低成本自主式无人地面飞行器的设计与实现

可在www.sciencedirect.com在线获取ScienceDirectFutureComputing and Informatics Journal 3（2018）304e320http://www.journals.elsevier.com/future-computing-and-informatics-journal/一种低成本自主式无人地面飞行器Christopher Kwet Young Lam Loong Mana，Yogesh Koonjula，Leckraj Nagowahb，*a毛里求斯大学信息、通信和数字技术学院信息通信技术系，毛里求斯b毛里求斯大学信息、通信和数字技术学院软件和信息系统系，毛里求斯，R'eduit接收日期：2018年1月18日;接受日期：2018年10月18日在线发售2018年摘要该项目的目的是设计和实现一种低成本的自主无人地面车辆（AUGV），这种车辆可以在没有机载人员的情况下进行远程控制。AUGV还能够自主移动，同时自动检测和避开障碍物。车辆还可以从QR码中读取方向，计算到达目的地的最短路径，并自动向最终目的地移动Raspberry Pi 3已被用作车辆的大脑，以及其他组件，如直流和伺服电机，超声波和红外传感器，网络摄像头，电池，移动电源，电机控制器和智能手机。Python，Java和PHP已被用于实现原型，目前专注于室内导航。存在UAGV的几个潜在的实际应用，例如用于残疾人的自主轮椅，允许他们在不依赖任何其他人的情况下自主地四处移动。这个想法可以扩展到未开发的室内商业市场，如商场，酒店，银行，养老院，医院，办公室，商店，学校，博物馆等等。Copyright © 2018埃及未来大学计算机与信息技术学院由爱思唯尔公司制作和主持这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：自主;无人车;机器人;传感器1. 介绍机器人技术极大地帮助人类完成日常任务。机器人被设计为在任何环境中工作，并代表人类执行任务。它们在真实世界和实时约束下运行，其中必须控制具有特定物理特性的传感器和效应器[1]。在许多情况下，这些机器人是手动控制的，从一个目的地移动到另一个目的地。然而，一些研究已经进行了自主机器人，导致这些自主机器人的潜在应用[2E4]的整体。无人驾驶地面车辆（UGV）是一种与地面接触而没有人在场的车辆。这种类型的* 通讯作者。电子邮件地址：l. uom.ac.mu（L. Nagowah）。同行审查，由埃及未来大学计算机和信息技术系负责。车辆是远程控制的。在相同的背景下，自主地面车辆（AGV）是一种能够感知其环境并在没有任何人为干预的情况下从一个地方导航到另一个地方的车辆[5]。2. 动机自动驾驶汽车有许多潜在的好处[6]例如，由于自动驾驶车辆可以显著减少撞车次数而拯救生命，增加年轻人或残疾人的机动性，由于乘客可以在交通堵塞期间进行其他活动而减少拥堵成本，由于自动驾驶车辆可以在城市地区放下乘客并自动驾驶到卫星停车场而改善土地使用。许多研究人员正在关注自动化车辆的潜在商业应用，包括但不限于老年人的自动轮椅和残疾人 [7]， 自治 无人飞行https://doi.org/10.1016/j.fcij.2018.10.0012314-7288/Copyright © 2018埃及未来大学计算机与信息技术学院。Elsevier B. V.制作和托管这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320305用于农业应用的车辆[8]、自动水下车辆[9]和城市环境中的自动驾驶[10]。虽然许多自动驾驶车辆和机器人依赖于复杂的传感器，因此实施成本很高，但出现了以下研究问题：首先，是否有可能建造低成本的无人驾驶地面车辆？第二，无人驾驶地面车辆是否能够可靠地自主决策从一个地方移动到另一个地方？第三，车辆能否检测障碍物，处理这些信息以计算到达目的地的下一条最佳路径3. 方法为回答上述研究问题，本研究工作过程中采用的方法包括以下几个阶段：文献综述：本文通过对国内外相关文献的回顾，了解了自主车辆设计中所使用的技术和算法。批判性分析：批判性地分析了用于目标检测和避免系统架构：本文在对相关方法进行深入研究和分析的基础上，设计了一种低成本自主式无人地面车。