摘" 要：現(xiàn)階段的導航電子地圖的數(shù)據(jù)精度與實際行車過程需求的精度存在一定的差異，為了提供超高精度的導航地圖與超高精度的物體識別，提出基于機器人操作系統(tǒng)（ROS）的自動駕駛小車系統(tǒng)設計。系統(tǒng)基于全球定位系統(tǒng)和激光雷達結合的粗/精準定位技術，采用ROS系統(tǒng)并結合SLAM算法及融合多種傳感器，實現(xiàn)障礙物的高精度實時檢測和精準定位建圖。測試結果表明，基于ROS的自動駕駛小車具有實時路況及移動物體的高精度感知，進而能實現(xiàn)自動識別、自動導航、自動避障功能?；赗OS的自動駕駛小車系統(tǒng)能有效增加小車駕駛的舒適性和安全性，實現(xiàn)對小車駕駛控制的支持。

關鍵詞：自動駕駛；ROS；激光雷達；SLAM算法；GPS技術

中圖分類號：TP23" " " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2023）17-0046-04

Abstract： Based on the fact that there is a certain difference between the data accuracy of the current navigation electronic map and the accuracy required by the actual driving process， a ROS-based autonomous driving vehicle system design is proposed in order to provide ultra-high-precision high-altitude maps and ultra-high-precision object recognition. Based on the rough/precise positioning technology combined with global positioning system and LiDAR， the system adopts ROS system， SLAM algorithm and fusion of various sensors to achieve high-precision real-time detection and precise positioning mapping of obstacles. The test results show that the autonomous vehicles based on ROS have the high-precision perception of real-time road conditions and moving objects and can realize the functions of automatic identification， automatic navigation and automatic obstacle avoidance. The ROS-based autonomous driving car system can effectively increase the comfort and safety of car driving and realize the support for car driving control.

Keywords： autonomous driving; ROS; LiDAR; SLAM algorithm; GPS technology

隨著經(jīng)濟的不斷發(fā)展和城市化進程的不斷加快，汽車已經(jīng)成為人們出行的主要交通工具。汽車給人們帶來交通便利的同時，也伴隨著交通問題的頻繁出現(xiàn)。造成交通事故的主觀原因是駕駛員的疏忽大意和操作不當。為解決上述問題，各國均不斷研發(fā)自動駕駛汽車。無人駕駛智能汽車具有環(huán)境感知、規(guī)劃決策、輔助駕駛等特點，能及時感知周圍環(huán)境變化并通過自主規(guī)劃實現(xiàn)自主巡航和避障，實現(xiàn)智能汽車自主安全行駛[1-2]。自動駕駛汽車不僅可以大幅度降低交通事故的發(fā)生率、減少交通堵塞等交通問題，還能大大提高公路對汽車的容納能力。而智能汽車的自主導航面臨著復雜多變的環(huán)境和構建周圍環(huán)境數(shù)據(jù)不精準性而造成信息感知能力魯棒性弱，影響系統(tǒng)決策能力的自適應的問題[3]。針對上述問題，本文基于GPS和激光雷達結合的粗/精準定位技術，采用機器人操作系統(tǒng)（ROS）并結合SLAM算法，明確信息源、提高數(shù)據(jù)精確度并精準構建各種環(huán)境的決策模型，提高系統(tǒng)的信息感知能力和決策能力自適應性。

1" 系統(tǒng)硬件設計

1.1" 硬件總體構架設計

為進一步解決人為駕駛中存在主觀因素的交通隱患問題，系統(tǒng)以微型計算機控制為核心，結合圖像采集模塊、激光雷達模塊、GPS模塊和角度傳感器模塊等研究設計一種基于機器人操作系統(tǒng)的自動駕駛小車系統(tǒng)。系統(tǒng)硬件設計框架如圖1所示。其中，圖像采集模塊采用深度照相機對周圍環(huán)境進行采集和識別；激光雷達模塊實時采集周圍物體信息并對小車與物體之間的距離進行測量并及時反饋給小車核心控制系統(tǒng)；GPS模塊利用衛(wèi)星對小車所處地理位置進行定位；角度傳感器模塊利用磁力計與經(jīng)緯度的結合判斷小車的當前姿態(tài)和前進方向，樹莓派將采集到的周圍環(huán)境、物體信息、小車與物體的距離、小車的定位點和姿態(tài)等信息進行整合，然后將整合后的數(shù)據(jù)用二維地圖實時構建。最后，樹莓派將地圖信息與目前的地理位置結合規(guī)劃出一條安全且可執(zhí)行的最簡路線，從而降低交通堵塞和交通事故等交通問題的發(fā)生率。

