背景

通過前期在家庭拖地機(jī)器人方面的工程實踐，我們發(fā)現(xiàn)處理這種類似場景（封閉場所乏德，環(huán)境相對靜態(tài)，低速行動吠昭，需要機(jī)器人主體在2D平面上自主導(dǎo)航）的應(yīng)用喊括，有太多相似的地方，可以模塊化矢棚，提供硬件平臺+軟件平臺的打包方式郑什，幫助工程應(yīng)用迅速完成導(dǎo)航，感知蒲肋，決策蘑拯，運動控制方面比較專業(yè)和困難的任務(wù)，快速應(yīng)用和市場化肉津。我們把這個可復(fù)用强胰，通過簡單配置的即插即用的硬件+軟件平臺，統(tǒng)稱為運動控制平臺妹沙。 目前除了家庭掃地，拖地機(jī)器人應(yīng)用外熟吏，我們還在 下一代智能AGV小車(自動導(dǎo)引車）距糖，進(jìn)行工程導(dǎo)引，解決傳統(tǒng)的AGV小車需要為某個特定路線預(yù)設(shè)磁條牵寺，修改路線非常困難的痛點悍引。

目前人工智能領(lǐng)域普遍被認(rèn)為是移動互聯(lián)之后，下一個風(fēng)口帽氓，但是看到能夠落地的工程應(yīng)用不多趣斤，其中自動駕駛是其中最炙手可熱的可落地領(lǐng)域±栊荩互聯(lián)網(wǎng)巨擎（谷歌浓领，uber,百度為首）玉凯，傳統(tǒng)汽車大廠， tier1供應(yīng)商联贩，學(xué)術(shù)明星和領(lǐng)域知名專家的初創(chuàng)公司漫仆，紛紛進(jìn)入該領(lǐng)域，投入到這場轟轟烈烈的全新的交通運輸生態(tài)的創(chuàng)建中泪幌。截止2017年6月18日以來盲厌，共有34家公司獲得美國加州路測資格，其中中國背景的公司就有9家祸泪，見下圖（來自公開互聯(lián)網(wǎng)）：

通過對自動駕駛技術(shù)的了解吗浩，發(fā)現(xiàn)自動駕駛與我們的運動控制平臺無論從技術(shù)框架構(gòu)成，還是到硬件平臺應(yīng)用理解没隘，軟件核心算法上都基本契合拓萌。本文通過比較自動駕駛和運動控制平臺的技術(shù)棧，具體實現(xiàn)算法升略，普及自動駕駛技術(shù)微王，分析自動駕駛技術(shù)發(fā)展給我們留下的切入點和機(jī)會，及運動控制平臺未來的擴(kuò)展點品嚣。

下文的比較炕倘，自動駕駛主要拿百度的Apollo技術(shù)作為描述比較主體，因為目前自動駕駛技術(shù)翰撑，百度公開的最為徹底罩旋，它所用的思想，代表了目前做自動駕駛的主流路線眶诈。

技術(shù)框架（運動控制平臺vs自動駕駛）

下圖是我們運動控制平臺的技術(shù)棧分層：

上圖中涨醋，橙色部分是我們運動控制平臺的主體，其中運算單板是運動控制平臺提供的硬件模塊部分逝撬，由ARM CPU浴骂，NEON， Mali GPU, FPGA 組成的嵌入式異構(gòu)并行計算平臺宪潮。其中感知溯警，定位，避障狡相，地圖梯轻，路徑規(guī)劃，導(dǎo)航尽棕，跟蹤是封裝的軟件算法模塊喳挑，工程應(yīng)用通過配置就可即插即用。藍(lán)色模塊，是配套伊诵，硬件部分根據(jù)工程實踐的需要進(jìn)行選取单绑，軟件操作系統(tǒng)層和仿真層是目前開源的軟件棧。

