自走車系統

前情提要

製作一台自走車需要需多演算法相輔相成，大致可以分成三大部分，傳感、感知、決策。

1. 傳感：從各種感測器取得原始資料，並將之分析成有意義的資訊。
2. 感知：利用現有資訊定位車子目前的所在位置並分析周遭環境。
3. 決策：根據目前已知資訊與任務目標決定下一步的命令。

那今天來介紹傳感的部分與感測器的種類，傳感之於自走車，就像是人類的五感，我們透夠眼睛看見色彩、判斷距離，即使在全黑的狀態也能透過觸覺來前進，感測器就是自走車的五官，有許多不同的類型、各有優劣，最好的感測器就是使它們互相搭配、截長補短，這就是感測器的整合（sensor fusion），今天僅針對傳感器的種類做介紹。

各式感測器

GPS

GPS（全球定位系統Global Positioning System），透過衛星來提供準確的定位、測速和高精度的標準時間，範圍遍佈全地球、在任何天氣條件下24小時運作。GPS接收器可以協助自走車完成定位，算相對準確的定位用感測器，但更新頻率僅有10Hz、精度難以低於一公尺，且若是有進入建築物體內，將會大大影響精度。如汽車導航時常因為進入隧道，而產生導航失靈等等。

IMU

IMU（慣性測量單元Inertial measurement unit）包括一個三軸的陀螺儀及三的方向的加速度計，可以用來量測自走車在三維空間中的角速度和加速度，更新頻率可以達到200Hz以上，但是準確度會隨著時間的增加而降低。在大多情況下，自走車中的GPS和IMU會綁定在一起，作為導航傳感器使用，兩者的優點可以相互彌補對方的缺點。

Camera

相機作為自走車的「眼睛」提供「機器視覺」，被廣泛應用於物體識別及物體追蹤等任務，例如:車道、交通號誌、行人等等。但因為相機的拍攝品質有光源有關，較不適用於無充足光源的場景。
我目前只接觸過Intel RealSense Tracking Camera T265，不需要其他設備就可低功耗運行V‑SLAM，不過在我的研究中不是主角所以並沒有深入使用。
有興趣的人可以看看別人的介紹。

Radar & Sonar

雷達（Radio Detection and Ranging）和聲納（SOund Navigation And Ranging）分別是把電磁波和聲波的能量發射至空間的某一方向，處在此方向上的物理將反射此能量，接收器會紀錄發送與收回的時間，並將此時間差轉換成距離，雷達與聲納系統所產生的資料不需要過多的處理，通常可以直接被控制器採用，因此常在自走車系統中做為緊急避障用的工具。

LiDar

光達（Light Detection And Ranging）的原理和雷達相似，將近紅外光、可見光或紫外光照射物件，並透過感測器接收反射光，其接收回來的資料被轉換成點雲(point clouds)資訊。光達可以用來產生高精度地圖，並針對高精地圖完成車輛的定位以及避障需求。點雲是空間中的點集合，每個點的位置都由一組笛卡兒坐標描述（XYZ），有些可能含有色彩資訊（RGB）或物體反射面強度（Intensity）資訊。

我的研究重心將放在光達上，所以對於日後對光達的著墨會比較多，明天將會介紹一些點雲或影像處理的資料庫。