基于 slam的无人驾驶小车智能导航避障系统

1.项目背景：

随着人工智能和自动化技术的迅猛发展，无人驾驶汽车成为了未来交通领域的热门话题。SLAM（Simultaneous Localization and Mapping）即时定位与地图构建技术作为实现无人驾驶的关键技术之一，为车辆实时感知环境并进行定位

提供了重要支持。

2.项目简介：

本项目旨在基于SLAM技术开发一款智能无人驾驶小车，通过结合传感器数据和先进的算法，利用四轮移动平台上搭载的激光雷达，对未知环境进行二维地图的构建，并在构建好二维地图的基础上进行智能导航。地图构建与导航都能实时地显示在远程端上位机界面。使小车能够准确地感知周围环境并构建地图，实现自主导航、避障和路径规划等功能。

小车可实现的基础功能包括手柄遥控，PC 控制，ROS 操作；摄像头视觉功能包括网页图传，相机标定，边缘检测，霍夫圆检测，对象分割，视觉巡航，KCF 目标跟踪，ORB-SLAM2 建图与定位；激光功能包括激光 SLAM 建图支持 cartographer 算法，目标点导航与避障，多点导航路径点巡航；同时具备仿真功能和 RGBD 相机功能。 通过 ROS 节点程序控制小车的各种运动，并扩充了各种可调试传感器接口，能确保传感器正常读取环境信息，其主控芯片具备图像处理和计算机视觉的能力且可以通过网络和 ROS 提供的通信机制进行远程控制和监测

经过改良的导航小车不仅能精确行驶循迹路线,还能够从单一的寻迹导航中解除束缚从而实现无人驾驶的特性, 快速地对更复杂的外部环境信息做出反应, 能够在密集的路面情况中灵活运作, 设计最优路线, 并且根据双目相机反馈的外界信息中的人脸信息, 自动进行配速与发出表情和语音等功能, 做到人性化设计。并结合摄像头和激光雷达的数据，可以获得精确的障碍物位置和形状信息，且雷达获取的速度信息能够预测障碍物的运动路线实现精确避障，同时也能够保证自身机身的使用安全, 延长使用寿命, 减少能量损耗。

在非循迹情况下实现自动导航无人驾驶的功能,并实现高精度的场景重建与避障功能。

其主要步骤方法为：

1、通过搭载的双目相机实时采集周围的环境信息。软件平台采用ROS操作系统完成智能移动平台的运动控制、数据的处理和交互以及 SLAM 建图和导航算法的实现。

2、对智能移动平台进行建模分析。首先建立坐标变换模型来实现传感器数据在不同坐标系之间的转换；然后建立四轮差速运动学模型；最后建立利用激光雷达传感器进行数据采集的观测模型。

3、完成基于激光雷达的地图构建算法的设计。选择概率栅格地图并详细分析构建原理。然后对比 3 种主流的激光 SLAM 建图算法，拟选取 Google 公司开源的 Cartographer SLAM 算法，并从前端匹配和后端优化两方面详细分析 Cartographer算法的原理。

4、完成在已知环境地图中智能移动平台导航系统的设计，利用 ROS 中的 Navigation 框架进行导航。首先分析在已知环境地图中智能移动平台的定位原理；然后在静态地图的基础上拟引入代价地图使其可以进行动态导航；之后对全局路径规划算法（A*）进行分析，并对其进行优化，消除多余的拐点，提高导航效率；最后对局部路径规划算法（DWA）进行研究分析，为智能移动平台增加动态避障功能。

5、利用 ROS 操作系统的分布式框架将远程端显示和控制软件与智能移动平台进行连接，实现了远程显示和控制的功能。

3、创新实践条件

本项目教师团队具有多年带学生进行大创的经验，且具有较强的科研、教学和实践指导能力，可为学生提供方案指导和技术指导，提供创新实践场地和开发板、仪器设备、实验材料等条件。本项目依托常州市传感网与环境感知重点实验室和特种机器人技术江苏省高校重点实验室拥有完善的计算机网络、检测设备、高性能服务器和控制器等，为准确、实时采集多通视频数据提供了为本项目顺利开展提供了硬件保障，齐备的软件开发环境和充足的图书及网络数据库资源为项目开展提供实验条件。

三、招募学生要求

（学生参与项目研究所需的知识背景、技术能力等要求）

学生要求：自动化、物联网等专业二年级及以上学生，熟悉C语言、单片机原理及控制、数电模电、自动控制原理、Matlab软件、CAD软件等相关知识。