運動底座是工程方進(jìn)行設(shè)計提供日戈，在我們的家庭拖地車實踐中询张，我們自己設(shè)計了結(jié)合拖地要求的底座。在AGV小車的工程實踐中浙炼，傳統(tǒng)的AGV小車輪式結(jié)構(gòu)可以直接拿來用份氧。 一般來說，對于低速移動的場景應(yīng)用弯屈，差分輪式運動底座是應(yīng)用比較普遍的選擇蜗帜。 有兩個主動輪，可以分別控制轉(zhuǎn)速和轉(zhuǎn)的方向资厉， 前面有一個被動萬向輪厅缺。運動底座向上提供的基本接口包括：線形速度，角速度或者曲率控制宴偿， 查詢當(dāng)前里程計信息（運動底座通過輪半徑湘捎，轉(zhuǎn)動數(shù)目進(jìn)行統(tǒng)計），完成上層對于運動底座的底層控制和信息查詢窄刘，通過低速的串行接口通訊就基本滿足要求窥妇。做對機(jī)器人做算法學(xué)術(shù)研究，或者前期對運動控制算法做驗證階段娩践，會選擇商用的運動底盤提供商的產(chǎn)品活翩，如比較有名的kobuki運動平臺，從圖中可以看到翻伺，它的提供了豐富的接口材泄，非常方便對于傳感器和計算單元的擴(kuò)展。

在與運算單板同層的其他模塊吨岭，都是感知單元拉宗。按照工程實踐的實際要求，進(jìn)行選取未妹。這些感知單元涵蓋了目前主流的環(huán)境感知技術(shù)簿废，傳感單元中 沒有包含gps。 這跟我們目前運動控制平臺主要的應(yīng)用場景和要求有關(guān)络它。 我們的工程應(yīng)用目前在室內(nèi)的比較多， gps 在室內(nèi)環(huán)境是沒有信號的歪赢，對于定位沒有幫助化戳。 傳感單元中提供了碰撞傳感的選項，在室內(nèi)掃地拖地場景中，低速機(jī)器人是要求盡量全覆蓋点楼，尤其是墻角邊緣扫尖，這樣是需要碰撞傳感結(jié)合滿足要求的。 在其他場景如AGV小車掠廓，則不能碰撞换怖，不需要與障礙物無限靠近。激光雷達(dá)的選擇蟀瞧，結(jié)合成本和當(dāng)前應(yīng)用場景的要求沉颂，單線雷達(dá)就滿足要求。 傳感器的作用相當(dāng)于悦污，機(jī)器人的眼睛铸屉，跟上層軟件功能棧配合，完成定位算法切端，物體識別彻坛，物體跟蹤，建圖踏枣，避障昌屉，動作規(guī)劃功能。

操作系統(tǒng)層面茵瀑，我們的軟件建立在目前主流的機(jī)器人操作系統(tǒng)ROS（Robot operation system)间驮。ROS是Willow Garage公司在2010年發(fā)布的開源機(jī)器人操作系統(tǒng)，由于其具有點對點設(shè)計瘾婿，不依賴于編程語言蜻牢，分布式架構(gòu)，強大的硬件抽象偏陪，廣泛的社區(qū)參與貢獻(xiàn)抢呆，豐富的可復(fù)用，知名的開源庫資源笛谦，已經(jīng)成為機(jī)器人設(shè)計的不二選擇抱虐。對于低速運動場景，原生的ROS環(huán)境完全滿足設(shè)計要求饥脑。

Gazebo 仿真平臺是機(jī)器人設(shè)計人員的主流選擇恳邀。在算法驗證階段，我們不可能缺省認(rèn)為運動底座灶轰，傳感器谣沸，單板，驅(qū)動都準(zhǔn)備就緒的機(jī)器人笋颤，立在那里等我們上板調(diào)試乳附。也不可能有戶型各異，障礙物擺放各異的室內(nèi)環(huán)境讓我們?nèi)L試。仿真平臺對于機(jī)器人設(shè)計至關(guān)重要赋除。 Gazebo 仿真平臺是一個開源的仿真工具阱缓，通過Gazebo，我們可以在pc上設(shè)計我們的機(jī)器人外觀举农，各種傳感方式荆针，機(jī)器人各部分相對移動方式（如機(jī)械手臂6個自由度的移動）。我們可以設(shè)計任何三維環(huán)境颁糟，根據(jù)設(shè)計師三維建模水平而定航背，可以設(shè)計無限逼真的三維仿真環(huán)境。當(dāng)然滚停，簡單的環(huán)境仿真沃粗，直接通過所見即所得的方式，拖拽一些缺省模塊键畴，可以快速建立一個室內(nèi)仿真環(huán)境最盅。 我們曾經(jīng)為商場掃地車工程實踐， 設(shè)計過一比一的掃地車起惕，和商場模型涡贱，玻璃窗和地面的光反射，激光透射玻璃都相當(dāng)逼真惹想。我們可以在pc 的Gazebo平臺上问词，使用我們預(yù)先建立的機(jī)器人模型和環(huán)境模型，驗證算法嘀粱。Gazebo 仿真平臺目前是商用自主移動機(jī)器人激挪，無人機(jī)設(shè)計的主流選擇。

