基于ROS無(wú)人車(chē)配送系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

趙偉成，毛恩兵，莫仁函，葉志毅，王嘉豪

（西南民族大學(xué)電氣工程學(xué)院，四川成都 610225)

0 引言

隨著物流業(yè)務(wù)的不斷發(fā)展和市場(chǎng)需求的不斷提高，無(wú)人車(chē)配送系統(tǒng)可以極大地提高物流效率和降低成本，逐漸成為一個(gè)備受關(guān)注的領(lǐng)域，具有廣泛的應(yīng)用前景。然而，無(wú)人車(chē)配送系統(tǒng)的研發(fā)仍然面臨著許多技術(shù)挑戰(zhàn)，如何實(shí)現(xiàn)精準(zhǔn)的自主導(dǎo)航和配送功能是一個(gè)關(guān)鍵問(wèn)題。隨著機(jī)器人技術(shù)和人工智能技術(shù)的快速發(fā)展，機(jī)器人操作系統(tǒng)(Robot Operating System，ROS)提供了一系列功能強(qiáng)大的工具和算法，幫助研究人員開(kāi)展無(wú)人車(chē)自主導(dǎo)航、路徑規(guī)劃、環(huán)境感知和建圖等功能的開(kāi)發(fā)，被廣泛應(yīng)用于無(wú)人駕駛機(jī)器人的研究中。本文基于ROS 設(shè)計(jì)并實(shí)現(xiàn)了一種無(wú)人車(chē)配送系統(tǒng)，采用二維激光雷達(dá)感知環(huán)境信息，利用步定位與地圖構(gòu)建(Simultaneous Localization And Mapping,SLAM)技術(shù)進(jìn)行自主建圖，利用時(shí)間彈性帶(Time Elastic Band,TEB)算法進(jìn)行路徑規(guī)劃，實(shí)現(xiàn)無(wú)人車(chē)的運(yùn)動(dòng)控制、自主導(dǎo)航和配送功能。同時(shí)，為了實(shí)現(xiàn)與上位機(jī)的通信，本文采用C#編寫(xiě)了上位機(jī)客戶端應(yīng)用程序，并通過(guò)Socket接口實(shí)現(xiàn)上位機(jī)系統(tǒng)與無(wú)人車(chē)配送系統(tǒng)之間的通信，發(fā)布無(wú)人車(chē)啟停、目標(biāo)點(diǎn)位置指令，控制無(wú)人車(chē)自主將貨物運(yùn)動(dòng)至目標(biāo)位置。

1 無(wú)人車(chē)配送系統(tǒng)硬件設(shè)計(jì)

無(wú)人車(chē)配送系統(tǒng)實(shí)際上是一個(gè)無(wú)人駕駛的移動(dòng)機(jī)器人，從控制的角度看，其結(jié)構(gòu)框圖如圖1所示，主要包括控制系統(tǒng)、驅(qū)動(dòng)與執(zhí)行機(jī)構(gòu)和傳感器系統(tǒng)。

圖1 移動(dòng)機(jī)器人系統(tǒng)結(jié)構(gòu)

控制系統(tǒng)類似于人的大腦，主要實(shí)現(xiàn)任務(wù)及信息的處理，輸出控制命令信號(hào)，實(shí)現(xiàn)機(jī)器人的算法處理、運(yùn)動(dòng)控制、人機(jī)交互、系統(tǒng)監(jiān)督等功能。傳感器系統(tǒng)包括內(nèi)部傳感器和外部傳感器，相當(dāng)于人體的感官和神經(jīng)，主要完成信號(hào)的采集和反饋，實(shí)現(xiàn)機(jī)器人對(duì)所處環(huán)境的感知。驅(qū)動(dòng)與執(zhí)行機(jī)構(gòu)包括驅(qū)動(dòng)系統(tǒng)和執(zhí)行機(jī)構(gòu)，主要將控制系統(tǒng)下達(dá)的命令轉(zhuǎn)化成執(zhí)行機(jī)構(gòu)需要的信號(hào)，驅(qū)動(dòng)執(zhí)行機(jī)構(gòu)實(shí)現(xiàn)某種動(dòng)作。移動(dòng)機(jī)器人一般采用直流電機(jī)作為移動(dòng)的執(zhí)行機(jī)構(gòu)，機(jī)械臂使用伺服系統(tǒng)作為執(zhí)行機(jī)構(gòu)。