实施和测试：已经开发了一个原型，并根据一些设想情况进行了测试。评价：对原型进行了适当的评价。经验教训：已经确定了低成本AUGV本文的其余部分结构如下：文献综述，类似的系统以及自动驾驶汽车中使用的技术和算法已在第二节4. 在第5节中对不同的技术和算法进行了批判性分析。第6节介绍了拟议系统的系统架构。第7节描述了自动驾驶汽车的实施和测试。在第8节中对该系统进行了评价。第9节详细列出了在建造这种低成本AUGV时所吸取的教训。最后，第10节给出了结论和未来的工作。4. 文献综述本节概述了现有的类似系统，并重点介绍了自动驾驶汽车中使用的技术和算法。这些车辆已经在相当长的一段时间内受到许多研究人员的关注。现将他们的一些工作简述如下。Shahdib等人[11]创建了一种自动驾驶车辆，该车辆使用超声波传感器收集的距离范围与相机捕获的图像相结合，用于物体检测和物体尺寸测量。的视角摄像机是已知的，并且使用从超声波传感器获得的距离，可以获得2D平面上的水平观察长度。将该信息与图像的像素相结合，并使用相同的纵横比，计算出物体的实际大小，这有助于识别障碍物。Dumbre等人[12]的这辆车旨在加强安全监视，因为恐怖袭击的数量越来越多。它是通过互联网远程控制的，因此用户和车辆之间的距离没有限制。连接到Raspberry Pi的网络摄像头拍摄了一系列图像，然后通过互联网将其传输到客户端的Web浏览器。根据用户想要做什么，他可以直接从键盘或网页输入控制，机器人就会开始移动。许多死亡是由交通事故造成的。Ujjainiya和Chakravarthi项目的主要目标是减少这一数字。开发了一个实时系统，用于分析道路状况和人口密集区，以检测移动车辆的道路上的障碍物的存在。每当检测到障碍物时，系统会立即通知驾驶员，驾驶员可以采取相应行动。自动驾驶汽车是未来。人们喜欢旅行，但当他们被交通堵塞时，他们会感到沮丧哈斯达克[14]旨在创造自动驾驶汽车，以解决交通堵塞，减少道路事故和延误的行程，使人们一部用于GPS功能的Android手机连接到一个控制电机的Raspberry Pi。在超声波传感器的帮助下，汽车能够从一个点导航到另一个点，同时避开沿途的任何障碍物。McConnell等人[15]旨在使用机器人在建筑物内运输物品。他们的系统使用USB摄像头和Raspberry Pi来识别从一个点导航到另一个点的航点。从网络摄像头捕获的图像用于识别距离超过4.2米的QR码。机器人首先会自己旋转并捕捉一系列图像。这些图像将被扫描二维码，一旦软件找到一个，它会将机器人定位到特定的方向。Pannu等人的这个项目[16]旨在使用Raspberry Pi开发一款户外单目视觉自动驾驶汽车。它使用高清网络摄像头和超声波传感器来捕捉来自世界的数据。利用这些数据，汽车能够安全、智能地到达目的地，从而避免人为错误的风险。车辆使用网络摄像头进行车道检测，以便机器人能够自行驾驶并在必要时转弯医院很大，很难导航。不管病人来医院多少次，他们总是迷路。这就是为什么Shafer等人[7]开发了一种自动轮椅导航系统，只需按几个按钮就可以将患者运送到目的地。该系统使用医院的地图和RFID标签放置在各处，为轮椅提供方向信息。用户输入他希望去的房间号，系统将生成最佳的●●●●●●306C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320×路径到目的地，然后发送命令来驱动轮椅。障碍物检测是自主导航的重要组成部分，目前存在许多可用于检测障碍物的算法和技术。下面简要介绍这些算法和技术基于距离和外观的障碍物检测技术[11]使用用于距离测量的超声波传感器和相机的组合来计算物体的大小。相机，就像人眼一样，有固定的视野。相机看到的一切都将被压缩到捕获的图像中。根据物体离相机的距离，肯定会影响图像上的像素大小。超声波传感器计算障碍物的距离，并使用该距离结合网络摄像头的视角和图像分辨率，计算出障碍物的大小。Sobel边缘检测算子是一种离散的梯度算子，计算图像强度函数的梯度近似值[17]。它被分成两部分，x和y方向的内核都是3 × 3大小的矩阵。为了检查边缘，两个矩阵都应用于图像中的每个像素。计算每个点处的图像强度的梯度，给出从亮到暗的最大可能增加的方向以及该方向上的变化率。