下圖是自動駕駛Apollo技術(shù)框架（來自于互聯(lián)網(wǎng)）:

百度的自動駕駛分為四層技術(shù)棧：

1. 參考汽車平臺： 一輛汽車锋叨， 必須可以實現(xiàn)電子化的控制垄分，也就是線控。百度目前的參考設(shè)計使用的是Lincoln MKZ, enhanced by Autonomous Stuff, 為用戶提供了一個無障礙的自動車輛平臺娃磺。該平臺為用戶提供了一整套硬件和軟件解決方案薄湿。用戶可以直接獲得車輛某些模塊控制權(quán)限，如檔位偷卧，速度和指示燈豺瘤。見下圖：

2.? 參考硬件平臺： 為了實現(xiàn)高性能穩(wěn)定的計算，百度采用的是工業(yè)級PC Neousys宸曜科技 Nuvo-5095GC作為運算單元听诸， 配置6th-Gen Intel? Core? i7/i5 LGA1151 CPU 和NVIDIA? GeForce? GTX 1050* GPU坐求，可以工作在-25度到60度的工作范圍。

GPS/IMU采用的是NovAtel SPAN-IGM-A1晌梨，理論上 rtk-gps加IMU的融合方案出來的精度能達(dá)到厘米級別瞻赶。在apollo 1.0 沒有公開攝像頭赛糟，Lidar(雷達(dá))派任，Radar(毫米波雷達(dá))信息砸逊，不過根據(jù)百度以前無人駕駛車的信息，有一個Velodyn 64線HDL64E雷達(dá)掌逛，配套一個長距毫米波雷達(dá)和中距毫米波雷達(dá)师逸，一個魚眼攝像頭和一個攝像機(jī)鏡頭。

3. 操作系統(tǒng)： Apollo 采用 ubuntu 14.04+ ROS indigo豆混。 其中ROS是做了定制化修改的篓像，使得更適合自動駕駛的要求，后面章節(jié)會詳細(xì)介紹皿伺。

4. 上層算法：算法模塊的構(gòu)成與運動模塊基本類似员辩。多了端對端和HMI。HMI是百度自動駕駛提供的人機(jī)交互界面鸵鸥，方便操作者統(tǒng)計奠滑，調(diào)試。 端對端算法是一種所見即行動的一種思想妒穴，通過深度學(xué)習(xí)宋税，將感知直接轉(zhuǎn)化為控制，這是一種實驗性質(zhì)的算法讼油，目前的狀況不應(yīng)該是主流應(yīng)用杰赛。

5. 云： 主要有三個作用, ?訓(xùn)練模型， 自動駕駛仿真矮台， 高精地圖提供乏屯。

從上面關(guān)于運動導(dǎo)航模塊和自動駕駛技術(shù)棧的描述，我們可以看到兩者之間有頗多相似的地方瘦赫。

1. ?運動底盤 vs 參考汽車平臺：都是運動的控制主體辰晕，為上層算法提供控制接口進(jìn)行驅(qū)動，提供查詢接口進(jìn)行反饋耸彪。 運動底盤和汽車控制的時候都是要滿足非完整約束仙蛉，就是不在作出向前移動的情況下壹士，無法單獨完成橫向位移。 相比于運動底盤，汽車平臺的動力學(xué)模型會更加復(fù)雜瞧省，除了速度不是一個量級的 ，慣性因素會使得控制更加復(fù)雜械媒。 汽車的橫向位移（轉(zhuǎn)彎）靠前輪的朝向與前輪后輪形成直線的夾角的變化蛀骇，屬于自行車模型。 運動控制模塊多采用差分輪運動底盤荧呐，橫向位移靠兩個輪子相互反方向旋轉(zhuǎn)汉形，靠不同的旋轉(zhuǎn)速度比纸镊，來滿足不同曲率的要求。在控制算法的選取中概疆，會有不同逗威。