1.1 無(wú)人車(chē)配送系統(tǒng)硬件結(jié)構(gòu)

無(wú)人車(chē)配送系統(tǒng)主要實(shí)現(xiàn)物品的無(wú)人配送，其系統(tǒng)硬件結(jié)構(gòu)如圖2 所示，主要包括ROS 主控制器、ROS 底層控制器、伺服電機(jī)、直流電機(jī)和相關(guān)傳感器。ROS主控制器主要實(shí)現(xiàn)無(wú)人車(chē)的建圖、路徑規(guī)劃與導(dǎo)航、控制命令的接收與輸出；ROS 底層控制器實(shí)現(xiàn)無(wú)人車(chē)位姿狀態(tài)參數(shù)的采集，并根據(jù)ROS主控制器下發(fā)的控制指令驅(qū)動(dòng)直流電機(jī)或伺服電機(jī)進(jìn)行行走；傳感器主要用于感知環(huán)境信息，實(shí)現(xiàn)無(wú)人車(chē)的定位、路徑規(guī)劃與自主導(dǎo)航，包含輪式里程計(jì)、慣性測(cè)量單元IMU、位置編碼器、超聲波、激光雷達(dá)、深度相機(jī)。

圖2 系統(tǒng)硬件框架圖

1.2 無(wú)人車(chē)配送系統(tǒng)運(yùn)動(dòng)結(jié)構(gòu)設(shè)計(jì)

本文設(shè)計(jì)的無(wú)人車(chē)配送系統(tǒng)采用阿克曼運(yùn)動(dòng)型[2]來(lái)描述機(jī)器人的轉(zhuǎn)彎行為，其具有良好的機(jī)動(dòng)性能和控制精度，能夠適應(yīng)復(fù)雜的室內(nèi)環(huán)境。車(chē)體結(jié)構(gòu)由兩個(gè)驅(qū)動(dòng)輪和兩個(gè)轉(zhuǎn)向輪組成，其中驅(qū)動(dòng)輪通過(guò)電機(jī)驅(qū)動(dòng)，轉(zhuǎn)向輪通過(guò)伺服電機(jī)實(shí)現(xiàn)。阿克曼運(yùn)動(dòng)模型是指基于車(chē)輛底盤(pán)的特殊運(yùn)動(dòng)模型，用于描述車(chē)輛的轉(zhuǎn)彎行為。在阿克曼運(yùn)動(dòng)模型中，車(chē)輛前輪和后輪轉(zhuǎn)向角度不同，通過(guò)轉(zhuǎn)彎半徑和車(chē)輛的軸距、前后輪之間的距離等參數(shù)來(lái)描述車(chē)輛轉(zhuǎn)彎過(guò)程。設(shè)車(chē)輛的前輪轉(zhuǎn)向角度為δ，則車(chē)輛前進(jìn)方向與車(chē)輛前輪轉(zhuǎn)向角度之間的夾角為β，車(chē)輛轉(zhuǎn)彎半徑為r。根據(jù)車(chē)輛的運(yùn)動(dòng)學(xué)模型可得：

式中，L表示車(chē)輛軸距，W表示前后輪之間的距離。

根據(jù)關(guān)系式(1)可以計(jì)算出車(chē)輛在轉(zhuǎn)彎時(shí)的前進(jìn)方向與轉(zhuǎn)彎半徑之間的關(guān)系。通過(guò)阿克曼運(yùn)動(dòng)模型，可以設(shè)計(jì)出更加精確的路徑規(guī)劃和運(yùn)動(dòng)控制算法，以實(shí)現(xiàn)車(chē)輛的準(zhǔn)確導(dǎo)航和控制。通過(guò)考慮機(jī)器人的阿克曼運(yùn)動(dòng)模型，利用激光SLAM 進(jìn)行實(shí)時(shí)建圖和路徑規(guī)劃，產(chǎn)生精確運(yùn)動(dòng)控制指令，實(shí)現(xiàn)無(wú)人車(chē)的自主導(dǎo)航和精準(zhǔn)避障。在運(yùn)動(dòng)控制中，根據(jù)機(jī)器人的阿克曼運(yùn)動(dòng)模型，可實(shí)時(shí)計(jì)算出機(jī)器人的轉(zhuǎn)彎半徑和前進(jìn)方向，實(shí)現(xiàn)更加準(zhǔn)確地運(yùn)動(dòng)控制和轉(zhuǎn)彎。