因此，结果显示了图像如何变化，以及图像的这一部分代表边缘及其方向的可能性有多大[18]。当矩阵相乘时，结果将是正值或负值。然后，值的范围将在0和255之间拉伸，这是一个灰度图像。结果将是一个边缘一侧为黑色，另一侧为白色的图像。最后，为了获得最终结果，将这些值组合以给出梯度幅度，这导致图像的边缘。Canny边缘检测器是一种边缘检测算子，它使用多级算法来定位和最小化对单个边缘的多个响应[19]。Canny算子的输入是Sobel算子的输出。在获得每个像素的梯度和边缘方向之后，下一步是将边缘方向与可以在图像中跟踪的方向相关联。对于像素p，当描述周围像素时，只有四个可能的方向。它可以在水平方向上、沿着正对角线、在垂直方向上或沿着负对角线。最后，使用非最大值抑制沿边缘方向跟踪，并去除边缘旁边的所有不必要的像素，使后者在尺寸上厚到只有一个像素宽度。将给出一条细线作为输出图像。红外传感器是一种具有红外发射器和接收器的设备[20]。它使用trans-panel发射红外光，当障碍物非常接近传感器时，光将从物体上反射并进入接收器。根据障碍物和传感器之间的距离，反射光将具有不同的强度。该模块具有板载电位计，可让用户调整检测范围[21]。然而，不同颜色或材料的不同物体会对反射的效果光，即使它们都被放置在离传感器相同的距离。此外，无法计算障碍物与传感器的距离，而且由于该传感器使用红外线，来自太阳光的热量会对传感器的检测产生影响，因此传感器在室外使用时不是很准确，但在室内环境中可以表现良好超声波传感器是一种设备，可以通过发射声波并测量它在障碍物上反弹并返回所需的时间来计算与物体的距离。距离可以使用公式（1）。距离/4（声速 * 所需时间）/2（1）5. 批判性分析本节对可用于对象检测的不同技术和算法进行了批判性分析。如果存在有光泽的地板、地毯之间的边界或阴影，则基于范围和基于外观的障碍算法可能遇到困难。该算法利用参考区域，即底部十行，这使得系统非常自适应。然而，这种方法要求参考区域始终没有障碍物。不幸的是，参考区域可能并不总是充分代表在不同角度观察到的图像中较高的像素。此外，基于相干性的算法，例如Sobel边缘检测器，具有对噪声非常敏感的主要缺点核滤波器和系数的大小是固定的，不能适应给定的图像。自适应边缘检测算法是必要的，以提供更好的解决方案，可以适应不同的水平，以帮助区分有效的图像内容从噪声引入的视觉伪影此外，Canny边缘检测算法与Sobel算子相比，计算量更然而，Canny边缘检测算法在几乎所有情况下都优于Sobel。然而，在现实生活中，Canny Edge检测图像中的所有边缘，但不能区分图像的前景和背景。因此，所获得的结果可能很难用于障碍物检测和避免。硬件传感器在检测障碍物方面非常可靠。红外传感器可以很容易地检测到障碍物，但只有当它们非常近的距离。另一方面，超声波传感器可以检测到不在近距离内的障碍物，还可以计算障碍物与传感器的距离。该信息可以变得非常有用，以定义阈值，使得如果距离低于该值，则车辆可以假设其路径上存在障碍物并执行替代动作。然而，同样重要的是要注意，声纳传感器不能检测到所有的障碍物。这是因为某些物体的形状使得发出的声波从物体上反弹，但不会返回到传感器。小物体也不会将足够的声波反射回传感器，C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320307●而其它的例如布可能仅仅吸收声波，使得传感器没有办法精确地检测它们。与红外传感器类似，超声波传感器在室外使用时可能不是很准确，但在室内环境中可以表现得相当好。下面的表1给出了使用用于确定自主车辆的路径中的6. 系统架构下面的图1显示了自主无人地面车辆（AUGV）应用程序的高级设计。为了远程控制AUGV，智能手机和AUGV车辆都应连接到接入点。从那里，移动应用程序能够通过其IP地址访问车辆并向车辆发送操作。AUGV将在车内安装一个树莓派，它将接收这些指令，执行必要的操作，并发送反馈，这些反馈将在移动应用程序上接收和显示。拟议的设计将允许AUGV在两种模式下运行：首先是远程控制模式，其次是自主模式。在远程控制模式下，用户将完全控制车辆，车辆将服从通过移动应用程序接收的指令。在自主模式下，用户将使用移动应用程序选择AUGV的来源和目的地。AUGV将自动计算到达最终目的地的最短路径。它将使用传感器向目的地移动。