基于ROS 的大学生智能赛车无人驾驶系统创新设计

第1 章国内外研究背景及意义

在国内，全国大学生机器人大赛（RoboMaster）自 2015 年创办以来，已成为视觉、嵌入式设计、路径规划与控制算法等

多学科交叉的综合性赛事 [1]。各高校团队多采用 STM32、ESP32、树莓派等低成本单板机，通过优化 Tiny-YOLO+TensorRT、改进卡尔曼滤波或粒子滤波等方法，实现视觉与雷达的多模态融合 [2] ；亦有研究基于激光雷达 SLAM 的室内移动机器人定位，以及针对 ESP32 的无人车视觉避障系统设计。总体来看，国内在前后端解耦的无线数据传输架构及多节点分布式协同的系统集成方面，仍缺乏一套完整、可复用的工程化解决方案。

基于上述国内外研究现状，本课题创新性地提出了一种成本可控、性能稳定且高度模块化的智能赛车无人驾驶系统设计

第2 章智能赛车无人驾驶系统设计

2.1 硬件设计

先是在 ad 软件里面进行对基础板子的布线选型，选用了三块 esp32-s3 的芯片来做核心处理板，一块进行运动控制，一块进行雷达的数据发布与接收，一块用于对摄像头的数据发布。

因为参考的是业余造物使用的是贴片式的设计，而不采用插件式的，这样可以节省空间，也节省了很大材料。而上位机使用的是 esp32-s3 自带的 WiFi转载到虚拟机上操作，又节省了一台微型电脑的支出，而且采用虚拟机可以跟笔记本挂载的高性能处理器，所以算力比一般的微型电脑要好很多。

2.2 软件设计

雷达也采用开源网站（Wiki）里面的 laser_filters 的文件，把建图和导航包安装好直接就能使用了。

摄像头的设计层面由于 yolo 可能是虚拟机原因，有几个依赖项一直装不进去，所以直接采用简单粗暴的 opencv 使用通讯转换库（cv_bridge）连接到ros 里面进行色彩空间转换的操作，采用开源的特征检测模型（find_object），进行特征检测和识别，为后期的视觉减少阻力，下面来讲一下 opencv 色彩空间转换的原理

彩色图像：RGB（红，绿，蓝）；

HSV 图像：H（色调）S（饱和度）V（亮度）；

色调（H ：hue）：用角度度量，取值范围为 0^∘～360^∘ °，从红色开始按逆时针方向计算，红色为 0^∘ °，绿色为 120^∘ ， 蓝色为 240^∘ 。它们的补色是：黄色为 60^∘ ，青色为 180^∘ ， 品红为 300^∘ ；

饱和度（ B： saturation）：取值范围为 0.0～1.0 ，值越大，颜色越饱和。

亮度（V ：value）：取值范围为 0（ 黑色 ） ～255 （ 白色 ），而 opencv 的里面的应用也有所不同图像数据进入 ROS 系统后，需进行以下预处理步骤：图像缩放与去噪声处理使用高斯滤波消除干扰，提高边缘清晰度：

形态学处理（腐蚀 / 膨胀）连接破碎边缘，去除孤立噪点，处理后的图像进入下一步目标区域提取与目标识别流程。

雷达使用的是配套的乐动 ld14 二手雷达的官方资料，但由于雷达数据是从 tcp 上获取通讯，但我们使用 socat 转为串口通讯，所以利用官方功能包的功能并不多，但也是可以参照修改的主要是屏蔽一下雷达的超时关闭线程工作，避免了网络波动造成雷达断连。

做好了这些基本小车智能车的基础软件功能都能实现了。

第3 章 实用性分析

本研究所提出的基于 ROS 平台的大学生智能赛车无人驾驶系统，采用模块化设计理念，结合嵌入式通信、视觉识别与激光雷达避障技术，在实现自主路径规划和动态避障控制的同时兼顾了系统成本、部署复杂度与可维护性，具有较强的工程实用性与推广潜力。

首先，系统架构轻量灵活，适用于资源受限平台。本设计通过三块ESP32-S3 芯片完成摄像头图传、底盘控制和雷达采集三项任务，利用 Wi-Fi网络构建分布式通信框架，将高强度的图像处理任务转载至 ROS 的虚拟主机。这种前后端解耦结构不依赖高性能嵌入式平台（如英伟达微型电脑、树莓派等），降低了整体硬件成本，并提高了系统的适配范围，适合于高校竞赛、初创项目、教学示范等多种场景。

其次，具备良好的系统通用性与扩展性。系统基于虚拟机构建，所有节点通过标准话题（topic）、服务（service）和坐标树（TF）坐标变换进行通信与协同，遵循 机器人控制系统（ROS）生态的通用接口规范。视觉模块、雷达模块和运动控制模块可根据不同场景需求进行替换或升级，例如将单目视觉升级为双目立体视觉、替换为深度相机或融合 IMU 等，这种高可拓展性便于开展二次开发研究。

前端采用三块 ESP32-S3 模块分别承担摄像头图传、底盘驱动与雷达采集，通过 Wi-Fi 解耦传输至虚拟主机，主机端集成基于 OpenCV 与 PCL 的视觉与激光雷达融合算法，引入扩展卡尔曼滤波（EKF）进行融合在改进启发式搜索法（A*）与动态窗口法（DWA）相结合的混合路径规划框架中，设计兼顾航向对齐、安全距离与速度优化的多目标评价函数 ， 通过在 cmd_vel 话题下发速度指令，实现了在复杂静态与动态障碍场景下平均感知延迟 460ms 、避障成功率 >93 % 的优异性能表现。

本设计不仅填补了资源受限环境中分布式轻量化 ROS 平台的研究空白，也在高校智能赛车及微型无人驾驶平台的应用推广与教学示范方面具有重要价值。

参考文献：

[1] 张志涌， 罗海平. ROS 机器人程序设计入门. 北京： 电子工业出版社，2019.

[2] 刘春阳 ， 赵昊 . 基于 ROS 的智能小车路径规划与避障控制 . 机器人技术与应用 ， 2021（4）： 45-49.

作者简介：

梁晓宇、李松岭、季沁昀、熊华颖、金姚琪是车辆工程专业学生，本科在读，研究方向为汽车设计与制造技术。

通讯作者：张建峰，汽车专业教师，副教授，研究方向为汽车制造与控制技术。

基金项目：江苏省高等学校大学生创新创业训练计划项目（省级一般项目）： 基于 ROS 的大学生智能赛车无人驾驶系统创新设计。项目编号：202412056024Y