1.3 感知裝置布局與設(shè)計(jì)

為了實(shí)現(xiàn)室內(nèi)環(huán)境的感知和建圖，無(wú)人車(chē)采用激光雷達(dá)和攝像頭[3]等傳感器進(jìn)行數(shù)據(jù)采集，系統(tǒng)各感知裝置的安裝位置如圖3所示。

圖3 感知裝置安裝布局

二維激光雷達(dá)是無(wú)人車(chē)系統(tǒng)的主要感知裝置，能夠提供高精度的環(huán)境地圖感知，為機(jī)器人的導(dǎo)航和路徑規(guī)劃提供重要支持。深度相機(jī)主要用于目標(biāo)識(shí)別和定位，輔助機(jī)器人的導(dǎo)航。超聲波傳感器用于障礙物檢測(cè)，用于路徑規(guī)劃和導(dǎo)航時(shí)的避障。IMU單元和編碼器為激光SLAM 和路徑規(guī)劃算法提供參考數(shù)據(jù)，實(shí)現(xiàn)高精度的建圖和最優(yōu)路徑規(guī)劃。當(dāng)二維激光雷達(dá)存在局限時(shí)，系統(tǒng)通過(guò)深度相機(jī)進(jìn)行路標(biāo)和環(huán)境障礙物識(shí)別，輔助無(wú)人車(chē)進(jìn)行路徑規(guī)劃和控制，形成多傳感器融合建圖策略。同時(shí)，深度相機(jī)可以檢測(cè)環(huán)境中的動(dòng)態(tài)障礙物，從而進(jìn)行避障操作，以提高系統(tǒng)的穩(wěn)定性和可靠性，適應(yīng)不同工作環(huán)境下的無(wú)人車(chē)運(yùn)行。

1.4 ROS底層控制器設(shè)計(jì)

ROS主控制器采用英偉達(dá)Jetson Nano 控制器，搭載四核Cortex-A57 處理器、128 核Maxwell GPU 以及4GB LPDDR內(nèi)存，在ROS操作系統(tǒng)上運(yùn)行激光SLAM建圖和路徑規(guī)劃算法，實(shí)時(shí)依據(jù)激光雷達(dá)、深度相機(jī)產(chǎn)生無(wú)人車(chē)行駛指令。ROS 底層控制器負(fù)責(zé)執(zhí)行ROS主控制器的控制指令，并為ROS主控制器提供輔助數(shù)據(jù)，協(xié)助實(shí)現(xiàn)無(wú)人車(chē)的自主導(dǎo)航和路徑規(guī)劃，是無(wú)人車(chē)中最為重要的部分之一。ROS 底層控制器采用STM32F103RCT6 作為控制微處理器，負(fù)責(zé)驅(qū)動(dòng)電機(jī)控制無(wú)人車(chē)的行走和轉(zhuǎn)彎[4]。STM32F103RCT6 的內(nèi)核為ARM Cortex-M3，主頻為72MHz，具有較強(qiáng)的計(jì)算能力和穩(wěn)定性，支持SWD 和JTAG 調(diào)試。STM32F103RCT6 微處理器具有51 個(gè)I/O 引腳、8 個(gè)定時(shí)器、2 個(gè)I2C 接口、5 個(gè)串口、3 個(gè)SPI 接口、1 個(gè)CAN2.0，完全滿足無(wú)人車(chē)運(yùn)動(dòng)控制所需的各種輸入輸出接口及各種傳感器數(shù)據(jù)采集的需要。

ROS 底層控制器主要驅(qū)動(dòng)直流電機(jī)實(shí)現(xiàn)小車(chē)行走，驅(qū)動(dòng)伺服電機(jī)實(shí)現(xiàn)轉(zhuǎn)彎，采集慣性測(cè)量單元IMU、位置編碼器、超聲波傳感器，實(shí)現(xiàn)對(duì)無(wú)人車(chē)位置信息的實(shí)時(shí)采集，并為無(wú)人車(chē)的建圖與自動(dòng)導(dǎo)航提供數(shù)據(jù)依據(jù)。設(shè)計(jì)的ROS 底層控制器微處理器核心電路原理圖如圖4(a)所示，編碼器和慣性測(cè)量單元IMU 接口電路原理圖如圖4(b)所，電機(jī)驅(qū)動(dòng)電路原理圖如圖4(c)所示，與ROS主控制器通信的串口轉(zhuǎn)換電路原理圖如圖4(d)所示。

