【2023 · CANN训练营第一季】基于Atlas 200I DK A2的智能小车功能实现

最新推荐文章于 2025-05-09 15:14:22 发布

原创最新推荐文章于 2025-05-09 15:14:22 发布 · 539 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#华为

文章介绍了如何利用Atlas200DK开发智能小车，包括地图绘制、手动控制、自动驾驶功能（循迹、泊车、目标追踪）以及激光雷达在ROS环境下的建图和SLAM应用，其中提到了基于滤波和图优化的SLAM算法在实际场景中的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于Atlas 200I DK A2的智能小车功能实现

一、地图绘制

小车的行驶依赖于模型的训练，因此需要设计一张地图，用于小车行驶的模型训练过程和推理结果验证。开发者可以根据需要使用PhotoShop软件绘制不同的图层，使用可以使小车正常转弯和停车的尺寸，得到场景地图并打印。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-85f1ogp1-1685337888587)(../2023%E7%AC%AC%E4%B8%80%E5%AD%A3/zh-cn_image_0000001600858285.png)]

二、手动控制小车

烧录.ino代码文件到ESP32开发板中，安装相关依赖后启动运行脚本，通过键盘输入键位手动控制小车移动，如下表所示。

键位	动作
w	前进
a	左转
s	后退
d	右转
q	逆时针旋转
e	顺时针旋转
↑	加速(小车运动状态与静止状态均可以调整)
↓	减速(小车运动状态与静止状态均可以调整)
c	捕获当前摄像头的图片
space	暂时停车

三、自动驾驶

1.循迹驾驶原理和实现

在这里插入图片描述

2.自动泊车原理和实现
在这里插入图片描述

3.目标追踪原理和实现

在这里插入图片描述

四、激光雷达建图

ROS(Robot Operating System)可以作为一个通信桥梁，规整各个传感器与话题、服务，内置多种插件，可以适用到多种场景，包含了不同的SLAM（Simultaneous Location and Mapping, 同时定位和建图）功能包，gmapping, hector_slam, Cartographer等。

在这里插入图片描述

SLAM

从算法的对数据的处理方式上看，目前常用的SLAM开源算法可以分为两类：

基于滤波，比如扩展卡尔曼滤波(EKF:Extended KalmanFilter)、粒子滤波(PF:Particle Filter)等。ROS中的gmapping、hector_slam算法都是基于滤波实现的。
基于图优化，先通过传感器进行构图，然后对图进行优化。目前比较主流的是图优化的方法，Cartographer就是基于图优

化实现的。图优化相对于滤波，不用实时的进行计算，效率更高，消耗的资源更少，所以在实际场景中使用的更多。

化实现的。图优化相对于滤波，不用实时的进行计算，效率更高，消耗的资源更少，所以在实际场景中使用的更多。