智能網聯汽車實訓教學“好幫手”——渡眾機器人自動駕駛履帶車

人工智能技術的興起，為傳統汽車行業注入了強有力的變革基因，以AI技術為驅動的無人駕駛成為汽車產業的未來，同樣也面臨諸多機遇和挑戰。

一方面智能網聯汽車的發展，為多產業的聯動與協同創造了發展條件；另一方面，無人駕駛領域市場發展速度遠遠大于高校人才培養速度，如何適應智能網聯無人駕駛技術的快速發展，培養出符合產業發展的技術人才，成為全行業面臨的重要挑戰。

智能駕駛是人工智能技術的集大成者，也是有挑戰的領域。在產業高速發展的背后，是大量優秀人才的需求。AI的高科技屬性決定了它具有不低的學歷門檻。更復雜的是，智能駕駛屬于典型的多學科交叉領域，涉及到電子、計算機、通信、汽車與交通等多方面知識。

發展智能駕駛教學需要與之匹配的課程體系，對于中國大力建設人工智能學科的高校來說，除了交叉性師資、教材缺乏之外，非常重要的學科發展掣肘就是教學實驗室等軟硬件配套設施未跟上，無法滿足教學、教研要求。

北京渡眾機器人科技有限公司的自動駕駛教學履帶車能將自動駕駛技術輸出到教學科研領域，盡量降低進入智駕領域的門檻。

一、自動駕駛教學履帶車的組成

1.1線控履帶車底盤

自動駕駛履帶車的底盤是其關鍵組成部分之一，它決定了車輛在不同地形下的機動性、穩定性和適應性。

履帶是由很多塊履帶板通過銷子連接起來的，形成的一個履帶鏈環，通過馬達帶動驅動輪轉動，驅動輪上的齒輪與履帶之間相互咬合而帶動履帶，在多個拖帶輪的支撐下連續轉動。

履帶系統相比傳統的輪胎系統更適合在不同類型地形上行駛，它提供更大的接地面積，提高行駛的平穩性和穩定性。

1.2自動駕駛系統模塊

自動駕駛系統模塊包含：

自動駕駛控制器 、

組合導航控制器、

車載攝像頭、

16 線混合固態激光雷達、

IMU、

工業路由器、

GNSS 天線、

遙控器 、

重載兩軸云臺等。

北京渡眾機器人公司的自動駕駛履帶車支持在園區進行高精地圖建模、路徑規劃、自動擇路等功能定制。師生們能夠基于高精地圖自由選擇起始點，該車會自動按照規劃路線進行行駛；也可通過工業遙控器對履帶車進行遠程操控。學生能夠通過理論和實踐相結合的形式掌握自動駕駛技術。

1.3自動駕駛相關教學內容和實驗課程

北京渡眾機器人公司的自動駕駛履帶車涵蓋了廣泛的教學內容：

1. 傳感器技術：

   - 激光雷達（LiDAR）原理和應用

   - 攝像頭及圖像處理技術

   - 雷達和超聲波傳感器

2. 數據處理與感知：

   - 傳感器數據融合

   - 環境感知和障礙物檢測

   - SLAM（Simultaneous Localization and Mapping）技術

3. 決策與規劃：

   - 軌跡規劃與路徑規劃

   - 實時決策算法

   - 交通法規與行為建模

4. 控制系統：

   - PID控制器和其它控制算法

   - 車輛動力學建模

   - 實時控制與執行

5. 軟件開發與集成：

   - ROS（Robot Operating System）的使用

   - 算法開發與仿真

   - 硬件與軟件的集成與調試

6. 安全性與倫理：

   - 自動駕駛系統的安全性考量

   - 倫理與法律問題

   - 人機交互與用戶體驗

北京渡眾機器人公司的自動駕駛履帶車涵蓋了多種實驗課程：

1. 傳感器與數據處理實驗：

   - 使用LiDAR進行障礙物檢測

   - 使用攝像頭進行視覺識別與分析

   - 數據融合與環境感知實驗

2. 決策與規劃實驗：

   - 路徑規劃算法的實現與測試

   - 智能交通信號燈控制

   - 基于狀態機的行為決策

3. 控制系統與執行實驗：

   - 車輛動力學建模與控制

   - 實時PID控制器調試

   - 模擬與實際車輛的實時控制

4. 軟件開發與集成實驗：

   - 使用ROS進行模塊化開發

   - 算法在仿真環境與實際硬件上的移植與測試

   - 硬件驅動程序與接口開發

5. 綜合實驗與項目：

   - 自主駕駛車輛的綜合項目

   - 基于真實場景的仿真實驗

   - 車輛性能與安全性的綜合測試與評估

這些內容和實驗課程涵蓋了從傳感器技術到決策與規劃、控制系統、軟件開發與集成，以及安全性與倫理等多個方面，使學生能夠全面了解和掌握自動駕駛技術的各個層面。

1.4自動駕駛相關算法原理

1. 高精地圖構建與定位

自動駕駛履帶機器人通過激光雷達、RTK（實時動態差分定位系統）和IMU（慣性測量單元）協同工作，構建高精度地圖并實現精準定位。激光雷達提供實時的環境點云數據，RTK提供厘米級精度的地理位置，IMU補償短時間內的運動誤差。機器人采用SLAM（同步定位與地圖構建）算法，將實時點云數據與已有地圖進行匹配，構建并更新高精度環境地圖，確保在復雜環境中的精準定位。這一過程利用擴展卡爾曼濾波器（EKF）或粒子濾波器（PF）來融合多傳感器數據，實現對機器人的精確位置和姿態的估計。

