系列文章目录

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
TODO:写完再整理

前言

本文先对无人驾驶车/机器人的基本导航软件系统框架做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章

提示：以下是本篇文章正文内容

无人驾驶系统的核心可以概述为三个部分：感知（Perception），规划（Planning）和控制（Control），无人驾驶软件系统实际上是一个分层的结构，感知规划和控制工作在不同的层当时相互作用。

一、感知模块的理解

具体相关算法科看看我感知的专栏
https://blog.csdn.net/qq_35635374/category_11464719.html

定位的专栏
https://blog.csdn.net/qq_35635374/category_11464501.html

地图的专栏
https://blog.csdn.net/qq_35635374/category_11464370.html

状态估计与传感器融合专栏
https://blog.csdn.net/qq_35635374/category_11464733.html

感知再我看来，分为环境感知和机器人/无人驾驶车辆自身感知两部分

1.环境感知

环境感知（Environmental Perception）特指对于环境的场景理解能力

传感器sensor

传感器相关原理及算法原件研发,无人车通常是通过融合激光雷达（Lidar），相机（Camera），毫米波雷达（Millimeter Wave Radar）等多种传感器的数据来获取这些信息
.

目标检测detection

障碍物的位置，道路标志/标记的检测
道路的检测包含对道路线的检测（Lane Detection），可行驶区域的检测（Drivable Area Detection）；道路上路标的检测包含对其他车辆的检测（Vehicle Detection），行人检测（Pedestrian Detection），交通标志和信号的检测（Traffic Sign Detection）等所有交通参与者的检测和分类。
.

目标分割segmentation

行人车辆的检测等数据的语义分类
.

目标预测prediction

预测行人车辆有限时间内的动作
.

地图Mapping

对环境几何特征的描述

.

2.机器人/无人驾驶车辆自身感知

定位location

定位（Localization）也是感知的一部分，定位是无人车确定其相对于环境的位置的能力。
无人车需要知道自己相对于环境的一个确切位置，这里的定位不能存在超过10cm的误差，试想一下，如果我们的无人车定位误差在30厘米，那么这将是一辆非常危险的无人车（无论是对行人还是乘客而言），因为无人驾驶的规划和执行层并不知道它存在30厘米的误差，它们仍然按照定位精准的前提来做出决策和控制，那么对某些情况作出的决策就是错的，从而造成事故。由此可见，无人车需要高精度的定位

.
.

二、规划模块

具体相关算法科看看我的业务任务决策专栏
https://blog.csdn.net/qq_35635374/category_11508978.html

运动规划专栏
https://blog.csdn.net/qq_35635374/category_11464578.html

1.导航任务规划Mission Planning

对于无人驾驶车来说可以是高速巡航任务、红绿灯转弯任务、自动泊车任务等等
对于农业无人车来说，可以是覆盖式路径巡航任务、两点快速返航文物等等
.
.

2.执行行为决策规划Behavioral Planning

我对于执行行为决策规划Behavioral Planning 的理解：就是处理导航任务过程中各个状态及状态转移，我一般用有限状态机FSM处理，简单又好用，如在巡航过程之中突然遇到障碍物，需要启动停障避障的功能

.
.

3.运动规划Motion Planning

这个目标通常是指从出发地到达目的地，同时避免障碍物，并且不断优化驾驶轨迹和行为以保证乘客的安全舒适

运动规划Motion Planning我是用高飞这套思想理解的，运动规划Motion Planning分为前端的路径规划和后端的轨迹优化

.
.

三、控制模块

具体相关算法科看看我的控制专栏
https://blog.csdn.net/qq_35635374/category_11464513.html

控制层作为无人车系统的最底层，其任务是将我们规划好的动作实现，所以控制模块的评价指标即为控制的精准度。控制系统内部会存在测量，控制器通过比较车辆的测量和我们预期的状态输出控制动作，这一过程被称为反馈控制（Feedback Control）
常用的方法有以下几种

1、move_base的DWA_planner充当控制器

.

2、PID控制器

.

3、纯跟踪pure_persuit控制器

.

4、模型预测控制MPC控制器

.

5、二次优化LQR控制器

…
.

总结–机器人开发方向

（1）运动控制路线

具体请看我博客控制专栏的相关文章~

1、机械结构追求

1、仿生
2、变结构（轮足相结合）
3、电驱体积微型化或者液压载重

2、电控硬件追求

我们通过在大扭矩、高精度、轻量化的伺服关节以及配套的小型化、低功耗、高实时性主控系统方面重点发力打造出稳定可靠、
自主研发以及成本可控的机器人软硬件平台。
1、稳定性
2、高带宽通讯架构
3、长续航，无线充电

3、运动控制算法追求

1、柔性控制
2、稳定性控制
3、高动态控制

4、运动功能控制器追求

1、对角步态全向移动
2、四足支撑三轴不偶合转动、双轴耦合转动
3、倾斜平面IMU自稳定
4、摔倒后自己判断姿势，决策方案进行起立
5、侧向力干扰力稳定
6、地形坡度记忆及自学习
7、机械狗上搭载机械臂
8、摆脱遥控器的束缚

5、单独模块化追求

（2）路径规划导航路线

具体请看我博客规划与决策专栏的相关文章~
1、决策规划
2、运动规划

（3）定位建图导航路线

具体请看我博客定位与建图专栏的相关文章~
1、定位的方法
2、建图的方法

（4）视觉目标定位检测感知路线

具体请看我博客感知的相关文章~
1、目标检测与定位（针对物体，深度学习视觉yolo）
2、目标追踪与跟踪
3、人脸识别
4、手势识别

（5）人机交互方向路线

语音交互（科大讯飞）

最后

以上就是称心早晨为你收集整理的【基础导航软件架构】无人驾驶车/机器人的基本导航软件系统框架（自己总结）系列文章目录前言一、感知模块的理解二、规划模块三、控制模块总结–机器人开发方向的全部内容，希望文章能够帮你解决【基础导航软件架构】无人驾驶车/机器人的基本导航软件系统框架（自己总结）系列文章目录前言一、感知模块的理解二、规划模块三、控制模块总结–机器人开发方向所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。