企业官网建设流程全解析

21届智能汽车竞赛智慧医疗思路分享

前言

第21届全国大学生智能车竞赛地瓜机器人-智慧医疗，全自主完成四个子任务，我们队在省赛的成绩是 18s 左右。

我们的总体思路：巡线 + 惯导坐标导航 + YOLO 避障 + 深度相机扫码。

这篇文章主要分享我们自己的思路。

一、改装部分

我们的车模是 X5 的小橙：

• 深度相机 Aurora930：这个非常重要。USB 相机拍二维码糊，深度相机的 RGB 画面清晰太多了。相机清晰度决定了扫码的距离，而半场可以直接左拐进入通道，不需要扫码后三段倒车，能节省很多时间。
• 车载屏幕：我们为了省事，直接给 X5 加了 7 寸的显示器，好处是更重，可以稍微减少点物理漂移；更省资源的做法应该是给 STM32 接入 LCD 或者 OLED，或者那种 TFT 的屏。
• 9 轴传感器：本次比赛放宽了传感器，这也是我们愿意用惯导的原因。本来的 6 轴偏移还是比较大的，但是 9 轴基本避免了这个问题。
• 网络：用无线网卡 + 手机热点，基本没遇到延迟问题。

二、底盘思路部分

底盘是有很大问题的，我们参考了贰贰玖的思路，具体链接是 https://blog.csdn.net/2301_80009912/article/details/150052806?spm=1001.2014.3001.5502 。简单说说：把很多无关的代码都删了，比如蓝牙控制、CAN，然后固定为阿克曼结构，OLED 屏显，删掉了 MPU6050 改成我们的 9 轴。这里有个坑：MPU6050 有一个检查，删了以后判断不到，好像不会启动底盘，我们这个找了半天才看见。

然后给 9 轴的路线是：原始 → 去零偏 (gz−bias)/131 → Yaw 角速度积分（dt=0.02s，回绕 ±π）→ 一阶低通 α=0.70（带回绕误差修正）→ ICM_Yaw_Cdeg（0.01°），经 USART3 (921600) 发给 X5 做转向闭环，然后改了转向的限制角度，具体还是在贰贰玖的思路里。另外车的左右拐转弯是不对称的，具体的值贰贰玖已经讲得很详细了。串口的波特率提高到了 921600，频率也提高到了 50Hz。其实感觉每辆车都是不一样的，具体要根据实际过程再做修改。

舵机复位：我们还加了每次上电先跑一个舵机复位动作，保证机械零位一致，不然每次装车角度都不一样。还有回正的增益，原因是我们发现车左拐后，下次直线就偏左，右拐就偏右，舵机一直无法回正到真正的中点，就加了增益，这都是为了提高坐标的精度。

三、二维码思路

深度相机是拉开时间的关键，因为足够清晰，可以很早地扫到码。

1. 扫码节点按需开关

• 扫码节点绝不一直开，特别耗 CPU。我们用/qrcode_enable开关 + 里程计门控：任务一阶段且全局 x 坐标过中线后才允许扫，扫到一次立刻停（stop_after_first）。
• ROI 裁剪：把图像下半部分（地面）裁掉，只留上半部分，再放大、增强对比度，改了亮度，加了锐化，再丢给解码库，成功率明显提升，具体的参数还是要看图现调的。

由于我们架高了深度相机，目的是怕二维码前放锥桶影响我们半场扫码。如果有这个情况，车前的单目是看不到二维码的。除去这个情况，还有一个思路：单目识别到二维码后做好同步，因为深度最高是 15 帧，再做一个变换，这样单目很早看到的二维码交给深度来解码会有更好的准确度。如果用深度来推理也是可以的，主要是怕帧率不够影响到避障，还有就是怕资源不够，我们没有试，你们可以试一试。

2. 两种解码方案对比

我们写了两个节点做同图对比：ZBar、微信开源二维码库。

• ZBar：最轻量，CPU 占用最低，但对模糊、小二维码容易翻车。
• 微信开源库：带超分辨率模型（use_super_resolution），对模糊二维码是降维打击，就是吃 CPU 多一点。

四、全程惯导的思路

1. 位姿来源

9 轴 IMU 提供 yaw，底盘速度（robotvel）积分提供位置，50Hz 融合：

• yaw 只用 IMU，不用电机里程计的姿态（漂移大）；
• 位置用实际车体速度积分，加一个wheel_vx_scale比例系数（我们标定到 1.053）修正轮径误差。

由于是用电机里程计，速度确定好了是不能改的。如果追求足够准确的话，确定好坐标，每次速度变换，坐标还是会有变动，不过也是可以解决的，但是时间不够了。

关于 IMU 数据源，官方有/imu/data_raw和/imu/data两个话题，官方很狗啊，默认是/imu/data_raw，但是/imu/data才是滤波过的。不过因为我们另外换了 9 轴，所以重新写了滤波，只是简单的滤波。具体路线（代码实现）是这样的：

9 轴 IMU（ICM20948）端的数据链路：原始 → 去零偏 (gz−bias)/131 → Yaw 角速度积分（dt=0.02s，回绕 ±π）→ 一阶低通 α=0.70（带回绕误差修正）→ ICM_Yaw_Cdeg（0.01°），经 USART3 (921600) 发给 X5 做转向闭环。

惯导融合节点（inertial_fusion_node）里又做了几层简单处理：

• 启动对齐：上电后静止约 1.5s，用 sin/cos 平均算出初始 yaw，把位姿对齐到 P 点 (0.55, 0.35)，之后 yaw = 原始 yaw + 固定 offset；
• 跳变拒绝：单帧 yaw 跳变超过 35° 判为坏帧直接丢弃，用角速度积分兜底；
• 速度滤波：/robotvel 先乘wheel_vx_scale=1.053修正轮径，再过死区（线速度 <0.015、角速度 <0.02 置零），最后做一阶低通 α=0.75，平滑速度突变；
• 50Hz 积分：x += vx·cos(yaw)·dt，y += vx·sin(yaw)·dt，y 轴再乘map_y_scale做整体校正。

如果用专门建模的卡尔曼精度可以更好，但是我们一圈下来基本上没有误差，就没有再折腾了。

2. 导航控制

坐标导航就是简单的 P 控制：距离比例给线速度、航向误差比例给角速度，弯道提前减速，到点附近才用目标航向，避免提前转向切进绿色区。顺/逆时针各一套路点，拐点都做了微调。我们的点比较少，就一个通道、四个拐角。

3. 避障

避障我就不说了，我们的思路不是很好，前面没啥问题，但是视觉在通道的拐角处是视野盲区，看不见锥桶就会撞，这个我们还没想到解决方法。