圖4 ROS 底層控制器電路原理圖

ROS 底層控制器采用PID 控制算法，通過(guò)對(duì)速度、角速度、方向等參數(shù)的實(shí)時(shí)監(jiān)測(cè)和調(diào)節(jié)，實(shí)現(xiàn)了無(wú)人車(chē)的精確運(yùn)動(dòng)控制。在實(shí)際控制過(guò)程中，還考慮了阿克曼運(yùn)動(dòng)模型的特點(diǎn)，通過(guò)合理地調(diào)整控制參數(shù)和控制方式，有效提高了運(yùn)動(dòng)控制的精度和穩(wěn)定性。為了與ROS主控制器進(jìn)行通信，ROS 底層控制器配備了一個(gè)TTL串口轉(zhuǎn)USB接口電路，方便與ROS主控制器連接，實(shí)現(xiàn)與ROS 系統(tǒng)進(jìn)行數(shù)據(jù)交換和控制指令傳遞。

2 無(wú)人車(chē)配送系統(tǒng)軟件設(shè)計(jì)

無(wú)人車(chē)配送系統(tǒng)的軟件主要是實(shí)現(xiàn)無(wú)人車(chē)的SLAM建圖、路徑規(guī)劃和自主導(dǎo)航，其軟件系統(tǒng)框架如圖5所示。

圖5 系統(tǒng)軟件框圖

2.1 激光SLAM算法

激光SLAM算法是無(wú)人車(chē)配送系統(tǒng)中的重要組成部分，能夠?qū)崿F(xiàn)自主建圖和定位。本設(shè)計(jì)由于使用的是二維激光雷達(dá)，支持Gmapping 算法的數(shù)據(jù)格式，因此本文采用激光Gmapping算法進(jìn)行SLAM建圖[5]。該算法可以同時(shí)實(shí)現(xiàn)建圖和定位，并具有精度高和性能高效，占用的計(jì)算資源較少，能夠滿足實(shí)時(shí)性要求。通過(guò)Gmapping 算法可以獲取地圖信息，并利用地圖信息實(shí)現(xiàn)路徑規(guī)劃和導(dǎo)航。實(shí)現(xiàn)Gmapping 算法流程如圖6所示。

圖6 Gmapping算法流程圖

2.2 路徑規(guī)劃和控制策略

在無(wú)人車(chē)配送系統(tǒng)中，路徑規(guī)劃和控制是核心問(wèn)題。本文采用了TEB 算法進(jìn)行路徑規(guī)劃[6]，該算法可以生成平滑的軌跡，并適應(yīng)阿克曼車(chē)模的運(yùn)動(dòng)特性。TEB算法實(shí)現(xiàn)流程如圖7所示。

圖7 TEB算法實(shí)現(xiàn)流程圖

在進(jìn)行路徑規(guī)劃的同時(shí)，利用ROS 提供的Move-Base功能包實(shí)現(xiàn)路徑控制和導(dǎo)航，通過(guò)發(fā)布目標(biāo)點(diǎn)指令，無(wú)人車(chē)可以實(shí)現(xiàn)自主導(dǎo)航，運(yùn)行到目標(biāo)點(diǎn)完成配送功能。然而，由于每輛無(wú)人車(chē)的硬件配置不同，需要對(duì)路徑規(guī)劃配置文件進(jìn)行修改和優(yōu)化。鑒于考慮無(wú)人車(chē)運(yùn)動(dòng)模型和激光雷達(dá)測(cè)量存在誤差、局部地圖建立和更新頻率因素的影響，需要對(duì)路徑規(guī)劃器的四個(gè)配置文件costmap_common_params.yaml、global_costmap_params.yaml、local_costmap_params.yaml和teb_local_planner_params.yaml進(jìn)行了優(yōu)化修改，使之不受測(cè)量誤差和更新頻率的影響。在進(jìn)行優(yōu)化時(shí)，需要調(diào)整無(wú)人車(chē)的最大速度、加速度、最小曲率半徑和最大加速度等參數(shù)，以適應(yīng)無(wú)人車(chē)的阿克曼運(yùn)動(dòng)模型。同時(shí)，需要根據(jù)激光雷達(dá)的掃描范圍和測(cè)量精度，調(diào)整局部地圖的分辨率和更新頻率，以提高路徑規(guī)劃的精度和實(shí)時(shí)性。經(jīng)過(guò)參數(shù)優(yōu)化后，將路徑規(guī)劃TEB算法和控制策略在仿真環(huán)境和實(shí)驗(yàn)平臺(tái)上進(jìn)行了測(cè)試，測(cè)試結(jié)果表明，路徑規(guī)劃TEB算法和控制策略能夠在復(fù)雜環(huán)境中實(shí)現(xiàn)較為穩(wěn)定和高效的路徑規(guī)劃和運(yùn)動(dòng)控制，為無(wú)人車(chē)的自主導(dǎo)航提供了可靠的支撐。

