基于PX4的地面无人车避障系统及路径规划研究

最新推荐文章于 2024-10-30 13:15:53 发布

人工智能技术与咨询

最新推荐文章于 2024-10-30 13:15:53 发布

阅读量1w

点赞数 4

文章标签：人工智能物联网 iot

本文链接：https://blog.csdn.net/m0_62870606/article/details/123530302

版权

本文介绍了使用开源硬件Pixhawk飞控和PX4 Rover系统，构建地面无人车避障系统及路径规划的研究。通过超声波传感器数据采集和处理，实现了无人车实时避障功能，利用串级PID算法进行路径调整，确保自动巡航。实验表明，无人车在正前方和两侧遇到障碍物时能有效避障并快速回归预设航线。

摘要由CSDN通过智能技术生成

基于PX4的地面无人车避障系统及路径规划研究

人工智能技术与咨询

来源：《动力系统与控制》，作者姜琼阁等

关键词: 地面无人车；避障；PX4；

摘要: 地面无人车避障及路径规划是指，无人车在自动巡航过程中，遇到障碍物能够自动避开，并对当前行进路线进行重新规划，重新进入预设路线行驶。本文使用HPI公司的Savage Flux 2350差速驱动越野车作为实验平台，选用开源硬件Pixhawk飞控作为运动控制器，对PX4 Rover软件系统进行二次开发。使用数据采集模块获得超声波数据，并通过串口方式与飞控板进行通信，完成数据交换，从而实现对地面无人车周围环境的实时检测，完成巡航模式下的避障功能。

1. 引言

地面无人车辆(Unmanned ground vehicles, UGV)集环境感知、规划决策与多等级辅助驾驶功能于一体，是涉及传感器、信息融合、计算机、通讯、人工智能及自动控制技术等多学科、多领域的高新技术集合体 [1]。地面无人车又常被称为无人车、智能车、智能机器人等。近些年来，它凭借自身优势，体积小、机动灵活、易操作等特点被广泛应用于各个行业 [2]。

地面无人车的研究在国外开始较早。随着近些年计算机视觉、人工智能、电子电路等学科的快速发展，这些学科技术也被广泛应用于无人车研究中 [3]。近年来，关于无人车、无人船的研究和使用开始火热起来，涉及航空、航海、农业等各个领域，国内外许多研究机构也开始关注地面无人车自动控制领域 [4] [5]。目前研究人员重点关注避障技术的研究，主要包括障碍物识别、信息位置的获取、车速和转向控制等方面 [6]。地面无人车自主避障系统可以利用传感器来获取周围环境信息，具备感知周围环境和自适应的能力，在完成给定任务的同时，能够在过程中实现自动避障及路径规划 [7]。

本文以开源飞控Pixhawk作为运动控制器，通过对无人车进行建模，结合串级PID控制算法，实现无人车的自主巡航功能。针对数据采集过程中出现错误数据的问题，提出一种新的数据处理算法。并对障碍物检测区域进行划分，使无人车在不同障碍物方位下采取不同的避障策略。

2. 地面无人车系统架构

2.1. 无人车基本组成

地面无人车的基本组成可以分为三部分，分别是机械系统、动力系统和控制系统 [8] [9]。本文使用HPI公司的Savage Flux 2350四驱差速越野车作为地面无人车的实验平台。动力系统中主要是由舵机、电调、电机和电池四部分构成，提供无人车的动力来源。控制系统主要由飞控板、一系列配套外设和地面站组成。本系统中使用的是Pixhawk控制器，外部设备包括数传模块、GPS、电源模块、蜂鸣器、安全开关、遥控器接收机等。搭建完成的无人车基本结构如图1所示。

Figure 1. Unmanned vehicle basic structure

图1. 无人车基本结构

2.2. 数据采集模块

2.2.1. 数据采集模块硬件连接方式

本文通过在车头和车尾各安装三个HC-SR04超声波，来实现对无人车周围障碍物的实时监测。由于Pixhawk硬件接口限制，不能支持外接多个超声波模块，因此这里使用数据采集模块对超声波数据进行预处理，将处理后的数据通过串口发送给Pixhawk控制器，数据采集模块与Pixhawk连接方式如图2所示。

Figure 2. Data acquisition module connection diagram

图2. 数据采集模块连接图

2.2.2. 数据采集模块软件设计

在对数据采集程序进行设计的时候，需要考虑多个超声波传感器共同工作时带来的信号交叉问题。交叉问题是指使用多个超声波传感器时，由传感器a发出的声波，在经过反射后可能被传感器b和c获得，这时候b和c就会根据这个声波信息来计算距离，造成测量数据的混乱。针对这个问题，我们对超声波传感器进行编码，车头左侧的超声波定义为U1，沿顺时针方向分别定义为U1、U2、U3、U4、U5、U6，在测距程序中设置每个超声波触发信号的时间间隔为40 ms。在保证超声波数据实时性的同时有效地解决了超声波数据交叉影响的问题。

对超声波数据处理过程中，最初使用常用的均值滤波算法，采集5次超声波数据取平均值作为最终输出，但是后来发现在实际的应用中传感器的数值并不是很稳定，每10分钟可能会出现一到两次的数据错误，在多个超声波上都出现了类似的错误，经过观察总结发现错误数据有两个特点：

1) 错误数据一般连续出现，个数通常不超过三个。

2) 错误数据离真实值偏离较大，并且连续的错误数据都比较相近。

无人车在运行过程中，需要获得稳定的超声波数据。根据错误数据的特点，本文对传统的均值滤波算法进行改进，引入新的数据处理算法对超声波数据进行处理。算法的主要思想是，利用少数遵循多数的原则，把采集到的一系列数据分成两部分，将相邻两个数据值之差最大的数作为数据的分界点。然后取两部分数据中个数最多的部分作为正确的测量值，另一部分为无效测量值。算法流程如下图3所示，经过处理后的数据相比之前更加稳定，错误数据数量明显