EL-AIcar自(zì)動駕駛算法競賽平台是真正的智能車或是輪式機(jī)器人，它在傳統智能車的基礎上通過搭載功能強大(dà)的導航計(jì)算機(jī)，由導航計(jì)算機(jī)連接深度攝像機(jī)來(lái)實現人的雙眼功能，由導航計(jì)算機(jī)連接的激光(guāng)雷達對場景掃描并通過軟件(jiàn)建模來(lái)判定障礙物位置從(cóng)而實現自(zì)主導航。

導航計(jì)算機(jī)是以ubuntu爲操作系統，并在其上的運行機(jī)器人的ROS系統，該ROS系統可(kě)挂接機(jī)器人建模軟件(jiàn)來(lái)仿真設計(jì)各類機(jī)器人，也可(kě)挂接仿真軟件(jiàn)來(lái)驗證相(xiàng)關識别算法或控制算法從(cóng)而較爲直觀地看(kàn)到機(jī)器人模拟的運行狀态，爲真實機(jī)器人的設計(jì)與控制提供完備的理論基礎。同時ROS系統還(hái)可(kě)以與OPENCV、TensorFlow等視頻圖像識别軟件(jiàn)進行數據交互，将其AI的視覺功能發揮到極緻。

車體控制單元部分(fēn)采用基于ARM Cortex-M4 内核的STM32F407處理器，主要完成電源管理、電機(jī)控制及測速、紅(hóng)外或超聲波避障、IMU姿态解算及GPS定位功能。車體控制單元通過相(xiàng)應接口與做AI控制的導航計(jì)算機(jī)相(xiàng)連，實現導航所用數據上傳及接收導航計(jì)算機(jī)控制指令。同時引出407所有的GPIO引腳到排針，方便用戶DIY。

系統結構及硬件(jiàn)資源

無人駕駛競賽平台可(kě)分(fēn)爲室内競賽平台與室外競賽平台，室内平台采用英偉達Jetson nano帶GPU的4核A57處理器，可(kě)自(zì)行加裝語音控制單元進行控制。采用真實的四輪電動代步車平台，搭載高性能計(jì)算機(jī)、高速激光(guāng)雷達與GPS單元。其硬件(jiàn)系統結構框圖如(rú)下所示。

整車采用Coretx-M4内核的STM32F407ZE作爲主控制器，同時，在小車上有豐富的外圍擴展資源（如(rú)：電機(jī)控制、無線通信、液晶顯示以及各種傳感器模塊等），它可(kě)以搭配多種傳感器，自(zì)身(shēn)即可(kě)完成無人駕駛智能傳感小車的基本功能（包括小車前進、後退、轉彎、避障等）、也可(kě)以自(zì)動駕駛（包括循迹自(zì)動駕駛、感應卡路(lù)徑自(zì)動駕駛、GPS導航自(zì)動駕駛等）、同時可(kě)實現無線通信（ZIGBEE、藍牙等無線通信控制小車方向）。

自(zì)動駕駛算法平台小車系統框圖

軟件(jiàn)配置

1、ubuntu操作系統。

2、機(jī)器人ROS系統。

3、無線遙控手柄，可(kě)實現不低于1km無線遙控。

4、移動端app可(kě)實現手機(jī)遙控和姿态遙控。

主要硬件(jiàn)參數說(shuō)明

車身(shēn)結構

車身(shēn)采用全鋁合金支架，帶有擺式與獨立懸挂，外型尺寸（長X寬445*358MM）,采用直徑125mm實心輪。

采用直流有刷電機(jī)（功率達35W），減速比1:27，最大(dà)速度1.3m/S，額定負載能力10Kg。帶有500線AB相(xiàng)光(guāng)電編碼器。

帶有阿克曼結構轉向功能，采用數字舵機(jī)、金屬齒輪。舵機(jī)最大(dà)角度180°，工(gōng)作電壓4.8-7.4V，扭力20Kg.cm。

采用共軸擺式懸挂，可(kě)适應不平地面。

車身(shēn)四周有四組超聲波測距模塊，采用HY-SRF05 超聲波測距模塊，2cm-450cm 的非接觸式距離(lí)感測功能，測距精度可(kě)達高到3mm

帶有GPS定位系統：56通道，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(guāng)雷達：思岚A1

測距範圍：0.15-12m，基于白(bái)色高光(guāng)反色物體測得(de)；

掃描角度：0-360；

測距分(fēn)辨率：當測量物體在1.5米範圍内分(fēn)辨率爲小于0.5mm；否則分(fēn)辨率小于實際距離(lí)的1%；

測量頻率：2KHz-8KHz；

掃描頻率1-10Hz；

供電：5V

視覺相(xiàng)機(jī)：Astra pro

深度範圍：0.6-8m；

功耗：≤2.5W，峰值電流小于500ma；

彩色圖分(fēn)辨率：1280x720@30FPS；640x480@30FPS；320x240@30FPS；

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

精度：距離(lí)物體1m時，±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(kě)擴展microSD卡，要求最小16GB UHS-1(超高速接口，帶寬能達到至少104Mb/s)

視頻編碼：H.264/H.265(4Kp30)

視頻解碼：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22.2V 5000ma帶保護電池，續航能力約5小時（電池容量可(kě)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(kě)擴展20多種傳感器。

1個4.3寸TFT液晶，分(fēn)辨率480*272。

1組無線通信總線，可(kě)擴展Zigbee、CC1310、藍牙通信。

外設資源包括6個USART、12個16位的定時器、2個32位定時器、2個DMA控制器（16通道）、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(jiàn)随機(jī)數生(shēng)成器以及1個10/100M以太網控制器等

可(kě)開設的實驗項目

基于AI CPU系統深度學習算法實驗
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 對抗生(shēng)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 視覺建圖	實驗07 激光(guāng)雷達建圖

基本功能實驗
實驗一小車前進實驗	實驗二小車後退實驗	實驗三小車左轉實驗	實驗四小車右轉實驗
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(guāng)照(zhào)度實驗	實驗三溫濕度實驗	實驗四紅(hóng)外測溫實驗
實驗五氣壓計(jì)實驗	實驗六攝像頭實驗	實驗七 GPS實驗