EL-AIcar自(zì)動駕駛算(suàn)法競賽平台是真正的智能(néng)車或是輪式機器人，它在傳統智能(néng)車的基礎上(shàng)通過搭載功能(néng)強大(dà)的導航計(jì)算(suàn)機，由導航計(jì)算(suàn)機連接深度攝像機來(lái)實現(xiàn)人的雙眼功能(néng)，由導航計(jì)算(suàn)機連接的激光雷達對(duì)場景掃描并通過軟件建模來(lái)判定障礙物位置從(cóng)而實現(xiàn)自(zì)主導航。

導航計(jì)算(suàn)機是以ubuntu爲操作(zuò)系統，并在其上(shàng)的運行機器人的ROS系統，該ROS系統可挂接機器人建模軟件來(lái)仿真設計(jì)各類機器人，也(yě)可挂接仿真軟件來(lái)驗證相關識别算(suàn)法或控制算(suàn)法從(cóng)而較爲直觀地看(kàn)到(dào)機器人模拟的運行狀态，爲真實機器人的設計(jì)與控制提供完備的理(lǐ)論基礎。同時(shí)ROS系統還可以與OPENCV、TensorFlow等視(shì)頻圖像識别軟件進行數據交互，将其AI的視(shì)覺功能(néng)發揮到(dào)極緻。

車體控制單元部分采用(yòng)基于ARM Cortex-M4 内核的STM32F407處理(lǐ)器，主要完成電源管理(lǐ)、電機控制及測速、紅(hóng)外(wài)或超聲波避障、IMU姿态解算(suàn)及GPS定位功能(néng)。車體控制單元通過相應接口與做AI控制的導航計(jì)算(suàn)機相連，實現(xiàn)導航所用(yòng)數據上(shàng)傳及接收導航計(jì)算(suàn)機控制指令。同時(shí)引出407所有的GPIO引腳到(dào)排針，方便用(yòng)戶DIY。

系統結構及硬件資源

無人駕駛競賽平台可分爲室内競賽平台與室外(wài)競賽平台，室内平台采用(yòng)英偉達Jetson nano帶GPU的4核A57處理(lǐ)器，可自(zì)行加裝語音(yīn)控制單元進行控制。采用(yòng)真實的四輪電動代步車平台，搭載高(gāo)性能(néng)計(jì)算(suàn)機、高(gāo)速激光雷達與GPS單元。其硬件系統結構框圖如下(xià)所示。

整車采用(yòng)Coretx-M4内核的STM32F407ZE作(zuò)爲主控制器，同時(shí)，在小(xiǎo)車上(shàng)有豐富的外(wài)圍擴展資源（如：電機控制、無線通信、液晶顯示以及各種傳感器模塊等），它可以搭配多種傳感器，自(zì)身即可完成無人駕駛智能(néng)傳感小(xiǎo)車的基本功能(néng)（包括小(xiǎo)車前進、後退、轉彎、避障等）、也(yě)可以自(zì)動駕駛（包括循迹自(zì)動駕駛、感應卡路徑自(zì)動駕駛、GPS導航自(zì)動駕駛等）、同時(shí)可實現(xiàn)無線通信（ZIGBEE、藍牙等無線通信控制小(xiǎo)車方向）。

自(zì)動駕駛算(suàn)法平台小(xiǎo)車系統框圖

軟件配置

1、ubuntu操作(zuò)系統。

2、機器人ROS系統。

3、無線遙控手柄，可實現(xiàn)不低(dī)于1km無線遙控。

4、移動端app可實現(xiàn)手機遙控和(hé)姿态遙控。

主要硬件參數說明(míng)

車身結構

車身采用(yòng)全鋁合金(jīn)支架，帶有擺式與獨立懸挂，外(wài)型尺寸（長X寬445*358MM）,采用(yòng)直徑125mm實心輪。

采用(yòng)直流有刷電機（功率達35W），減速比1:27，最大(dà)速度1.3m/S，額定負載能(néng)力10Kg。帶有500線AB相光電編碼器。

帶有阿克曼結構轉向功能(néng)，采用(yòng)數字舵機、金(jīn)屬齒輪。舵機最大(dà)角度180°，工(gōng)作(zuò)電壓4.8-7.4V，扭力20Kg.cm。

采用(yòng)共軸擺式懸挂，可适應不平地面。

車身四周有四組超聲波測距模塊，采用(yòng)HY-SRF05 超聲波測距模塊，2cm-450cm 的非接觸式距離感測功能(néng)，測距精度可達高(gāo)到(dào)3mm