1.2" 上/下位機模塊

該自動駕駛小車的核心控制系統(tǒng)采用樹莓派微型計算機作為上位機，樹莓派板載2個USB接口，其中一個USB接口連接激光雷達，另一個USB接口連接深度相機。樹莓派上安裝Ubuntu18.04操作系統(tǒng)和ROS操作系統(tǒng)，使用ROS系統(tǒng)中自帶的功能包可以對激光雷達傳輸回來的數(shù)據(jù)解算出二維雷達圖，小車再根據(jù)與物體的間距做出相應避障動作。樹莓派可以使用板載TTL串口連接下位機進行通信，把下位機傳回來的經(jīng)緯度坐標、自身運動狀態(tài)等信息進行整合處理后給下位機傳達行動指令。

下位機采用STM32單片機，STM32單片機板載有豐富的外設接口，內(nèi)置的4個定時器配置到編碼器模式可以對4個車輪上的霍爾編碼器進行脈沖次數(shù)的采集，進而再換算成速度，IIC接口可以連接角速度傳感器讀取角速度進而結算出角度，四路脈沖寬度調(diào)制（PWM）接口連接到動力驅(qū)動模塊上對車速進行控制，板載2個串口中的一個串口用于GPS模塊接收定位信息，另一個串口則通過Serial通信協(xié)議實現(xiàn)與樹莓派之間的信息傳輸或下達的指令。

1.3" 圖像采集模塊

圖像采集模塊采用深度照相機，其測距原理是深度照相機的照射單元對光源進行脈沖調(diào)制，之后給目標連續(xù)發(fā)送脈沖，在圖像拍攝過程中，光源會打開和關閉幾千次，但是每個光脈沖只有納秒，然后用成像傳感器接收物體返回的光，通過計算探測光脈沖的往返時間得到目標物體的距離，并在數(shù)字空間建立與物理空間一致的對象數(shù)字模型，通過實時捕獲物理空間中的對象方向、位置信息，構建精確的二維地圖。該模塊主要對行駛過程中遇到的紅綠燈、車道線、行人和車輛等進行圖像識別，即通過對采集回來的圖像進行檢測分類識別。對于紅綠燈的識別采用直觀的HSV顏色模型來實現(xiàn)，在該顏色模型中，可以通過算法修改其色調(diào)、飽和度、明度，主要采集紅色燈信號，當小車在行駛過程中遇到紅燈時，系統(tǒng)給小車發(fā)送一個停止指令。在對車道線、行人、車輛等進行圖像識別時，采用神經(jīng)網(wǎng)絡算法對攝像頭采集到的每一幀圖像進行處理，在對物體進行Darknet神經(jīng)網(wǎng)絡框架構建的基礎上，加入了更深的卷積層及反卷積層，捕捉更豐富圖像上下文信息；高分辨率多通道特征圖，捕捉圖像細節(jié)；深層低分辨率多通道特征圖，編碼更多圖像上下文信息。

1.4" GPS定位模塊

系統(tǒng)定位采用北斗/GPS模塊，該模塊具有體積小、功耗低的特點，并且能提供超高性能，即在弱信號的地方，也能實現(xiàn)快速、準確定位。該模塊通過TTL電平與STM32單片機連接，STM32單片機根據(jù)NMEA協(xié)議，將緯度、經(jīng)度、時間等數(shù)據(jù)進行處理，根據(jù)處理后的數(shù)據(jù)得到速度、經(jīng)緯度等信息，最后通過STM32單片機的串口發(fā)送給樹莓派進行導航點的規(guī)劃，為小車的行駛提供規(guī)劃路徑。GPS的定位精度為米級，當小車周圍的建筑物密集、高樓林立或者樹比較高時，GPS信號容易減弱，甚至中斷，限制了定位精度最大誤差。

