本帖最后由 POLIXIR 于 2022-10-19 11:37 编辑



智能线控底盘

(自动驾驶、车联网、域控、AI)


forum.jpg



目录

一、模块化线控底盘套件
二、完备的自动驾驶解决方案
三、互联互通的车联网解决方案
四、域控产品化量产解决方案
五、AI赋能解决方案


一、模块化线控底盘套件
南栖仙策PolixirRobotⅠ是一款开源自动驾驶开发及教学套件。标配线控转向、线控制动、整车控制器、远程控制器、紧急制动按钮等配置。采取后轮驱动、前轮转向结构,具有手动和自动两种模式,保证产品在各种动态条件下稳定操控性能,确保在各种环境条件下依然可为用户提供优异可靠的一款驾驶平台。支持自动驾驶开源软件Autoware、Apollo等平台,开发者可快速开发应用,显著降低开发门槛和成本。

产品特点
优异的环境适应性
体积小、精度高、可靠性强,扩展性高
结构简单,操控性好

硬件构成
forum.jpg
纯电开源线控底盘
模块化支架
全套传感器
工业遥控器
forum.jpg
应用领域
自动驾驶
机器人
测绘领域

产品技术性能指标
纯电开源线控底盘,动态性能及响应性能优异。配置如下:

基本配置
线控制动系统
标配
线控转向系统
标配
EPB制动系统
标配
VCU
标配
DC-DC
标配
12V 电源接口
标配
常电电池
标配
遥控器
标配
遥控器接收器
标配
整车电量显示屏
遥控器端
充电指示灯
标配
整车OTA模块
标配
独立BMS电源管理系统
标配
缓坡陡降辅助
标配
紧急制动按钮×1
标配
无线遥控移车
标配
无线紧急停车
标配
故障诊断
故障代码
电池电量监控及低电压保护
标配
四轮轮毂电机独立驱动控制
四驱版
轮毂电机拖拽制动
标配
灯光控制
标配
误操作保护
标配

线控底盘结构参数如下:

基本参数表
四驱四轮转向
轮距(mm)
>1400
轴距(mm)
>2500
离地间隙(mm)
>200mm
整备质量(kg)
450
载重(kg)
>500
最高车速(km/h)
40-60 (软件限速)
电池类型
三元锂电池
电池容量(Ah)
80
充电电压(V)
220(交流)
充电时间(H)
7
电机类型
轮毂电机
电机功率(kw)
>3000W
悬架类型
前后双叉臂独立悬挂
最大续航(20km/h 等速)(km)
>70km
爬坡能力(%)
20
轮胎规格
225/35 半径>18
启动电池类型
铅酸蓄电池
输出平台电压(V)
5、12、24
驻车类型
EPB
转向形式
阿克曼前后转向
转弯半径(m)
<6

线控功能参数如下:

制动




制动指令响应时间
100ms
制动动作完成时间
300ms
重复误差
1bar
制动范围
0-7Mpa
阶跃制动超调量
0.5Mpa
转向




转向指令响应时间
150ms
方向盘最大转速范围
0-450°
重复误差
超调时间(从第一次到目标角度到最终稳定所需时间)
600ms
控制角度精度
驱动


驱动指令响应时间
90ms
驱动动作完成时间
800ms
重复误差
±100ms
挡位
挡位指令响应时间
100ms

forum.jpg


二、完备的自动驾驶解决方案

PolixirCare是一套开源自动驾驶开发及教学套件

一站式、高性能平台,支持自动驾驶开源软件Autoware、Apollo及ROS、MATLAB/Simulink等平台,软硬车+指导文档一体,降低开发门槛,助力师生、开发者和工程师快速实车上手。实现算法研发、Demo演示、应用落地。


PolixirCare优势

传统方案

RobotCare方案
繁琐硬件供应商
VS
一站式硬件解决方案,包含所有传感器、计算平台、纯电线控底盘
传感器不适配
VS
传感器高度适配,搭配全套传感器硬件
算法开发无从下手
VS
提供Autoware中文完整教程和Apollo教程,可自主调用封装,迅速上手
无实车上手验证
VS
灵活可定制的线控底盘,支持两轮和四轮转向
高成本
VS
低成本,高性能,全开放


PolixirCare包含:
纯电线控底盘
模块化支架
全套传感器硬件
工业级遥控器
PolixirCare技术支持:
基于指导手册,可提供多种辅助技术支持,包含:
提供全车线控相关的代码、故障检查与诊断
全车传感器支架安装位置指导
提供Autoware安装在线支持
提供底盘对接调试支持
提供高精地图创建指导
forum.jpg
提供匹配的D
BC
文件
forum.jpg













技术支持文档构成:
开源自动驾驶软件Apollo、Autoware教程文档
ROS开发指导手册
底盘线控技术手册
与开源计算平台匹配的D
BC
文件
A
CC
、A
EB
、L
KA
、A
PA
等开源算法
传感器安装标定指导手册

