一體化ROS智能駕駛小車及實訓教學平臺解決方案
加入技術交流群
在自動駕駛技術飛速發展的當下，一套兼顧 “實戰開發” 與 “教學實訓” 的智能小車方案，成為高校、職業院校及科研機構的核心需求。
今天，康謀帶來的 ROS 智能駕駛小車整體方案，不僅具備專業級的硬件配置與軟件架構，更配套完整的實訓教學平臺及教學資源，從 “硬件落地” 到 “教學實踐”，一站式解決自動駕駛教學與開發痛點。
一、ROS 智能駕駛小車方案概述
運行速度：8km/h
尺寸：1320mm×785mm×490mm
軸距/輪距：600mm/665mm
輪胎直徑：420mm
對外供電：48V/10A，24V/15A，12V/15A
通訊方式：CAN2.0B
整車質量：125kg
制動方式：電動
越障高度：90mm（空載）/60mm（滿載）
最大負載：100kg
阿克曼底盤
多線激光雷達：R550 PLUS（16線，測量距離70-150m，頻率5-20Hz）
雙目相機：Gemini Pro（深度范圍0.25-2.5m，USB3.0接口）
毫米波雷達：大陸ARS408（探測距離0.2-250m，測速范圍-400km/h~200km/h）
RTK定位系統：華測CGI-430（多系統支持，RTK精度1cm+1ppm）
工控機：MIC-7700系列邊緣計算平臺
顯示屏：10.1寸（HDMI接口，1080P分辨率）
智能駕駛模塊化開發與教學：拆解自動駕駛核心模塊，便于學生理解與實踐；
自動駕駛感知開發與教學：支持視覺、激光雷達、毫米波雷達等單一 / 多源感知算法開發；
開源自動駕駛深度算法使用：直接調用 Autoware 框架內成熟算法，降低開發門檻；
CAN 通訊開發：實現上位機與底盤等硬件間的通訊調試，掌握車載通訊核心技術；
多傳感器融合自動駕駛算法開發與使用：支持激光雷達 - 相機、毫米波雷達 - 相機等多模態數據融合，提升感知精度。
支持多種傳感器數據（視覺、毫米波雷達、激光雷達、超聲波）讀取、存儲、回放與解析
相機標定：獲取內參標定及畸變矩陣
Radar2Camera標定：地面坐標標定與聯合標定
Lidar2Camera標定：多傳感器融合標定
教師端權限：支持添加 / 修改學生信息、批改作業、查看學生操作畫面、發布題庫任務、統計訓練數據（訓練次數、正確率、錯誤率）、管理訓練工單（發布任務、查看完成情況）；
學生端功能：接收教師批改結果、查看訓練統計數據（如答題正確率）、完成教師發布的實訓任務，形成 “學習 - 實踐 - 反饋” 閉環。
配套教材：不少于250頁，包含30個以上工作任務
教學PPT：30個以上，總頁數不少于400頁
教師手冊：30個以上，配套每個工作任務
學生工作頁：30個以上，配套每個工作任務
16個以上輔助教學視頻
總時長不少于180分鐘
包含判斷題、單選題、多選題
總數不少于260道
本方案采用BRCKplus多傳感器數據采集系統，通過集成6個視覺攝像頭與1個激光雷達傳感器，構建無人船的多模態感知平臺。該系統利用GNSS實現各傳感器間的高精度時間同步，旨在精確采集與重建海面場景數據。
本方案核心為BRCKplus多傳感器數據采集系統，集成了毫米波雷達、激光雷達和攝像頭等多種傳感器，構建了全面的環境感知數據采集體系。在此基礎上，方案采用ADTF作為上位機開發工具，實現了對多源數據的集中管理、可視化與處理。
五、總結
*博客內容為網友個人發布，僅代表博主個人觀點，如有侵權請聯系工作人員刪除。
