dahaihuha / rovergo

Aiming at having takeaways without coming to school gate

RoverGO

Aiming at having takeaways without coming to school gate

项目简介

无人驾驶是当前国际上的热点问题，本项目是对无人驾驶落地与应用场景探索的有益尝试。RoverGo团队的最终目标是实现校园范围内低速、小范围的L4级无人送货小车。本项目从实际应用场景的需求出发，主要考虑硬件和软件两个大的方面。硬件篇主要分析整个小车的硬件结构，对电池、电机、传感器、控制器以及其他关键部件选型和参数给出参考，软件篇主要对目标检测、定位于路径规划、数据融合、决策的各种算法给出分析，根据我们的实际需求选择较为合适的方法给出解决方案。

当前进展

第一阶段实验测试车

设计中的车体

---

（TODO：补充视觉部分和控制部分进展）

潜在需求和接下来的任务

1. 学习Ros系统的使用

Ros是世界范围内应用广泛的机器人操作和管理系统，很多现在开发和使用中的无人驾驶系统基于ros开发，其订阅和发布的机制也广为使用，特别适用于分布式部署，比如在RoverGo初代小车中Nvidia Tx2作为处理中心，Pixhawk作为控制板，两者的通信和交互操作就可以使用Ros进行完成；另外可以作为系统架构，连接由不同编程语言完成的任务。

2.传感器的测试和软硬件API搭建

由实验型小车到能够实际运行的中型车辆，在硬件部分需要进行些许工作，其中包括超声波雷达选型测试，摄像头安装位置测试，传感器盲区检查，软件调用硬件数据接口等等；也包括激光雷达使用，GPS模块增大精度（比如采用双GPS方案）等类似的工作都是基石性和必要的。

3. 定位和路径规划

在RoverGo的使用场景下，固定线路的选择和使用地图定位相对完成基本任务来说必要但不是特别困难，在完成基本的要求（给出小车行进路线的指令）后，更多的工作偏Research；在后期（由起点出发，完成多个不同地点的任务）此工作会变的很关键

4. 视觉计算

RoverGo项目目的初衷即为使用摄像头作为主要传感器件，利用其成本低，分辨率高，可选型号广和边缘计算硬件（Nvidia Tx2、异构智能芯片等）性能上升和计算机视觉算法发展迅速的机遇，完成对无人驾驶在递送场景的实验。所以在视觉计算方面，有目标检测，可行驶区域检测，深度估计等一系列可以进行的工作。

5. 强化学习和仿真环境使用

要将深度学习应用到RoverGo项目上并取得成效，预计需要数据量巨大，所以会对使用强化学习的方法进行实验，并在仿真环境中进行训练获得初步的决策系统。这会在Ubuntu服务器上进行此项工作。

团队招募

山东大学RoverGo校园无人车团队招收新的成员啦！如果你对机器人技术感兴趣，对智能驾驶系统、传感器、深度学习、路径规划等有研究的动力和毅力，那么来吧，我们欢迎你的加入！RoverGo团队致力于打造校园无人送货解决方案，由信院周斌老师带队，同时作为19年国创项目，现在由四名16级同学推进，会有延续性，已经搭建了一个小的测试车，现准备打造一辆能够真正运行的中型无人送货车。所以面临挑战很多，希望能够有熟悉C++或Python编程、深度学习、计算机视觉或飞控Ardupilot的同学加入我们，如果你想加入我们或者了解更多 欢迎将你的问题、建议和简历发送至邮件：[email protected]