2.3 遠(yuǎn)端操控PC客戶端設(shè)計(jì)

遠(yuǎn)端操控PC主要實(shí)現(xiàn)無(wú)人車(chē)貨物配送的初始設(shè)置、啟動(dòng)/停止控制和運(yùn)行過(guò)程的監(jiān)管。要實(shí)現(xiàn)與無(wú)人車(chē)的操控，需要與無(wú)人車(chē)的ROS 主控制器進(jìn)行通信，實(shí)現(xiàn)控制命令及參數(shù)的交互。隨著5G 技術(shù)的發(fā)展，大多場(chǎng)所均覆蓋了5G信號(hào)，本文設(shè)計(jì)的無(wú)人車(chē)通過(guò)5G信號(hào)與遠(yuǎn)端操控PC成一個(gè)局域網(wǎng)絡(luò)，通過(guò)無(wú)線網(wǎng)絡(luò)進(jìn)行連接，實(shí)現(xiàn)上位機(jī)與ROS之間的通信。為方便對(duì)無(wú)人車(chē)的操控，本文采用C#編寫(xiě)了PC客戶端，其操作界面如圖8所示。客戶端程序通過(guò)Socket[7]編程，實(shí)現(xiàn)遠(yuǎn)端操控PC 與ROS 主控制器之間的網(wǎng)絡(luò)通信，向ROS主控制器發(fā)布控制指令，實(shí)現(xiàn)機(jī)器人的遠(yuǎn)程控制和配送功能。同時(shí)，客戶端程序還可以接收無(wú)人車(chē)發(fā)送的狀態(tài)信息，實(shí)現(xiàn)對(duì)無(wú)人車(chē)狀態(tài)的實(shí)時(shí)監(jiān)測(cè)。

圖8 遠(yuǎn)端操控PC客戶端界面

遠(yuǎn)程控制和配送是通過(guò)訂閱和發(fā)布不同的話題來(lái)實(shí)現(xiàn)的。具體而言，是利用ROS 提供的導(dǎo)航功能包、視覺(jué)功能包以及Socket通信包來(lái)實(shí)現(xiàn)與遠(yuǎn)端操控PC的通信，進(jìn)而實(shí)現(xiàn)無(wú)人車(chē)的操控。首先，需要訂閱amcl_pose 話題來(lái)獲取小車(chē)在當(dāng)前地圖中的位姿，從而確定小車(chē)的當(dāng)前狀態(tài)；然后，通過(guò)上位機(jī)發(fā)布初始坐標(biāo)（啟動(dòng)位置）、裝貨點(diǎn)坐標(biāo)（貨物位置）和卸貨點(diǎn)坐標(biāo)（目的地位置）等信息給MoveBase 功能包；最后，ROS主控制器根據(jù)接收到的位置點(diǎn)信息進(jìn)行建圖、定位，以實(shí)現(xiàn)無(wú)人車(chē)的自主導(dǎo)航和配送功能。

2.4 深度相機(jī)輔助導(dǎo)航策略

當(dāng)二維激光雷達(dá)受到限制時(shí)，如遇到復(fù)雜的障礙物或無(wú)法準(zhǔn)確檢測(cè)到墻角等細(xì)節(jié)時(shí)，可以通過(guò)深度相機(jī)進(jìn)行輔助導(dǎo)航。本文設(shè)計(jì)的無(wú)人車(chē)安裝了深度相機(jī)，可通過(guò)OpenCV庫(kù)進(jìn)行圖像處理，獲取環(huán)境輔助信息，與激光雷達(dá)信息進(jìn)行融合，輔助無(wú)人車(chē)的自主導(dǎo)航。首先在運(yùn)行環(huán)境路徑中預(yù)定義一些路標(biāo)，例如不同形狀和顏色的標(biāo)志，如圖9所示。通過(guò)預(yù)處理讓深度相機(jī)可以識(shí)別出這些標(biāo)志并提取其特征。然后通過(guò)模板匹配技術(shù)來(lái)檢測(cè)這些標(biāo)志，從而確定無(wú)人車(chē)的位置和姿態(tài)。