使用摄像头，AUGV应自动扫描QR码，以读取通往其最终目的地的方向。如果QR码不在范围内，电机将旋转相机。根据QR码，AUGV将决定是否继续前进，左转或右转。障碍物将通过使用传感器来检测。当Objectives检测到，AUGV将旋转180度，因此在相反的方向移动，直到它到达另一个QR码，帮助它计算另一条到达目的地的路径。6.1. AUGV组件图2显示了AUGV的内部电子组件。Fig. 1. AUGV建筑设计实施AUGV所需的组成部分如下：● 直流电机：将使用两个直流电机。他们是快速的-更多的电力供应，他们将旋转得更快。应使用两个这样的电机，并结合一个钢脚轮圆球，这将允许车辆保持平衡并向任何方向移动。● H桥控制器（L298n）：需要在两个直流电机和Pi之间建立连接，以便后者可以控制电机。L298n模块将允许此连接。该模块的功能是能够反转电源的正负端子，从而使直流电机顺时针或逆时针旋转。它可以支持多达50 V电源。表1现有障碍物检测技术的优缺点方法优点缺点基于距离和外观的障碍物算法● 计算速度非常快●可能会出现误报和漏报Sobel边缘检测简单检测边缘及其方向Canny边缘检测●改善信噪比具有更好的噪声● 对噪声● 可能不准确● 计算复杂且耗时的假过零时间红外传感器●快速响应时间●精度受阳光● 不受噪音影响●无法检测远处物体超声波传感器●快速响应时间●可能无法检测所有物体● 远距离检测物体●产生错误读数308C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320● 移动电源：图二. AUGV的设计因此，将使用三个红外传感器;左右红外传感器将用于使车辆保持在线路之间，Pi 3将使用3400 mAh Power Bank供电。后者是相当小，不太重，这将有助于减少车辆的总重量。Pi 3是一款非常省电的小型计算机，因此充电宝一次充电可以持续相当长的时间。● GPIO扩展器：Pi有40个GPIO引脚，由于这些引脚非常小，因此很难区分不同的引脚，并且可能会发生错误的连接。此GPIO扩展器占用Pi上的所有引脚，并将其扩展到面包板，以便更轻松地访问并标记每个引脚。● USB网络摄像头：该摄像头将用于检测和解密QR码，这些QR码将告诉AUGV根据要到达的目的地转向哪个方向它还将用于提供实时流媒体视频馈送，以便可以远程控制车辆。● 红外传感器（FC-51）：IR发射器发射红外辐射，并被接收器反射和捕获。黑线具有吸收任何辐射的能力，因此这种特性可以用来使车辆从一个地方导航到另一个地方。中红外检测车辆是否丢失，即如果车辆在给定的时间量内不在任何线路上，则将假定其丢失。● 超声波传感器（HC-SR 04）：该模块将用于检查车辆行驶时AUGV前方是否有障碍物。将设置一个阈值，如果从传感器获得的距离低于此阈值，车辆将停止并执行指定任务。● 伺服电机（SG90）：USB摄像头不提供非常宽的视角。因此，会有QR码的一部分将不会被发现在摄像头的视野内的情况。因此，伺服电机将被用来旋转摄像头上下慢慢地得到整个QR码的框架。图3显示了Raspberry Pi的不同GPIO引脚，这些引脚将用于连接和控制AUGV的不同组件。6.2. AUGV流程图下面的图4显示了使车辆能够从源行驶到目的地所C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320309图三. GPIO布局原型。自主地。用户手动输入源和目的地，脚本计算到达目的地的最短路径。车辆将使用红外传感器跟踪线路，并在任何十字路口扫描和解码QR码。根据要到达的目的地，车辆将从QR码中获得的信息中知道转向哪个方向。如果检测到障碍物，脚本将自动计算从当前位置到同一目的地的另一条路径，并采用该路径。有几个Python脚本将被创建来实现自主导航。1. 用于计算从源到目的地的道路路径的脚本2. 要跟随行的3. 读取QR码并执行方向更改的脚本所有这些脚本都将在bash脚本中调用，如下面的图5所示。当用户在移动应用程序上输入源和目的地时，bash脚本将使用这两个变量执行。bash脚本将首先使用这两个变量调用道路计算python脚本。后者已经有了地图的图形以及它们各自的距离（以毫米为单位），并将使用dijskra算法计算最短路径[24]。图6中示出了这种曲线图的示例。