校园⽆⼈送货⼩车⽅案设计
⽬录
⽅案设计理念：⼀步⼀步来，逐步逼近
RoverGO 校园⽆⼈送货⼩车
从需求分析到系统搭建
需求分析
我们要做的是能够满⾜青岛校区外卖供应的校园⽆⼈送货项⽬，使⽤⽆⼈车代替⼈⼯，满⾜安全和配送效率的⽬标要求。
1. 校园外卖现状分析：（假设：校园外卖午间300份，持续时间2个⼩时（11:30～1:30）晚间外卖300份， 持续时间3个⼩时（5:30
～8:30）平均每份外卖重量0.8KG）
2. 平均客户等待时间20min，校园从西门到宿舍区的路程为2KM， 平均⼀个外卖所占体积为35cm 24cm
10cm, V = 8.4dm 。
✖ 外卖数量 10）：默认⼗份外卖的等待时间会同路程花费时间相近
4. 数量配置：（假设以满⾜⾼峰时刻300份/h的标准进⾏计算）以⼀次配送20份外卖计算，需往返15次；平均往返时间为40min，每
辆车配送1.5次，所以需要10辆外卖配送车。
5. 硬件参数需求：午⾼峰期间会往返3次：预计总⾥程15KM（单次往返5KM）
6. 电机在额定功率⼯作时的效率是最⾼，所以，在不考虑其它外界因素的条件下保持电动车的最快速度匀加速时，电动车的骑⾏⾥程最
远。下⾯是⼏个计算公式。
公式⼀：V=P/（G×0.09） （V：最快速度 P：额定功率 G：总负载重量）
公式⼆：I=P/U （P：额定功率 U：电池电压 I：电流）
公式三：T=Q/I （Q：电池容量 I：骑⾏电流）
公式四：S=VT （S：续⾏⾥程 V：车速 T：骑⾏时间）
例如，采⽤36V10AH电池和180W额定功率电机设计的电动车，整车重60kg，加上各种载重40kg，总负载重量为100kg，⽤公式⼀可以估算出最快骑⾏速度为20km/h，⽤公式⼆可以算出该车在保持20km/h速度时，电流为5A，再通过公式三可以算出，该车保持20km/h的最⼤骑⾏时间是2⼩时，最后可以通过公式四算出该车⼀次充电的最⼤骑⾏是⾥程为40km。正常的使⽤是不超过蓄电量的60%就充电，这样，才能保障电池循环使⽤寿命⼤于400次，⽽且，冬季⽓温较低，电池在⽓温低于25度时，每低1度，少充⼊电量1%。这就是说，如果选⽤最远骑⾏⾥程为40km的电动车，在夏季时，骑⾏24公⾥必须充电，冬季0度时，骑⾏16.8公⾥就必须充电。这些还是没有考虑坡道、刹车制动的电量消耗。
7. 根据上述说明，得到底盘尺⼨40cm*40cm, 或者其他形状的⾯积为1200cm 以上 . 电池的容量为7.5AH，续航⾥程需求为15KM。电池容量计算
硬件选择
可以选择散件拼装和成品车改装两种⽅式
22
⾸先从成品车改装⼊⼿看相应的参数
以雅迪电动车为例，发现现在的电动车都追求⼤功率，⾼电压
系统改装
难度较⼤，需要拆卸较多的器件等。
⽽且从⽬前所的这些来看⼤多不合适，需要改动较⼤；
如果是使⽤散件拼装，则可以加装⼀个底盘来解决这个问题。
⽅向盘的舵机转向，后轮正传反转使⽤⽆刷电机
软硬结合：控制器部分
软件使⽤飞控程序Ardupilot控制，输出信号转变为控制信号，由于滤波等已经写好，所以得到指令后可以直接执⾏。
控制器⽅案
GPS导航的long-term路径规划
Ardupilot是⼴泛使⽤在四轴⽆⼈机等⽆⼈飞⾏器上的控制装置，使⽤IMU， 罗盘，GPS等多个传感器进⾏⾃我姿态和位置信息的解算， 也是⽆⼈机器⼈的⿐祖。ArduRover系统是以飞⾏控制器作为上位