圖9 路徑上的導(dǎo)航路標(biāo)示意圖

在實(shí)際使用中，首先使用激光雷達(dá)進(jìn)行建圖和路徑規(guī)劃，當(dāng)無(wú)人車(chē)遇到障礙物或無(wú)法準(zhǔn)確檢測(cè)到細(xì)節(jié)時(shí)，再通過(guò)深度相機(jī)獲取周?chē)h(huán)境信息，并將其與已有的地圖信息結(jié)合起來(lái)進(jìn)行決策，調(diào)整無(wú)人車(chē)的行駛方向。采用深度相機(jī)輔助導(dǎo)航策略能夠提高系統(tǒng)的魯棒性，使其能夠適應(yīng)更復(fù)雜的環(huán)境。但使用中需要注意的是，深度相機(jī)的安裝位置和視野有限，不能完全依賴深度相機(jī)進(jìn)行導(dǎo)航，因此在控制算法中需要合理安排激光雷達(dá)和深度相機(jī)的融合機(jī)制。

3 實(shí)驗(yàn)驗(yàn)證及分析

為驗(yàn)證所設(shè)計(jì)的無(wú)人車(chē)配送系統(tǒng)的可行性，在實(shí)驗(yàn)室環(huán)境下進(jìn)行自主導(dǎo)航和配送實(shí)驗(yàn)驗(yàn)證。本文利用英偉達(dá)Jetson Nano控制器、自行設(shè)計(jì)的ROS底層控制器、二維激光雷達(dá)、深度相機(jī)、慣性測(cè)量單元IMU、位置編碼器、超聲波傳感器、直流電機(jī)、伺服電機(jī)等硬件設(shè)備，搭建了如圖3所示的無(wú)人車(chē)，并采用ROS作為主要的軟件開(kāi)發(fā)平臺(tái)設(shè)計(jì)了軟件系統(tǒng)。測(cè)試時(shí)通過(guò)遠(yuǎn)端操控PC客戶端向無(wú)人車(chē)發(fā)送目標(biāo)點(diǎn)指令，無(wú)人車(chē)根據(jù)接收到的指令進(jìn)行路徑規(guī)劃和導(dǎo)航，并實(shí)時(shí)將無(wú)人車(chē)的當(dāng)前狀態(tài)反饋回遠(yuǎn)端操控PC客戶端，包括位置、姿態(tài)、實(shí)時(shí)獲取的激光雷達(dá)和深度相機(jī)數(shù)據(jù)等信息。

針對(duì)搭建的包括直線行駛、曲線行駛、障礙物避障等多個(gè)實(shí)驗(yàn)場(chǎng)景，來(lái)驗(yàn)證機(jī)器人系統(tǒng)的建圖、路徑規(guī)劃和自主導(dǎo)航功能，測(cè)試結(jié)果如圖10所示。

圖10 無(wú)人車(chē)自主導(dǎo)航過(guò)程的路徑規(guī)劃圖

在實(shí)驗(yàn)過(guò)程中，筆者對(duì)機(jī)器人的路徑規(guī)劃和運(yùn)動(dòng)控制進(jìn)行了詳細(xì)的分析和優(yōu)化，并進(jìn)行了參數(shù)調(diào)整和實(shí)時(shí)監(jiān)測(cè)。經(jīng)過(guò)多次實(shí)驗(yàn)驗(yàn)證了所設(shè)計(jì)的無(wú)人車(chē)配送系統(tǒng)的可行性和適用性，控制系統(tǒng)能夠在復(fù)雜環(huán)境中實(shí)現(xiàn)較為穩(wěn)定和高效的路徑規(guī)劃和運(yùn)動(dòng)控制。在直線行駛和曲線行駛實(shí)驗(yàn)中，無(wú)人車(chē)能夠準(zhǔn)確跟蹤預(yù)設(shè)的軌跡，實(shí)現(xiàn)較為平穩(wěn)的運(yùn)動(dòng)控制。在障礙物避難實(shí)驗(yàn)中，無(wú)人車(chē)能夠?qū)崟r(shí)檢測(cè)障礙物并進(jìn)行避讓，保證了系統(tǒng)的安全性和可靠性。