1.5" 激光雷達感應模塊

為解決GPS的定位精度不高的問題，系統(tǒng)選用A1M8激光雷達感應模塊。該雷達采用飛行時間測距技術并具有測量精度穩(wěn)定和抗干擾性強的特點，可在復雜且惡劣的環(huán)境中實現(xiàn)穩(wěn)定測距與高精度建圖。雷達模塊采用光學三角測距技術和精密光學采集處理器進行高頻測距，每次測距過程中，激光雷達發(fā)射已調(diào)制的紅外激光信號，該紅外激光信號經(jīng)過物體反射后再被激光雷達的光學接收口端接收，再由激光雷達內(nèi)部處理器進行實時數(shù)據(jù)分析，計算出目標物體到雷達的距離及當前的夾角，經(jīng)過USB接口連接到樹莓派進行傳輸數(shù)據(jù)。首先，GPS確定小車的大致位置，通過小車的加速度、角速度和輪速可以預測全局位置，然后通過激光雷達進行實時特征提取，并結合車輛初始位置進行空間變化，獲取基于全局坐標系下的矢量特征，之后將矢量特征與高精度地圖的特征信息進行匹配，進而獲取準確定位。

1.6" 角度傳感器和動力驅(qū)動模塊

角度傳感器模塊采用MPU6050多軸姿態(tài)傳感器來實現(xiàn)。MPU6050傳感器通過集成電路總線IIC口與STM32單片機連接，利用加速度計結合數(shù)字運動處理器DMP來計算歐拉角，再采用磁力計對歐拉角進行進一步校準，最后得到一個正確的姿態(tài)角度。小車的動力驅(qū)動模塊采用4個12 V帶霍爾編碼器的直流減速電機來實現(xiàn)，電機通過編碼器接口與STM32單片機連接，STM32單片機定時器自帶的編碼模式可以讀取輪胎轉(zhuǎn)動圈數(shù)，進而得到小車行駛的速度。驅(qū)動直流電機采用大電流MOSFET-H 橋結構的TB6612FNG 動力驅(qū)動芯片，4個驅(qū)動接口分別連接STM32單片機的PWM引腳，通過改變PWM周期信號的占空比來調(diào)節(jié)電機的轉(zhuǎn)速，可使小車勻速行駛。

2" 系統(tǒng)軟件設計

2.1" 自主導航控制系統(tǒng)軟件總體設計

該自主導航小車利用微型計算機ROS系統(tǒng)處理GPS模塊、雷達模塊與圖像采集模塊所傳輸?shù)男盘?，使用SLAM算法建立二維圖，在地圖上建立導航點，并通過運行ROS系統(tǒng)實現(xiàn)節(jié)點訂閱和里程設計、小車狀態(tài)的發(fā)布，當導航點確定后，ROS系統(tǒng)給單片機下達指令，進而控制電機運行狀態(tài)。同時，單片機采集電機上的速度、MPU6050的姿態(tài)角的數(shù)據(jù)并反饋給JETSON NANO，并對傳輸方向進行控制，使小車做出對應符合交通規(guī)則的動作。自主導航系統(tǒng)，主要采用GPS+激光雷達結合SLAM算法的定位導航方式來實現(xiàn)小車的自動避障、定位及導航功能，無人駕駛自主導航控制系統(tǒng)設計框圖如圖2所示。

2.2" SLAM算法建模的實現(xiàn)

同步定位與地圖構建（SLAM），是根據(jù)雷達獲取的運動控制信息和觀測信息，使用SURF算法濾波對圖像進行優(yōu)化，并獲取特征點進行的空間建模和本身定位。雷達激光SLAM系統(tǒng)主要由傳感模塊、視覺里程計、后端、構圖及回環(huán)檢測5個模塊構成[4-5]。首先通過傳感器模塊采集周圍環(huán)境的原始數(shù)據(jù)，之后將采集數(shù)據(jù)對不同時間移動物體相對位置進行幀間估算，再通過基于蒙特卡羅方法的粒子濾波法后端實現(xiàn)全局狀態(tài)估算，優(yōu)化視覺里程計所帶來的累積誤差，最后通過回環(huán)檢測提供一個來自空間上的約束以此消除空間累積誤差。經(jīng)過不斷循環(huán)迭代，完成車輛位姿和環(huán)境地圖的相互修正，從而解決車輛位姿和環(huán)境地圖構建這一問題。

2.3" 激光雷達避障的實現(xiàn)