最后，结果将存储在道路路径文本文件中。然后bash脚本将检查文件是否为空，其中空意味着已经到达目的地。当文件不为空时，后者将创建一个循环，线跟踪算法和QR脚本。线跟踪算法将使用左右IR传感器跟踪线。如果左侧IR检测到黑线，则车辆将向左旋转，如果右侧IR检测到黑线，则车辆将向右旋转，否则车辆将向前看当车辆移动时，超声波传感器也将用于计算车辆前方的距离。如果距离小于阈值，即，已经检测到障碍物，则车辆将旋转180°，并计算从其当前位置到障碍物的新道路路径。目的地然后，算法将用获得的新路径覆盖道路路径文本文件。当两个传感器都检测到黑线时，这将意味着前方有一个带有QR码的十字路口。然后AUGV将停止，脚本将退出。在脚本后面的行终止后。QR扫描脚本将由bash脚本启动。QR扫描脚本将从文件的第一行检索路径，然后激活网络摄像头。摄像头将开始向下旋转，使用伺服电机，直到QR在帧。如果伺服已经到达最大向下位置，它将重新初始化到最大顶部位置，后者可以再次开始逐步向下旋转。根据获得的源和目的地变量的值，算法将确定从解码的QR码转向哪个方向。车辆将沿适当的方向移动，并通过删除第一行文本来更新道路路径文本文件。然后脚本将退出。bash脚本将继续在脚本1和2之间循环，直到道路路径文本文件为空。当文件为空时，bash脚本将退出，车辆将已经到达目的地。7. 原型实施和测试下面的列表显示了用于实现系统的编程工具和语言以及库的集合：1. Android Studio 2.1.32. Python 3（库-OpenCV2，zbarlight，Rpi.GPIO）3. Bash Shell4. PHP55. Websocketd6. MJPG-Streamer7. 接线Pi图7显示了AUGV原型，由表2中列出的组件构建。建造AUGV的总成本约为100美元。一旦原型已经建成，一些测试sce- narios的设计，以确保AUGV执行预期。6个测试场景如下：1. 手动控制AUGV2. 使用红外传感器自动跟踪路线3. 使用红外传感器和障碍物检测4. AUGV从QR码5. AUGV从QR码读取方向并带有障碍物检测6. AUGV丢失310C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320图4 AUGV流程图。C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320311图4（续）312C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320图五.自主bash脚本。见图6。自治地图。7.1. 手动控制AUGVRaspberry Pi拥有一个Web服务器，可以随时监听传入的HTTP请求并立即响应它们。远程控制车辆的过程如下：1. 按住移动应用程序2. 移动应用程序向Pi Apache服务器发送HTTP请求3. Pi接收请求并执行相应的python脚本来转动轮子。4. 车辆开始朝正确的方向行驶当之前按下的按钮被释放时，另一个Python脚本将被执行以停止汽车的运动图8示出了移动应用，其允许用户在10 m的距离上远程控制车辆，该距离是Pi的WiFi组件的范围。网络摄像头实时流媒体可以激活和停用，在需要时，使用摄像头切换按钮.表2AUGV组件和定价。#组件价格（美元）1树莓派3型号B A1.2 GHz 64位四核41.50ARMv8 CPU，1 GB RAMPi案例2.902带轮子的直流电机（x2）-无品牌4.503L298n H桥控制器1.9043400 mAh移动电源10.00540 pin GPIO Extender3.506USB网络摄像头eA4 Tech PK-30 F15.007FC-51红外传感器（x 5）2.608HC-SR 04超声波传感器0.809SG90伺服电机1.2510电池座1.0011跨接电缆3.5012冰淇淋容器1.0013电池8.00总97.45当按下任何方向按钮时，车辆立即开始移动。只要用户按下按钮，它就会继续向所需方向移动。如果用户向前或向后按下并快速释放，车辆将沿相应方向移动约10cm。一旦用户释放按钮，车辆停止所有动作，但由于动量仍然继续移动。如果用户按下左按钮或右按钮并快速释放它，飞行器将顺时针或逆时针旋转约90度。