无人智能物流小车控制系统设计

张 腾，张 玎，杨家豪，郑鹏程

（上海工程技术大学机械与汽车工程学院，上海 201620）

0 引言

近年来，随着无人驾驶相关技术的不断发展，无人车也正向着完全自主的方向稳步迈进。无人车的自主行驶要求实时定位、障碍物检测、目标跟踪以及轨迹规划等多项功能同时实现，依托运动控制、行为决策、动态规划、环境感知等技术环节，综合应用了深度学习、现代控制理论、车辆工程、计算机视觉及通信传输等学科的理论知识，无人智能物流车辆也即为无人车的一种。目前，区域范围内的无人物流车辆应用逐渐增多，但其核心部件控制系统的开发仍需不断完善。本文介绍了一种应用于园区物流的无人智能小车控制系统的开发方法。

1 功能设计

根据园区物流运输的需求，本文设计了一种可完全自主驾驶或有人员引导跟随的无人智能物流小车。如图1所示，根据需求，本项目研究内容主要包括以下七个方面。

图1 本项目研究内容示意图

（1）引导员智能识别。快速且准确识别封控疫区中的引导员志愿者是本项目的核心问题之一，为此需要在动态复杂场景下，应对引导员的站立静止、恒速/变速向前运动、行走过程中转弯等多种运动形式设计具有实时检测的深度学习算法模型，使其能够在实际交通道路测试环境中，利用算法模型中的快速特征提取卷积神经网络架构，结合引导员的体态等特征，准确捕获动态目标［1］。

（2）实时三维场景重建。无人智能物流小车主要的感知系统为单目长焦距相机和多线程激光雷达，无人智能物流小车需要感知五米之内的道路场景，但由于相机投影矩阵导致其对远景效果感知较弱，激光雷达的点云数据在近点与远点的分布密度差异很大，如何通过深度相机逆投影矩阵解析道路场景关系，通过激光点云识别目标物体轮廓和三维尺寸，得到清晰完整的复杂道路场景的三维空间动态结构图，并实时传送给工控机处理平台，是实现周边场景自适应感知的基础。

（3）同步定位与地图创建。同步定位与地图创建（simultaneous localization and mapping）是指在未知环境中创建环境地图的同时进行定位的技术，该项技术一方面有助于无人智能物流小车的实时控制，另一方面有助于无人智能物流小车进行全局和局部的路径规划。无人智能物流小车搭载深度相机获取环境中的色彩信息和距离信息，搭载里程计和组合惯导获取智能小车的实时位置信息并进行位姿估计。将以上传感器信息传送至工控机处理平台，经过优化后，完成地图创建［2］。

（4）路径规划与导航。无人智能物流小车的全局路径规划本质上是在环境地图上求取两点之间的最小代价路径，使智能配送小车能避开障碍物，动态规划出一条较优的路径，如无人智能物流小车从居民区的一点到达居民区的另一点。为解决此类问题，现有技术大多使用合适的图搜索算法，以提高搜索效率，主流的以图搜索算法为基础的路径规划算法有A*算法和D*算法。本项目结合两种算法的优缺点，提出了一种基于A*算法的逆向D*算法，无人智能物流小车可以在该算法下自主规划合适的路径，规避障碍物［3］。

（5）连续性目标追踪。无人智能物流小车需在识别引导员后对其进行实时跟踪，返回时如若自主返回出发点，也需要跟踪连续的路径规划点，准确快速地跟踪连续目标点将是无人智能物流小车行进中的重要一环。基于非线性模型预测控制的目标跟踪器的跟踪精度和鲁棒性大大优于其他目标跟踪器，能够满足本项目的预期设计目标［4-5］。

（6）储物仓门自动开闭。为了减少整个物流配送过程中人与车的接触，无人智能物流小车搭载储物仓门自动开闭系统，可实现取物过程中取物人与智能物流小车无接触，储物仓门自动开闭系统利用人脸识别技术对取物人进行确认，利用Face_Recognition 人脸识别库进行人脸识别，通过位于无人智能物流小车侧方的摄像头采集取物人人脸信息，经过与取物人先前提供的照片进行数据对比，确认无误后，通过控制板对仓门舵机进行控制，打开仓门，待取物人取出货物后，自动关闭仓门［6］。