2. 硬件平臺： 運算單元和感知單元部分。 運算單元岔冀， 運動控制平臺采用的是嵌入式異構(gòu)計算單板凯旭， 滿足低速簡單運動場景的感知算法，決策使套，控制算法的計算要求罐呼。 汽車應(yīng)對的高速，絕對可靠安全的場景侦高，運算量不是一個量級嫉柴，目前多采用工業(yè)級PC的方案，里面多采用英偉達(dá)的GPU奉呛，來滿足感知對于運算量的要求计螺。芯片廠商， 英偉達(dá)侧馅，德州儀器危尿，賽靈克斯，intel馁痴， 也紛紛推出自己的芯片方案谊娇，中國的寒武紀(jì)，中星微也有自己的芯片方案罗晕，后續(xù)運算單元平臺將是百花爭妍的局面济欢。感知單元， 運動控制平臺和自動駕駛采用的傳感器大多重疊小渊。有幾個不同地方法褥。 深度攝像頭可以在運動控制平臺應(yīng)用場景中的室內(nèi)場景中使用，深度主要靠結(jié)構(gòu)光技術(shù)酬屉，抗干擾能力差半等，目前的技術(shù)上，在室外場景不可靠呐萨。 自動駕駛多采用雙目攝像頭來完成深度識別杀饵。 運動控制平臺采用超聲和紅外完成被動障礙感知， 自動駕駛采用汽車電子方面非常成熟的毫米波雷達(dá)方案谬擦。

3. ?操作系統(tǒng)切距， 兩者都使用 ubuntu 14.04+ ROS indigo。汽車對于實時性惨远， 帶寬谜悟， 分布式要求會更加嚴(yán)苛话肖。 原生的ROS 對于這三方面都無法達(dá)到自動駕駛的要求，雖然 ROS 2.0 會在這三個方面有很大的提升葡幸，但是仍然處于實驗階段最筒。 大部分自動駕駛廠商，包括百度礼患，都是在ROS基礎(chǔ)上作深度定制是钥。?

4. 上層算法：模塊分類基本類似，所采用的算法實現(xiàn)有很多借鑒的地方缅叠， 在后面的章節(jié)詳細(xì)描述。

5. ?仿真： 運動控制平臺的場景相對簡單虏冻，采用開源的gazebo 仿真技術(shù)肤粱，在一些相對高配置的pc上基本滿足要求。 自動駕駛一般要自動駕駛廠商自己搭建仿真平臺厨相， 汽車要仿真的環(huán)境非常復(fù)雜领曼，計算量消耗很大，一般要采用云技術(shù)分布式平臺蛮穿。?

6. 地圖： 運動控制平臺的地圖創(chuàng)建所描繪的場景比較簡單庶骄， 一般2d 場景地圖大概滿足要求，在運算單元上可以完成創(chuàng)建和使用践磅。 自動駕駛需要高精地圖单刁， 3維點云，精確到厘米級別府适，全國地圖羔飞。 特點是需要提前采集，需要花費巨大成本用采集車去采集檐春，生成的高精地圖要隨時去更新逻淌，消耗大量的存儲，一般要放在云端疟暖，自動駕駛車通過高速無線網(wǎng)絡(luò)下載當(dāng)時位置的高精地圖滿足實時決策要求卡儒。?

7. 訓(xùn)練： 運動控制平臺會對地墊，椅子俐巴，人有簡單識別要求骨望，實際情況根據(jù)工程需要。模型提前可以在服務(wù)器端訓(xùn)練窜骄，訓(xùn)練數(shù)據(jù)相對不多锦募。 汽車有海量的數(shù)據(jù)要進(jìn)行訓(xùn)練，滿足高可靠性的物體識別任務(wù)邻遏，要在云端進(jìn)行訓(xùn)練糠亩。

8. 運動控制平臺的多機(jī)協(xié)作要求 vs 車聯(lián)網(wǎng)方案： 目前運動控制平臺的設(shè)計沒有過多考慮多機(jī)協(xié)作的要求虐骑，不過會在以后擴(kuò)展，應(yīng)用場景如 多個AGV小車互聯(lián)互通共同完成調(diào)度任務(wù)赎线，是車車通信的一種方式廷没。 車聯(lián)網(wǎng)方案是自動駕駛的一條路徑，在百度Apollo框架中并沒有提及垂寥。 包含V2V(車車通信）颠黎，V2I( 車路通信）， V2P（車人通信）滞项，完成信息共享后的汽車決策狭归，控制算法。目前通信標(biāo)準(zhǔn)主要是歐美主推的DSRC(專用短程通信）和中國主推的5G標(biāo)準(zhǔn)LTE-V文判。

后面的章節(jié)过椎，會對具體的一些算法和模塊進(jìn)行一些詳細(xì)比較和描述。