机，对符合硬件要求的Vehicle进⾏控制的⼀种操作⽅式。
由与校园中情景相对固定，路⾯开阔，所以采⽤GPS导航相较于测绘地图等精确内建地图的⽅案可以降低成本，相较于使⽤转速计进⾏路程计算没有累积误差，可以提⾼准确度。
GPS本⾝的精度可以达到两⽶左右，但是在⾏进过程中，由于使⽤了卡尔曼滤波，可以使车速较好地维持在0.2m/s。由飞⾏控制器本⾝的⾃带系统Ardupilot进⾏的是使⽤负反馈的两级闭环控制，由⽬标速度、当前速度、当前位置、起始位置与终点位置的⽅向，先后进⾏侧向速度和纵向速度的解算，然后通过油门控制加速度，舵机控制转向。
单纯由GPS导航系统，可以通过搜集较多的数据点（注意采样的频率）制定固定的路线（需要进⾏实验和证据的⽀持），在关键点制定由规则决定的决策。由此⽣成的固定线路可以满⾜划分专⽤车道和固定路线的要求。
⼈⼯智能进⾏short-term路径规划
在由GPS导航和SLAM帮助下，RoverGo系统将建⽴起内置的长路径规划，但是对于路径的变动和⾏⼈、车辆⽆法做出反应。此时，我们选择使⽤Nvidia Tx2作为上位机，将飞控系统引为下位机和控制器，接收上层的规划指令，作出加速度和转向速度的解算，输出控制信号给舵机和电机。
中断形式：长短路径规划的结合⽅式采⽤类似中断执⾏的⽅式，在未出现特殊情况或者不需要更改既定路线时，将采⽤GPS解算的速度和预设的⽬标点连成的折线⾏进。由于在⽆操作阶段或者切换模式时，⼩车将处于⽆动⼒的减速状态，在紧急情况下如果满⾜车速过快，指令输出较慢等情形，会使情况难以预计，所以采⽤中断执⾏的⽅式，进⾏优先级⾼的操作时，可以不等待当前任务运⾏完，强制进⾏优先级较⾼的操作。
上下级协同⼯作的流程为：
1. 由内建地图完成初步的路径规划汽车直卖
2. （待补充）
优先级列表（新增Cooperate Mode）：
指令优先级
刹车0
减速、警报1
转向、倒车2
巡航3
深度学习⽬标识别与推测
车道线（可⾏驶区域的检测）
障碍物，避让物体的检测
推测⽬标相撞的可能性与时间
向控制器发出指令
SLAM构建：从简单易⾏出发
根据现有的地图进⾏模拟的构建
能够对地图（可操作）进⾏更新
由地图得出所要⾏驶的路线
数据融合
暂未考虑：数据级融合，特征级融合，决策级融合；
数据级融合需要考虑雷达与摄像头数据的融合，能够在⼀张图上反映出⽬标⼤⼩，远近和位置的变化。
特征级融合：需要⾸先对各传感器进⾏相对独⽴的分析，然后结合⽬标概率（可能性）的⼤⼩进⾏判断，对所处的状态进⾏估计等
决策级融合：由各传感器的结果独⽴作出反应结果，然后进⾏逻辑运算，
决策：上层指令
使⽤强化学习进⾏决策，希望能够采集到公交的数据，⽤于训练和决策。
公交车数据采集⽅法
必需数据：
1. 当前的路况（司机的输⼊信息）：通过调整放置摄像头的位置，使摄像头能够采集到司机能够获得的路况信息
2. 汽车当前的⾏驶状态：速度，加速度等物理量
3. 司机作出的决策指令：测量的两种⽅式分别为使直接型和间接型，通过视频得到决策的结果或者直接从⽅向盘转动⾓度，油门或者刹
车的控制来得到决策信息。
4. 周边信息：例如红绿灯，车前后的车距，路牌处⼈员的分布和车辆的影响等会影响到司机决策的因素需要kaolv
5. 地图信息（主要在于路线信息）：由于是固定的路线，因此路线信息相⽐较易于获得和进⾏处理（使⽤现有的卫星或者街道地图）
发布评论