片,主控系统有两种工作模式:遥控模式与自主模式,两种模式可以通过遥控器上面的模式选择实现切换功能。

主控系统需要接收车辆行驶过程中的车速信号、转向信号、制动信号并完成对控速系统、转向系统、制动系统的控制[5]。在改装过程中,通过3个大力舵机完成机械方面的改装,车速的提取可以通过安装旋转编码器来进行采集,传递给主控系统。无线遥控系统包括模式切换部分、转向信号输入采集部分、控速信号输入采集部分、制动信号输入采集部分、监控显示部分、虚拟档位信号输入采集部分等。主控系统与无线遥控系统通过SPI通讯实现全双工的信息传递。控制系统的框架如图1所示。

本次设计中主控系统与遥控系统都采用32位单片机K60作为核心处理器,主要用到K60的ADC模块、GPIO模块、FTM模块、SPI通讯模块等。主控系统与遥控系统通过NRF24l01模块实现信息的互发互收。相互通讯的信号有:车速控制信号、转向控制信号、制动控制信号、故障紧急制动信号、遥控与自主切换信等。

3 无人配货车系统软件设计

针对无人配货车我们设计了一整套的智能配货系统,包括GPS导航系统、激光扫描雷达系统、双目立体视觉系统、互联网云平台。如图2所示为智能配货系统的系统整体设计方案,其中GPS导航系统通过采集车辆在行驶过程中的道路信息,进而为自动导航奠定基础;激光扫描雷达系统可生成车辆周围环境的三维点云图进而为车辆主动避障做好准备工作;而双目立体视觉系统则用于识别周围环境中的车辆、行人、障碍物等,并且可以进行定位;互联网云平台可以显示当前车辆的行驶轨迹,并进行信息的存储。

4 总结与展望

得益于近几年中国经济的快速稳定发展,我国社会物流总额持续增长。物流行业在焕发蓬勃生机的同时,仍然暴露出许多亟待解决的问题,例如快递员配送量大,无法解决最后一公里配送任务等。本文所推出的无人智能配货系统基于以上问题主要达到两方面目的:首先,进一步解放一线配送人员的运单压力,降低单位快递运送成本,提高物流公司经济效益;其次,实现最后一公里的短途物流配送任务,实现快递送到客户楼下甚至门口。无人配货车可以在校园、城市小区、工业园区等人口密集度大的地方运营,可以解决这些地方最后一公里的配送任务,降低物流公司的运营成本,具有很强的现实意义与应用价值。

参考文献

[1] 马腾.无人车自动泊车引导系统的研究[D].西安工业大学,2016.

[2] 刘强.差分GPS运动目标跟踪定位系统设计[D].中北大學, 2013.

[3] A flexible new technique for camera calibration. Zhang Zhengyou. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000.

[4] 徐子睿.基于工业互联网的井下车辆视频采集,定位与避障技术研究[D].北京交通大学,2017.

[5] 于丰华.基于K60的智能汽车控制系统的研究[D].吉林农业大学, 2014.

商都汽车网
推荐图文
商都汽车网 乐购汽车网 孝感汽车网 海西汽车网 扬子汽车网 汽车哥 汽车知识 长安汽车 吉利汽车

乐购汽车网,孝感汽车网,海西汽车网,扬子汽车网,汽车哥,汽车知识,长安汽车,吉利汽车