帶有GPS定位系統：56通道(dào)，GPS L1(1575.42Mhz) C/A碼，定位精度： 2.5mCEP(SBAS:2.0mCEP)，通信協議(yì)： NMEA(默認)/UBX Binary ，SBAS:WAAS/EGNOS/MSAS，更新速率：最大(dà)5Hz(默認1HZ)。

激光雷達：思岚A1

測距範圍：0.15-12m，基于白(bái)色高(gāo)光反色物體測得；

掃描角度：0-360；

測距分辨率：當測量物體在1.5米範圍内分辨率爲小(xiǎo)于0.5mm；否則分辨率小(xiǎo)于實際距離的1%；

測量頻率：2KHz-8KHz；

掃描頻率1-10Hz；

供電：5V

視(shì)覺相機：Astra pro

深度範圍：0.6-8m；

功耗：≤2.5W，峰值電流小(xiǎo)于500ma；

彩色圖分辨率：1280x720@30FPS；640x480@30FPS；320x240@30FPS；

深度圖分辨率：1280x1024@7FPS；640x480@30FPS；320x240@30FPS；160x120@30FPS；

精度：距離物體1m時(shí)，±1-3mm；

彩色FOV：H66.1’ V40.2’；

深度FOV：H58.4’ V45.5’；

數據傳輸：30-45ms；

供電：USB 5V

英偉達jetson nano B01：

CPU：ARM Coretex-A57 64-bit ，主頻1.43Ghz；4核，

GPU：128-core Maxwell @921Mhz；

内存：4 GB 64-bit LPDDR4 25.6 GB/s；

存儲：可擴展microSD卡，要求最小(xiǎo)16GB UHS-1(超高(gāo)速接口，帶寬能(néng)達到(dào)至少104Mb/s)

視(shì)頻編碼：H.264/H.265(4Kp30)

視(shì)頻解碼：H.264/H.265(4Kp60，2**4Kp30)

攝像輸入接口：MIPI CSI

攝像輸出接口：2個HDMI 2.0，Edp1.4

網絡接口：Gigabit Ethernet/M.2 Key E

USB：4個 USB 3.0， USB 2.0 Micro-B

GPIO引腳：40

額定功率：5w/10w

供電：5V

電池采用(yòng)22.2V 5000ma帶保護電池，續航能(néng)力約5小(xiǎo)時(shí)（電池容量可選）

車體主控STM32F407ZE：

CPU：支持最大(dà)主頻爲168 MHz的ARM Cortex-M4内核

内存：1024KByte FLASH，192+4KByte SRAM

LQFP-144封裝。

4個傳感器接口，可擴展20多種傳感器。

1個4.3寸TFT液晶，分辨率480*272。

1組無線通信總線，可擴展Zigbee、CC1310、藍牙通信。

外(wài)設資源包括6個USART、12個16位的定時(shí)器、2個32位定時(shí)器、2個DMA控制器（16通道(dào)）、3個SPI、2個全雙工(gōng)I2S、3個I2C、2個CAN、3個12位ADC、2個12位DAC、SDIO、1個FSMC接口、2個USB(支持HOST/SLAVE)、1個攝像頭接口、1個硬件随機數生成器以及1個10/100M以太網控制器等

可開(kāi)設的實驗項目

基于AI CPU系統深度學習算(suàn)法實驗
實驗01 構造線性回歸模型	實驗02 邏輯回歸框架	實驗03 叠代完成邏輯回歸模塊	實驗04 神經網絡模型架構
實驗05 訓練神經網絡	實驗06 卷積神經網絡模型架構	實驗07 RNN網絡模型	實驗08 循環神經網絡LSTM
實驗09 雙向循環神經網絡	實驗10 動态循環神經網絡	實驗11 對(duì)抗生成網絡	實驗12 目标識别
實驗13 自(zì)編碼器

基于AI CPU系統應用(yòng)實驗
實驗01 GoogleNet物體識别	實驗02 FaceNet120人臉檢測	實驗03 神經網絡Lenet模型	實驗04 手語識别
實驗05 色塊跟蹤	實驗06 視(shì)覺建圖	實驗07 激光雷達建圖

基本功能(néng)實驗
實驗一小(xiǎo)車前進實驗	實驗二小(xiǎo)車後退實驗	實驗三小(xiǎo)車左轉實驗	實驗四小(xiǎo)車右轉實驗
實驗五自(zì)動避障實驗

自(zì)動駕駛實驗
實驗一循迹自(zì)動駕駛實驗	實驗二 GPS導航自(zì)動駕駛實驗

無線通信實驗
實驗一無線通信控制方向實驗

傳感器實驗
實驗一繼電器實驗	實驗二光照度實驗	實驗三溫濕度實驗	實驗四紅(hóng)外(wài)測溫實驗
實驗五氣壓計(jì)實驗	實驗六攝像頭實驗	實驗七 GPS實驗