啟動小車后，樹莓派開始開機并啟動ROS功能包，初始化USB接口和串口，激光雷達發(fā)送啟動命令，初始化攝像頭。激光雷達發(fā)送啟動命令后，開始發(fā)送數(shù)據(jù)給ROS系統(tǒng)，ROS系統(tǒng)開始遍歷一圈數(shù)據(jù)的有效點，如果距離低于0.5 m，則發(fā)送避障數(shù)據(jù)。當前面有障礙物時，系統(tǒng)開始判斷左右兩邊是否存在障礙物，確保小車無障礙行駛。如果四周都有障礙物則開始保持相對靜止，之后重新規(guī)劃路線。

3" 系統(tǒng)測試

3.1" 系統(tǒng)測試步驟

在確定所有的模塊可以正常工作后，安裝在小車上進行綜合調(diào)試。無人駕駛小車實物圖如圖3所示。

第一步：導航區(qū)域選擇一個有利于GPS定位的開闊地點，開始定位時，先通過GPS對導航區(qū)域的地圖信息進行存儲，即先用經(jīng)緯度信息把可以前進的區(qū)域的經(jīng)緯度進行畫線標記，然后在可前進的區(qū)域規(guī)劃出一些紅色節(jié)點。

第二步：得到小車的初始位置與目標點后，分別連接最近的節(jié)點，進而在2個節(jié)點之間規(guī)劃出一條安全且路徑最短的前進路線，如果小車行駛在規(guī)劃路徑的某個節(jié)點上，就可以按規(guī)劃路徑向下一個節(jié)點行駛，當應躲避障礙物而使小車脫離規(guī)劃節(jié)點時，樹莓派可以根據(jù)實時定位信息糾正小車行駛方向，從而可以行駛到下一個節(jié)點。

第三步：開始對樹莓派錄入地圖信息。編寫到程序上開始執(zhí)行發(fā)送指令使小車可以從出發(fā)點向目的點前進。

3.2" 測試結果分析

經(jīng)過多次對小車自動駕駛測試，小車能實現(xiàn)對周圍環(huán)境掃描和數(shù)據(jù)的實時傳送及地圖的構建，能實現(xiàn)路況信息及時傳遞，當路況出現(xiàn)異常時及時反饋給用戶并重新規(guī)劃路線；能根據(jù)道路情況，智能尋找最便捷路線；能對車道線、紅綠燈、車輛等目標進行智能識別，最終到達目的地，說明本次的系統(tǒng)測試成功。但測試中存在一些偏差：天氣晴朗時，GPS定位基本正常，多云天氣時，GPS定位誤差達到了2 m；在光線適合時，對于紅綠燈和車輛能精準識別，不過在光線過強或過暗時，識別有誤差。在光線過強時，激光雷達的探測距離會減少1～2 m，但5 m范圍內(nèi)的障礙物，系統(tǒng)都可以識別出來。

4" 結束語

本研究提出了一種基于ROS的自動駕駛小車系統(tǒng)設計方案，小車可以實現(xiàn)精準定位和自動識別、自動導航、自動避障功能。小車利用深度照相機對周圍環(huán)境進行采集和識別，采用激光雷達、SLAM算法與GPS技術相結合進行精準定位導航，小車在行駛過程中能建立環(huán)境地圖，并根據(jù)道路情況規(guī)劃并優(yōu)化路線，并能對車道線、紅綠燈、車輛等目標進行智能識別。該系統(tǒng)的設計能降低交通事故的發(fā)生率、減少交通堵塞等交通問題。

參考文獻：

[1] 李松澤.基于深度學習的車道線檢測系統(tǒng)的設計于實現(xiàn)[D].哈爾濱：哈爾濱工業(yè)大學，2016.

[2] 王俊.無人駕駛車輛環(huán)境感知系統(tǒng)關鍵技術研究[D].合肥：中國科學技術大學，2016.

[3] 鄒貴豪，葉金鑫，梁嘉鈺.基于ROS的自動駕駛小車的設計[J].電子世界，2019（9）：143-144，147.

[4] 曾仕峰，吳錦均，葉智文，等.基于ROS的無人駕駛智能車[J].物聯(lián)網(wǎng)技術，2020，10（6）：62-63，66.

[5] 何松，孫靜，郭樂江，等.基于激光SLAM和深度學習的語義地圖構建[J].計算機技術與發(fā)展，2020，30（9）：88-94.