因此，观察到旋转飞行器小于90度是困难的。用户必须旋转超过360度，直到达到所需的角度。例如，通过将飞行器旋转405°来实现45°的旋转。由于车辆移动速度非常快，当用户开始控制车辆时以及当其在实况流上被示出时，大约1秒，这是非常可接受的情况场景。图9示出了用户经由移动应用控制AUGV。见图7。AUGV原型。C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320313见图8。移动应用布局。图第九章从移动应用程序控制AUGV7.2. 使用红外传感器自动跟踪路线车辆使用IR传感器遵循路线。图10示出了由贴在地板上的黑色电胶带制成的路线的示例。见图10。红外传感器地图。如果右IR检测到黑线，则车辆向右旋转，如果左IR检测到黑线，则车辆向左旋转，否则车辆向前移动。这些简单的步骤用于使AUGV遵循任何路线。如果百分之百地使用电机因此，车辆在离开由电胶带所示的路线的路径上迷路，如图所示。 十一岁为了使车辆完美地遵循路线，马达的功率必须降低到大约30%。图12显示，通过这种调整，AUGV自动跟随路线而不会脱离轨道。然而，随着AUGV的运行，其电池的能量水平降低，导致车辆所需的功率减少。因此，有时车辆将需要一点反冲才能开始移动，而在其他时候，电池电量将如此之低，以至于车辆根本不会移动。7.3. 使用红外传感器和障碍物检测车辆使用红外传感器完美地遵循路线。同时，超声波传感器扫描车辆前方的障碍物。如果检测到障碍物，则车辆旋转180°并继续沿着路径行驶。为了使超声波传感器的读数准确，在信号的传输之间必须尽可能地存在小的时间间隔。否则，获得的读数不可靠。然而，当该超声波代码与线路跟随算法组合时，该小的时间间隔破坏线路跟随算法，导致车辆有时迷路。因此，忽略了小时间睡眠间隔，这使得超声波传感器有时会产生错误的读数。因此，在开始之前，指示车辆转向180度。当它打开自己（图）。 13），它使用红外传感器以检测该线并使车辆停止旋转超过所需的任何距离，然后线跟随算法继续执行，直到检测到另一个障碍物，并再次重复该动作。然而，即使进行了双重检查，据观察，在一些罕见的情况下，车辆似乎发现前面有障碍物，即使没有障碍物。因此，它可能即使在其路径上实际上没有障碍物，车辆也会转弯180度。即使没有发现物体，车辆也会旋转7.4. AUGV从QR码如果AUGV放置在QR码前面，网络摄像头会检测QR码，解释代码并指示车辆转向适当的方向以到达目的地。314C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320见图11。车辆跟随线路并迷路。见图12。车辆跟随线路，不会迷路。图13岁车辆检测到障碍物并转向180度。C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320315图14个。AUGV没有检测到障碍物，但仍然转向180度。如果车辆必须左转或右转，电机向前移动0.5 s，然后在相应的方向上旋转，直到其中一个IR传感器检测到一条线，车辆停止转弯运动，然后线跟踪算法接管，使车辆跟随线，直到找到另一个QR码。图15显示了AUGV在十字路口右转。但是，电机向前移动的时间（0.5 s）已硬编码。由于电池和电机的功率不一致，电机向前移动的完美时机非常难以编程。7.5. AUGV从QR码读取方向并带有障碍物检测在这种情况下，AUGV从源行进到目的地，如图16中的地图上所示。来源和目的地已通过移动应用程序输入。当脚本启动时，程序首先计算从源到目的地的最短路径，并将此信息保存到文本文件中。每一次，车辆到达一个图16.自主地图。图15个。AUGV在道路交叉口转弯316C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320QR码;它扫描代码并检查它是否在正确的位置。然后，程序从文本文件中读取第一条道路，并检查QR字符串以获取下一步应该去哪里的指令。下面的表3示出了基于图1中的地图的QR码上的路径。 十六岁在这种情况下，AUGV必须从健身房移动到客厅。AUGV自动计算最短路径的节点。来源：健身房目的地：客厅路径：[1]-[7]-[11]车辆开始从一个节点移动到另一个节点。如果沿途没有障碍物，车辆使用最短路径到达目的地，如图所示。十七岁表3QR码上的路径和说明。