摘要：进入21世纪以来，从电子商务平台延伸的快递业蓬勃发展，物流运输中的“最后一公里”问题日益突出。最后一公里是指物流中心与配送中心之间的距离，是物流配送的最后阶段。近年来，我国物流总成本占gdp的比重逐年上升，其中“最后一公里”占配送总成本的30%以上。传统的视觉惯导里程计都会引入累积误差，通常采用回路检测的方法来修正地图的位置和姿态。然而，在大规模的外部环境中，由于循环中存在大量的状态变量，使得搜索和优化（或过滤）所需的计算资源和计算时间大大增加，导致无法实时建图与定位。
关键词：多传感器信息融合；无人车；导航系统设计
引言
随着无人驾驶技术的发展和道路试验的成功，无人驾驶配送为物流配送提供了新的解决方案。近年来，无人物流技术从试验阶段开始进入地面应用阶段，无人机和无人车辆的配送逐渐进入人们的视野。由于无人机的分布受到诸多限制，在机场自由空间保护区等区域禁止飞行，城市空间飞行受限且高度，受天气影响较大，因此在大风、大雾等恶劣天气下使用的风
险非常高。著名球星科比就是因为在有浓雾的恶劣天气乘直升机出行导致机毁人亡，无人机的分布具有较高的选择性和灵活性。无人驾驶车辆配送是指无人驾驶车辆装载、通过车辆自主导航系统进行路径规划、将货物运送到指定地点的过程，包括环境感知、导航定位、路径规划和运动控制。为了实现无人驾驶汽车的自主导航和配送路径的优化，研究配送路径规划算法对节约配送时间、提高配送效率、提高物流服务质量具有重要意义。
1国内外无人车辆物流配送现状与分析
目前，国内外无人驾驶汽车分销发展迅速，各大电商物流巨头纷纷推出无人驾驶汽车，交付机器人，在部分道路上进行分布式试验，并在部分特定地区实施着陆应用，在2020年新冠状动脉肺炎期间，未分布式技术已在武汉、景东、百度等企业的地板上得到良好应用。北京等灾区使用无人驾驶P机分配医疗用品和家电，京东长通车在武汉第九医院24小时内分配医疗用品；百度每天按时为北京海淀区一线医务人员提供工作午餐；美国团在北京顺义区推出了无人驾驶卡车，方便了服务区的配送，早在几年前，我国多家企业就进行了无人驾驶飞机配送的研究和测试，2018年，美国小袋完成了在玄辛地区的现场分布测试；在2019年的“818”期间，苏宁推出了“5G沃尔顿”，这款卡车最大的特点是采用了5G技
术，更快、更可靠、更快的性能可以实现远程实时监控，应急车辆可以手动操作。因此，车辆迅速离开障碍区，在国外进行改进，无人驾驶飞行器的分布还没有完全应用于地面，仍处于研究、测试和初步应用阶段。2018年1月30日，Nuro Robotics Silicon Valley推出了一款全自动无人送货车。2018年9月，特斯拉的半自动卡车进行了433公里长的货运测试。亚马逊推出了一款无人侦察车，通过深度道路前培训培训分销区，在大多数情况下，该培训可以自行移动。但当路上出现倒车等新情况时，他不会在这个时候停下来，因为他在训练训练之前没有经历过这一事件，实际上在处理紧急情况时表现不佳，都是在运送无人机。许多企业进行研究实验并投入使用无人驾驶汽车，可以在简单的道路上行驶，掩蔽一些障碍物，完成物流和配送，但实际开放的交通环境要复杂得多，交通环境不同，道路多变。使用着陆运送无人驾驶车辆仍然比较复杂，需要更好的智能路线规划技术和智能路线规划。
2无人车导航系统设计
2.1分析控制系统
分析控制系统由主处理器和STM32驱动控制器组成。由工业计算机组成的主处理器是每个
功能模块的控制中心，主处理器接收传感器传输环境的信息，执行数据处理、信息集成、精确定位、路径规划、避障算法、无线通信等。主处理器首先通过无线通信设备从父计算机接收用户命令。主处理器控制传感器负责采集环境、定位数据和发送信息、接收后完成数据处理和信息融合、确定自身的状态关系(当前位置、前进方向、整机运行状态、行驶速度)和目标点的状态关系，并规划路径STM 32驱动控制器选择stm 32 f 103 rct作为主控制器，自由半导体组兼容性强。STM32磁盘控制器接收来自主处理器的串行命令，使用AB阶段孔传感器驱动减速引擎，并通过请求控制电机转速的状态。控制电路有两个电机驱动模块TB6612FNG，每个模块可以驱动两个电机。在PWM中，电机有四种输出模式:正、反转、制动、停止，PWM支持的频率不超过100Khz。电机的电源接口采用了逆变保护电路，与传统L298N相比，可显着提高效率并显着降低音量．
2.2地图信息的获取
如图1所示，由于物流配送机器人作业区的规模和复杂性，我们使用了由拓扑地图、道路地图和计价表三部分组成的混合地图，这些地图必须提前绘制。拓扑地图描述道路网络信息，拓扑地图中的节点由每个交点和任务点组成，每个节点包含地理坐标，拓扑地图的边
缘表示无人驾驶车辆可以经过的道路。道路图包含道路信息，例如红绿灯、斑马纹和车道，使机器人能够规划自己的决策。这些地图可以是网面地图、等高线地图、点云地图或图征地图(用于视觉定位)。他们需要3d激光或者视觉传感器。当机器人再次到达这个位置时，你可以先用地图作为信息点云或特征匹配方法提供了自动机的当前精确位置。
图1物流配送流程
汽车2.3超声波雷达
本文研制的无人驾驶智能车导航定位系统的四个超声波传感器分别安装在智能车的四个左右车轮上，根据智能车的左右方向分为左右两组超声波传感器。在常规数据收集过程中，左侧和右侧传感器组获取道路宽度的常规数据。但是，如果有行人、车辆等的干扰围绕智能汽车，超声波传感器可以获得噪声数据。为保证智能车稳定运行，需要有效消除相关噪声。第一，应随机收集超声波传感器收集的所有数据点的两套数据，作为研究样品，并制定样本评估模型。然后，使用样例估算模型浏览所有采样点，计算样例估算模块计算的点的位误差率，并显示不受干扰的数据点。第三，使用显示的无干涉数据点重建示例估计模型，然后在迭代周期之前重复此过程，直到出现结束条件。
3多传感器信息融合策略
基于多传感器信息融合的无人驾驶车辆导航系统可以应用于无人驾驶车辆，利用传感器的应用效率，集成传感器获取的数据信息，使导航数据与实际空间信息相匹配，大大提高导
航系统的精度和可靠性。在无人机导航系统设计过程中，空间地图的构建是一个重要问题。在无人驾驶汽车运行期间，可以与地图位置信息一起进行无人驾驶汽车定位工作，并根据定位情况绘制增量地图。除其他外，可以通过应用SLAM技术来完成地图的有用性。利用传感器反复观察空间环境特征量，观察自己的位置，更新观察内容，寻位置信息，重复这个过程，直到到达目的地。同时，通过时间数据集成、空间数据集成，可以更有效地保证导航系统处理数据信息的稳定性和及时性，完成后续的数据处理工作，保证导航系统的正常运行。
结束语
综上所述，基于多传感器信息融合的无人导航系统设计展开分析具有重要意义。为了实现无人汽车的智能驾驶，实现数据融合，无人智能汽车的驾驶可以有效实现。
发布评论