（7）远程实时监控。无人智能物流小车的远程数据检测与监控系统是利用现代无线网络技术把无人智能物流小车上的信息和控制中心紧密联系在一起，针对连续位置数据采集的需要，开发了智能远程数据检测控制界面，实现对无人智能物流小车的运输控制以及周边环境的实时可视化监测。

2 系统硬件设计

无人智能物流小车的硬件构成包括以下几个方面：

（1）采用车载计算单元，支持多个神经网络并行运行实现图像分类、人脸识别、语音处理、目标检测及物体识别追踪等功能，适用于开发小结构、低成本、低能耗的设备。

（2）底层控制采用Arduino 以及在其专门的开发环境下部署代码，以实现无人智能物流小车交互产品的开发与落地，比如读取大量的开关和传感器信号，控制各式各样的电灯、电机和其他物理设备等。

（3）深度相机，能获取平面图像，还可以获得拍摄对象的深度信息，即三维的位置和尺寸信息，使得整个计算系统获得环境和对象的三维立体数据，以用作引导员识别与跟踪、三维重建、人机交互、SLAM等领域。

（4）惯性导航单元，利用惯性元件（加速度计）来测量运载体本身的加速度，经过积分和运算得到速度和位置，从而达到对运载体进行导航定位的目的。

（5）激光雷达，其工作原理是向目标发射探测信号（激光束），然后将接收到的从目标反射回来的信号（目标回波）与发射信号进行比较，作适当处理后就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态，甚至形状等参数。

3 软件控制功能设计

无人智能物流小车自主行进系统主要在Ubuntu 系统中的ROS 上架构与开发，ROS 中文直译为机器人操作系统，广泛应用在机器人领域，其设计的最初目的是简化研究人员在搭建新的算法实验平台时需要重复构建底层架构的问题。其极大地简化了机器人在开发过程中跨平台开发的繁琐步骤。其可以通过构建节点，发布或者订阅话题等多种方式实现不同传感器和计算单元之间的通讯。

整个无人智能物流小车的软件系统开发以ROS 为基础，通过引导员识别跟踪模块、感知融合与地图构建模块以及路径规划与自主导航模块相互配合最终实现无人智能物流小车通过跟随引导员行踪轨迹自动生成小车自身行进路线，自动避障到达目的地，待完成配送任务后自行返回出发地。

本文所述项目利用PyQt5开发了智能远程数据检测控制界面，该界面可实时显示随车摄像头输出的画面，实时避障检测画面以及实时路径规划建图画面，实现监控人员对智能小车的运输控制以及周边环境的实时可视化监测。

4 实车效果测试

基于所构建的实验平台，在室外开放环境下进行了语义建图与定位实验。实验场地在环园区周围的道路，如图2所示。

图2 实验环境及环境特征信息

如图2（b）所示为无人智能物流小车自主绕园区行驶轨迹，运行准确，效果较好。为了验证沿规划轨迹行驶的效果，本项目进行了分阶段局部轨迹误差测定。图3为无人智能物流小车在不同路段的行驶情况。图中试验路段与图2（a）中A、B、C 相对应。其中A 点的环境为直线路段，B 点为存在动态对象的路段，C 点为路口左转路段。无人智能物流小车轨迹规划至距目标点0.5 m的区域范围内，即视为规划成功。

图3 局部轨迹规划实验环境

图4 直行路段轨迹规划方法对比

本项目还验证了无人智能物流小车在局部路段内的自主行驶误差。如图3所示，蓝点表示车辆起点位置S，红点表示车辆目标位置G，黑线表示实际行驶路径，蓝线为规划路线。经过实测，实际行驶路径与规划路线的平均误差在0.2 m以内，达到了使用要求。

5 结语

本文对无人物流小车智能控制系统平台进行了控制系统的开发，从功能设计、硬件设计、软件设计以及效果验证四个方面对无人智能物流小车的开发方法进行研究与阐述，所用方案具有操作简单、可适用性好、鲁棒性强等诸多优点。经实际区域测试，所涉及的无人驾驶物流车辆可以很好地完成规划路径行驶。局部路径的行驶误差可以控制在0.2 m 以内，具有较好的行驶效果。本研究的开展可为无人驾驶控制系统的设计提供参考，对未来无人驾驶车辆的发展提供借鉴。