QR编号来源目的地说明1[1]第一章健身房办公室右转[二]《中国日报》健身房卧室2向前[3]第一章卧室2办公室左转[4]美国卧室2健身房向前[五]《中国日报》办公室卧室2右转[6]美国办公室健身房左转2[七]《中国日报》客房游戏室向前[八]《中国日报》客房客房向前3[9]第一章客厅厨房向前[10个国家]客厅办公室左转[第十一届]办公室客厅右转[12个]办公室厨房左转[13个国家]厨房客厅向前[14个]厨房办公室右转4[第十五条]卧室2游戏室右转[16个]游戏室卧室2左转5[17个]客房厨房右转[18个国家]厨房客房左转如果车辆在前往目的地的途中检测到障碍物，则车辆旋转180 °并采取另一条路径，如图所示。 十八岁检测到障碍物：办公室新来源：办公室目的地：客厅新路径：[5]-[17]-[15]-[13]7.6. AUGV丢失在某个时间点，特别是当电池的功率水平高时，AUGV可能丢失，即它偏离路线。如果是这种情况，则AUGV自动通知其未遵循任何线路（图19），其停止所有动作并向移动应用程序发送弹出消息（图20），通知用户车辆已丢失并且用户应手动控制车辆。8. 评价根据表4中列出的标准，已根据7个现有的类似系统（项目1至7）对低成本AUGV项目进行了评价。项目1：使用传感器的自主移动机器人的目标检测和目标尺寸测量[11]。1. 不包含任何类型的远程车辆控制功能。2. 它使用超声波传感器检测到障碍物时获得的距离来执行其他计算。3. 车辆确实支持用于执行某些计算的网络摄像头，但它不提供适当的实时流媒体功能。4. 不支持任何类型的自动驾驶，这辆车的主要目的是计算它前面的障碍物的大小。C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320317图十七岁AUGV正在以最短路径到达目的地。318C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320图十八岁AUGV检测到障碍物并采取替代路线。项目2：通过网页和键盘使用互联网的机器人车辆控制[12]。1. 这辆车可以通过互联网控制2. 没有实现障碍物探测功能。3. Yes vehicle通过互联网上的网页提供直播。4. 没有自动驾驶功能。项目3：基于Raspberry-Pi的具有成本效益的车辆防撞系统，使用图像处理[13]。1. 这辆车不能从外部设备控制。2. 它使用网络摄像头来检测障碍物，但不会给出车辆与障碍物的实际距离3. 尽管车辆支持网络摄像头，但尚未实现实时流媒体。图19号。车辆不再沿着道路行驶。C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 3203193. 没有实时流媒体功能，但车辆确实使用网络摄像头来执行QR码检测和解密。4. 这辆车可以从一个地方移动到另一个地方。根据要到达的目的地，车辆通过扫描其所在的整个房间并搜索QR码来确定其路线，该QR码将告诉车辆接下来要去哪个方向。项目6：使用树莓派设计和实现自动驾驶汽车[16]。图20. 当车辆丢失时弹出信息表4评价标准表。标准数目1来自外部器械的2障碍物检测3实时视频计算和流媒体功能4自动驾驶功能4. 没有自动驾驶，原型的目的是在检测到障碍物时提醒用户。项目4：自动驾驶汽车编程[14]。1. 这辆车不能从外部设备控制。2. 它使用超声波传感器进行障碍物检测。3. 它不支持网络摄像头。4. 是的，车辆确实执行户外自动驾驶;它使用连接到互联网的智能手机的GPS功能，能够从源到目的地驾驶。如果探测到障碍物，车辆将偏离它，并继续前进。项目5：室内导航自主机器人的设计[15]。1. 这辆车不能从外部设备控制。2. 没有实现障碍物探测功能。1. 车辆可以从外部设备进行控制2. 车辆使用超声波传感器进行障碍物检测。3. 车辆使用网络摄像头来寻找道路转弯并做出相应的反应，但不提供任何流媒体功能。4. 车辆能够使用从扫描其周围环境的网络摄像头获得的信息自主驾驶。项目7：基于机器人的自主轮椅导航[7]。1. 这辆车不能从外部设备控制。2. 没有实现障碍物探测功能。3. 没有实时流媒体功能，也没有实时视频计算。4. 该车辆能够使用静态地图和RFID标签作为从当前位置到患者房间号的指南自主行驶。AUGV项目。1. 