一、智能網聯微縮車介紹

智能網聯教具車采用阿克曼轉向的線控底盤，搭載 360 度掃描式激光雷達、慣性陀螺儀、視覺攝像頭，實現室內場景導航、循跡、避障、繞障、遵守交通標識等自動駕駛功能。采用先進的AI人工智能計算平臺，可進行圖像識別、SLAM定位、環境感知、障礙物探測、交通標識識別、多傳感器融合、自動駕駛決策與控制等教學和研究，并支持二次開發。

二、主要功能

采用阿克曼結構，提供CAN線控協議，貼近智能網聯汽車形態，可進行汽車線控底盤結構原理教學；

控制系統與L4自動駕駛系統框架類似，可學習感知、定位、規劃、控制四大自動駕駛模塊工作方式；

提供建圖工具，建立具有交通規則信息的行駛地圖，微縮車可依據地圖自主行駛到任意目標點；

可基于聯動展示臺，實現AVP代客泊車倒車入庫；

可實現網約車定點約車、送客等定位路徑規劃自動駕駛；

可基于聯動展示臺，實現車路協同、識別交通設施、識別行人等功能；

三、主要規格

1、小車底盤基本參數

尺寸：長*寬*高233*191*146

供電接口：5V和12V供電接口。

前轉向舵機，后輪驅動。

帶電池,控制板,和遙控器，可實現遙控駕駛。

2、環境感知部件

1.激光雷達

測量距離：0.15-12m

掃描角度：0-360度

測距分辨率：<0.5

角度分辨率：<=1度

測量頻率：2000-8000Hz

掃描頻率：1—10HZ

3、 IMU

類型：九軸傳感器，加速度計，陀螺儀和磁強計

板載能力：板載ATmega328處理并通過串行流發送的所有傳感器的輸出

數據輸出：支持FTDI、藍牙、Xbee

輸入電壓：3.5-16DC

4、攝像頭

最大分辨率: 1920*1080

5、控制器

CPU：ARM Cortex-A78AEV8.2 64bit@1.5GHz(六核)

GPU：搭載16個TensorCore的512核NVIDAAAmpere架構GPU@625Mhz

算力：20TOPS

內存：4GB 64-bit LPDDR5、34 GB/S

USB接口：3×USB3.0+1 USB2.0+1 Type-C

視頻編碼：1080p30由1-2個CPU核心提供支持

視頻解碼：H.265(4K60，2×4K30，5×1080p60，11×1080p30)

GPIO引腳數：40

四、實訓內容

1. 機器人底層功能

底層ROS串口通信

預留CAN通信接口

IMU與里程數據反饋

電池電壓檢測與電壓報警

支持串口一鍵下載

陀螺儀零點漂移清除

場景機器人底盤運動學分析

航模遙控使用

常見電路保護功能

2. 建圖導航相關功能

機器人動態避障

機器人定點導航

機器人多點導航

TEB與DWA路徑規劃

激光雷達角度屏蔽

激光雷達建圖導航

rtab純視覺建圖導航

rtab視覺+雷達建圖導航

Gmapping建圖

Hector建圖

Karto建圖

Cartographer建圖

RRT自主建圖

機器人編隊(領航者算法)

機器人編隊切換

機器人編隊避障

Cartographer3D三維重建

LIO-SAM三維重建

LeGO-LOAM三維重建

3. 人機交互相關功能

鍵盤節點控制

APP重力感應控制

APP調節PID參數

ROSAPP圖傳與控制

ROS APP建圖

ROS APP導航

聲源定位

語音召喚

語音控制

語音導航

語音播報

語音交互

激光雷達跟隨

TTS文本轉音頻功能

ROS Ot功能

4. 視覺處理相關功能

opencv應用與教程

網頁攝像頭監控

深度視覺跟隨

KCF跟隨

AR標簽識別

RGB視覺巡線(融合雷達避障)

人體骨架識別

人體骨架跟隨

3D視覺姿態控制

3D視覺建圖

3D視覺導航

ORB視覺建圖功能

5. 深度學習相關功能

YOLO物體識別

YOLO手勢識別

YOLO交通標志識別

深度學習模型訓練

手勢控制

沙盤地圖自動駕駛

Tensorflow物體識別

Tensorflow目標檢測

Tensorflow手寫數字識別