全套传感器
包含显示器、工控机、激光雷达、摄像头、GNSS、IMU等传感器和设备,支持 Apollo、Autoware 自动驾驶功能的实现。


forum.jpg

传感器配置
部件
型号
特性
激光雷达
Robosense RS-Helios 1615
64线/150m检测距离
双目相机
ZED2
多目标检测
红外夜视摄像头
高德红外 COIN612
高感光摄像头
组合惯导
导远电子 INS570D
厘米级定位/2.5°零偏
计算平台
研华 7700Q
3080显卡/32GB+1TB
4G模块
随身WIFI+SIM卡
全网通/全频段
显示器
15.6英寸触摸显示器
便携轻薄/多点触控
可选配:激光雷达-ouster 64线,128线;计算平台-英伟达Xavier;组合导航-北斗星通+Xsen IMU



传感器算法支持
激光S
LAM
建图
视觉S
LAM
建图
视觉+毫米波多目标识别及跟踪
基于
AI
融合定位算法
红外相机目标检测技术
forum.jpg forum.jpg                        
forum.jpg                         forum.jpg   

forum.jpg                      forum.jpg

forum.jpg forum.jpg forum.jpg

三、互联互通的车联网解决方案
共享化信息平台:
forum.jpg forum.jpg

基于单车智能车辆,可设计后台调度系统,能够实现车与平台的远程交互,同时能够实时采集相关数据并实时监控,提供更多的感知通道。依托部署在云端服务器,通过网络通信技术,接收来自上位机等用户端指令信息,读取车端的状态信息,完成数据的回传和交互。如用户发送控车指令,服务器向车辆发送路径信息,车辆根据引导和坐标信息,规划路径至停车点,完成车辆自主运动、泊车等任务。

forum.jpg



V2X仿真测试系统
forum.jpg forum.jpg

通过V2X技术,车辆得以发送和接收到其他车辆、道路等参照物的通信信号,得知那些视野范围外的路况信息。在测试验证时,无法把OBU/RSU带到真实的环境中进行测试,所以为了解决这一难题,我们通常使用场景仿真软件来代替真实场景进行测试,V2X仿真测试系统,可以将常用的场景仿真平台如PreScan同模拟平台结合起来,在系统中来实现动态更新,完成车路协同场景仿真。典型的场景包括FCW(前向碰撞预警场景),DNPW(逆向超车提醒场景),LTA/ICW(左转和交叉路口盲区提醒场景)。

数据构成
RV/RSU数据:远车,路侧单元数据
HV CAN/ETH数据:主车运动消息
HV GNSS数据:GNSS定位和授时信号

四、电机及底盘域控制器开发验证平台
全功率电机测试系统
拥有完整的电机开发工具链,具备直流无刷电机、永磁同步电机等电机控制器的硬件设计、电控开发、参数标定以及效率优化开发体系。
forum.jpg forum.jpg
永磁同步电机(PMSM)被广泛应用于新能源汽车的驱动、转向、制动控制。我们的开发套件帮助开发者完成PMSM电机的快速开发,你可以学习到电机的角度、转速、扭矩闭环控制、电机驱动电路设计、FOC算法、PMSM算法等核心电机控制理论,并且可以在控制器上快速验证自己的电控电驱算法,极大的简化了初学者的开发难度,减少时间消耗。
forum.jpg forum.jpg
底盘协同控制验证平台
线控平台提供了四轮独立驱动、四轮独立制动、线控转向等线控驱动能力,为自动驾驶的运动控制提供了一个完善且安全的实车开发测试平台。通过协调底盘目前各自独立的驱动器,来提高汽车的操控性和稳定性。有助于自动驾驶和辅助安全领域在极限工况下的应对,并且可以扩展至大型底盘系统和ADAS系统。
forum.jpg forum.jpg
围绕ADAS辅助驾驶系统控制核心为域控制器,基于毫米波雷达、前向摄像头、盲区监测雷达实现环境感知。具备前向碰撞预警FCW、自动刹车AEB、自适应巡航ACC、车道偏离预警LDWS、车道保持LKA、盲区监测BSD、等辅助驾驶功能,并且可针对客户车型和需求定制开发。整合了VCU和ADAS控制器的功能,具备高性能、ASIL-D功能安全,实现车辆多控制器功能融合。VCU接收驾驶员的输入信号,包括踏板信号、车速信号、档位信号,及其他输入信号,协调电机、电池包以及其他附件系统,满足驾驶扭矩需求,实现故障诊断与处理、整车状态监控、整车模式转换等功能。
forum.jpg forum.jpg
五、AI 应用
AI感知应用
我们的平台提供了全套的感知传感器,用户可以开发基于深度学习的计算机视觉,应用于无人驾驶的视觉感知系统中,动态物体检测(Dynamic Object Detection)、通行空间(Free Space)、车道线检测(Lane Detection)、静态物体检测(Static Object Detection),主要从需求、难点、实现三个方面对每项感知部分做剖析。
forum.jpg forum.jpg
端到端
基于规则的自动驾驶需要编写很多代码。需要使用极其昂贵的激光雷达,来确定障碍物的位置。需要实时更新的高清大地图等外设。我们的AI应用开发套件提供了端到端的网络模型。
强化学习的端到端自动驾驶可以很好的以当前机器人传感器所采集到的环境为输入,输出控制机器人的行动命令action,机器人行动后,再观察新的环境状态和行动带来的结果Reward,决定下一步新的行动action。
forum.jpg