2. 動態避障與路徑規劃

履帶機器人在行駛過程中，需要實時避開靜態和動態障礙物，確保安全行駛。為此，機器人采用基于激光雷達和攝像頭的動態避障算法。激光雷達提供環境中的障礙物位置和形狀信息，攝像頭輔助識別移動物體。機器人使用VFH（向量場直方圖）或DWA（動態窗口方法）等局部路徑規劃算法，在實時計算安全行駛路徑的同時，動態調整行駛方向和速度。全局路徑規劃則采用A*或Dijkstra算法，根據預先構建的高精地圖計算出從起點到終點的最優路徑。這兩者相結合，確保了機器人在復雜環境中的高效、安全行駛。

3. 圖像識別與智能跟蹤

為了實現智能跟蹤和目標識別功能，履帶機器人配備了高性能的攝像頭，并采用深度學習算法進行圖像處理。通過卷積神經網絡（CNN），機器人能夠準確識別和分類攝像頭捕獲的圖像數據，實現對道路標志、障礙物和目標物體的檢測與識別。目標跟蹤采用卡爾曼濾波器或粒子濾波器，通過連續的圖像幀跟蹤目標位置和運動軌跡。同時，深度學習模型如YOLO（You Only Look Once）或SSD（Single Shot MultiBox Detector）等，可實時檢測并跟蹤目標物體。結合路徑規劃算法，機器人能夠智能調整行駛路線，保持對目標的持續跟蹤，并在必要時進行避障或調整速度，以適應動態變化的環境。

二、教學幫手——單車智能的自動駕駛履帶車

有人說，未來是人工智能的時代。從上世紀90年代計算機開始出現在人們的生活中，到如今人工智能的發展，科技已經改變了生活中很多東西。展望未來20年，世界可能會發生翻天覆地的變化。比如說自動駕駛，可能在未來20年，路上的汽車將變成無人駕駛的情況，駕駛行業正面臨著AI＋的變革。

對于很多高中生、職校學生或高校學生來說，不管是否是計算機類專業，在未來人工智能的發展背景下，都需要了解相應的智能駕駛科普知識。自動駕駛科普教育為學生打開了認知智能駕駛行業的大門，讓學生了解和懂得自動駕駛基礎的知識，在未來專業選擇和自動駕駛產業發展的更迭中，擁有更理性的判斷，更好地適應未來發展環境。

北京渡眾機器人公司的自動駕駛履帶車配備線性履帶底盤，搭載各種傳感器，采用模塊化設計，配合自動駕駛教學課程，方便教師通過教、學、做使學生理解自動駕駛技術的基本概念和相關開發流程。

自動駕駛屬于多學科交叉領域，涉及到電子、計算機、通信、汽車與交通等多方面知識。發展智能駕駛教學需要與之匹配的課程體系，于高校或科研機構而言，發展一門新的自動駕駛學科，需要前沿技術、交叉性師資、教材及教學實驗室等完善的軟硬件配套設施。北京渡眾機器人公司的自動駕駛履帶車是可實際演示和操作的軟硬件平臺，是極好的教學幫手。

同時，北京渡眾機器人公司的自動駕駛教學實訓平臺從市場需求出發，提供非標定制產品服務，包含和高等院校的汽車智能技術等相關專業共建、師資力量培訓和各種實驗實訓配套搭建等等。教程、教具均可聯合開發，并保持前沿技術的與時俱進更新，以及教育相關產品的不斷更新迭代。

三、搭配可移動感知設備實現車路協同實訓

北京渡眾機器人公司的自動駕駛自主導航履帶車搭配智能可移動紅綠燈，智能的車+智慧的路，可以進行車路協同實訓。

可移動紅綠燈配有多個激光雷達、毫米波雷達、視頻攝像頭等感知終端，實時采集路口車輛、行人、道路限速等信息，通過車聯網傳送給履帶車載終端，便于車載終端根據路端信息來控制履帶車的行駛。

通過自動駕駛網聯教學車，學生們能更直觀地進行單車智能實訓和網聯賦能實訓。

在單車智能實訓方面，能協助掌握線控底盤測試、線控底盤故障診斷、全局路徑采集、避障控制測試、動力學測試、循跡控制測試、環境感知故障診斷、導航定位故障診斷、毫米波雷達靜態測試、毫米波雷達動態測試、雙目視覺標定、雙目視覺性能測試、激光雷達標定、組合慣導標定等技能。

在車路協同實訓方面，能協助掌握弱勢交通參與者預警、闖紅燈預警、綠波車速引導、協作式優先車輛通行、限速預警等技能。

目前，北京渡眾機器人公司的自動駕駛履帶車已成功在上海、深圳、北京、河北、山東等地的部分院校落地。后續，渡眾機器人將不斷創新突破，推動產品迭代升級，在科技賦能“車路云一體化”智能交通的同時，為智能網聯汽車產業高技能人才培養提供有力支撐。