该车辆可以通过移动应用程序进行外部控制。2. 超声波传感器用于障碍物检测和避免。3. 网络摄像头用于提供实时流媒体功能或用于扫描和解密QR码。4. 该车辆通过跟随在地板上绘制的线来展示室内自动驾驶。在每个十字路口，见图21。AUGV项目评估图。320C.K.Y. Lam Loong Man等人/Future Computing and Informatics Journal 3（2018）304e 320QR码被读取，并根据要到达的目的地，车辆将转向适当的方向。图21总结了低成本AUGV项目的评估以及一些相关工作。从图中可以看出，我们的AUGV在室内环境中非常有趣9. 得到的教训的报告根据建造低成本自动化无人地面车辆（AUGV）的经验，本节详细介绍了经验教训，列出了研究人员需要建造低成本AUGV时需要实现的必要电子部件和重要功能和特性。制造低成本AUGV所需的电子元件包括：1. 单板计算机，例如Raspberry Pi，Arduino，BeagleBone2. 直流电动机，使车辆能够迅速移动。应避免使用步进电机，因为这些电机需要微步进才能使AUGV平稳移动3. 一个移动电源供电的大多数电子元件。直流电机也需要电池供电。4. GPIO Extender 用 于 获 取 Pi上 的 引 脚 并 将 其 扩 展 到Breadboard，以便更轻松地访问。5. USB网络摄像头用于实时视频流和扫描QR码。6. 伺服电机，当连接到网络摄像头时，可用于旋转网络摄像头，以便能够捕获环境的多个视图。7. 红外传感器确保AUGV相应地遵循路线。8. 超声波传感器使AUGV能够探测和避开障碍物。下面列出了AUGV的重要功能和特性1. 激活适当的GPIO引脚，以便在特定方向上驱动电机。2. 为了降低电动机的功率以控制车辆移动的速度。3. 要激活超声波传感器，检索数据并将数据转换为距离。4. 要从红外传感器检索数据，解释信息，使车辆作出相应的反应5. 启动网络摄像头和实时视频。6. 通过伺服电机旋转摄像头，以便摄像头可以检测和解码QR码。7. 解读QR码中的信息，使车辆按照指示的方向行驶。8. 计算车辆到达目的地所需9. 使车辆在遇到障碍物时旋转。10. 如果车辆在其路径上遇到障碍物，则计算替代路线和方向。11. 移动应用程序上的脚本功能，以激活适当的脚本，使车辆按照用户指示的方向移动。12. 移动应用程序上的功能，用于激活和停用实时流视频。10. 结论在本文中，一个低成本的自主无人地面车辆（AUGV）已经实现了使用树莓派，直流电机，网络摄像头，红外，伺服和超声波传感器。AUGV有两种模式：遥控模式和自主模式。在远程控制模式下，用户可以完全控制车辆，并通过移动应用程序上的实时视频流来移动车辆，类似于远程控制的汽车。在自主模式下，移动应用程序用于选择AUGV的源和目的地。AUGV自动计算到达最终目的地的最短路径。它使用红外传感器沿着用黑色胶带在地板上画出的路线向目的地移动。AUGV FLOW- 通过扫描从红外传感器获得的信息来绘制直线和曲线。AUGV在网络摄像头的帮助下自动读取通往最终目的地的方向，网络摄像头可在需要时扫描QR码。一个伺服电机旋转网络摄像头的情况下，二维码是不是在网络摄像头的范围。根据QR码，AUGV决定是否继续前进，左转或右转。通过使用超声波传感器检测障碍物当当检测到物体时，AUGV旋转180度并向相反方向移动，直到到达另一个QR码，将帮助它计算出另一条到达目的地的路径。总成本约为100美元，在我们看来，这是相当便宜的建立一个autono- mous无人驾驶地面车辆。在本项目结束时，可以回答第2节中提出的三个研究问题：是的，建造低成本的无人驾驶地面车辆是可能的;是的，无人驾驶地面车辆可以在从一个地方移动到另一个地方时表现出可靠的自主决策能力;是的，车辆可以检测障碍物，处理这些信息并计算下一个到达目的地的最佳路径。虽然在这个项目中遇到了一些小问题，但可以通过安装方向传感器来进一步加强工作，该传感器将使车辆能够按照QR码中的指示旋转到最接近的程度，并且无论功率水平如何，车辆都将始终旋转正确的量。该项目中使用的电池寿命很短。锂聚合物电池可用于改善低功率问题。一个额外的伺服电机可以安装在AUGV，连同现有的伺服，以允许水平倾斜。而且，计算机视觉领域中的算法可以用于通过扫描接收到的图像来增强系统C.K.Y.