一、CPU芯片概述
AI人工智能技术与IoT物联网在实际应用中落地融合的“AIoT"是物联网发展的必然趋势，也是各大传统行业智能化升级的通道。控制器采用的CPU芯片架构所包含的功能模块及各类接口，多种优势特性将高效赋能AIoT生态链及对技术与场景匹配的需求。
二、控制器功能概述 随着市场行业的细分，生产产业链全配套的企业因部门臃肿、管理人员数量所占比重上升以及人工成本增加等原因越来越难以立足，集中优势力量拔尖主导产品行业地位，抢占市场客户变得愈发重要。 移动机器人控制器着眼于无人小车市场，解决行业大多数生产企业控制器研发能力不足的问题，帮助这类企业进行设备转型升级，赋能人工智能，更加适应未来市场竞争。 2.1、路径导航方式 控制器以“后来者居上"的态势，集合多年来市场无人小车的发展优势，可根据实际需求，配置单一或多种路径导航方式，支持的导航方式如下： ● 电磁导航、磁带导航 电磁导航是较为传统的导航方式之一，目前仍被许多系统采用，它是在AGV的行驶路径上埋设金属线，并在金属线上加载导引频率，通过对导引频率的识别来实现AGV的导航。 磁带导航技术与电磁导航相近，不同之处在于采用了在路面上贴磁带替代在地面下埋设金属线，通过磁带感应信号实现导引。 ● 光学导航 在AGV小车的行驶路径上涂漆或粘贴色带，通过对摄像机采入的色带图像信号进行简单处理而实现导引。 ● 惯性导航 惯性导航是在AGV小车上安装陀螺仪，在行驶区域的地面上安装定位块，AGV可通过对陀螺仪偏差信号的计算及地面定位块信号的采集来确定自身的位置和方向，从而实现导引。 ● 二维码导航 根据车载相机扫描地面二维码信息，根据二维码信息以及方向定位和判定该位置的属性，诸如货架站点、取货站点、充电站点、高/低速路径等，控制系统根据任务以及其他车辆在系统中的位置进行路径安排和导航。 ● 视觉识别导航 视觉导航是在AGV的行驶路径上涂刷与地面颜色反差大的油漆或粘贴颜色反差大的色带，在AGV上安装有摄图传感器将不断拍摄的图片与存储图片进行对比，偏移量信号输出给驱动控制系统，控制系统经过计算纠正AGV的行走方向，实现AGV的导航。 1） 基于OpenCV的传统视觉 用OpenCV对图像进行处理后，采用Canny算法等常用边缘提取算法对处理后的图像做边缘处理，再截取左右车道线，用霍夫变换等方式进行提取。这种识别方式往往会造成不理想的误差，且受环境因素干扰较大。 2） 基于人工智能的机器视觉 使用人工智能模型对路径进行识别，在采集足够的数据集并对数据集进行规范的标记后，采用合适的图像识别模型，对模型加以训练，就可以让机器自己学习提取特征，在各种场景图片中提取有效的识别特征，不可控因素较少，且误差值小。 2.2、通讯总线接口 为适应复杂的工作环境，控制器拥有丰富的外设接口和通讯手段支持，无线通讯手段支持短距离的WiFi、蓝牙，也可扩展中距离的LoRa以及远距的3/4/5G、NB-IoT等；硬件通讯接口包含USB口、RS485、CAN、Ethernet以太网，满足绝大多数的使用场景。 2.3、通讯协议支持 为适应当下万物互联的时代，控制器支持的通讯协议多为国际通用标准架构，包括OPCUA、MQTT、NTCIP、Ethernet/IP以及EtherCAT等，而且使用协议加密认证机制。与无人小车的对接也可使用CAN、RS485总线方式通讯，除此之外，借助二次开发平台SmartAgent IDE，用户可根据自己的实际使用情况进行定制化开发扩展。 2.4、控制（驾驶）模式 控制采用闭环PID控制算法，根据人工干预程度来划分，主要的控制模式可以分为以下三类： ● 自动控制模式 设备上电开机，在控制器上配置完成路径导航方式等参数后，控制器根据配置参数控制小车进入自动驾驶工作模式，无需人为干预就能完成路径轨迹导航等任务，控制小车开展相关的工作任务。 ● 辅助驾驶模式 尽管汽车都配置了后视镜等辅助驾驶工具，但是有驾驶经验的司机都知道，在驾驶过程中，司机对行车周围的环境认知并不是360度，而是存在很多视野盲区。在人工操作小车底盘或实体时也都存在类似的问题，借助控制器外接搭载的摄像头、陀螺仪、毫米波雷达，甚至是顶配版的多路激光雷达，能够感知周围环境，辅助驾驶员做出或修正驾驶操作。 ● 遥控模式 借助控制器强大的通讯支持功能，在短距离空间内，可以通过WiFi进行组网，使用配套的移动设备App对控制器进行配置和控制等操作，常见的比如手机App控制小车运动；针对户外或远距离空间，也可通过扩展3/4/5G或NB-IoT通讯手段，实现云端后台控制，将传统的遥控器的控制距离延伸到云端，实现随时随地控制。 图-移动设备APP遥控模式简单调试界面
2.5、视觉库支持 控制器集成了优化的基于OpenCV视觉应用库和相关其它库的支持，并提供有效实用案例： ● Opencv-based的一致性封装 ● 相机内标定 ● 多个坐标系的标定与转换 ● 工件定位算法指导 图-平台使用封装OpenCV视觉应用库界面
图-相机标定示意图
2.6、运动规划、仿真与解算 控制器支持小车行走的运动规划、仿真与解算，符合运动学的特征。更为重要的是，根据获取的工件位置和方位（例如，通过视觉识别获得），支持机器人抓举位置的路径规划、各轴回转的逆向快速解算等，对于车载机器人的实时应用有较大的工程价值和实践意义。 三、应用场景 结合控制器丰富的外设接口及AI功能，从使用场合分，主要分为以下几种应用场景： 3.1、AGV无人小车控制器 随着AI技术的广泛运用以及技术壁垒的突破，传统AGV小车已无法满足当下市场应用需求，尽管市场上也出现大批新兴AGV生产企业，但是由于技术沉淀和积累不足等原因，都存在不同程度的研发能力不足的现象，传统企业控制器技术更新换代缓慢，新兴企业控制器虽然加入了现代化智能因素，但是要融入制造企业已有的工业物联网络，还存在一定的差距，无法满足工业物联网大环境下智能产线的使用需求。 移动机器人控制器很好的解决了以上两种行业痛点，既融入了人工智能，又预留了多种接口协议，助力制造企业在工业4.0的潮流中完成弯道超车。 该款控制器的前期测试版本已在客户手中成功应用，以下是调试现场图： 图-搭载控制器的AGV与国产机械臂对接上料
图-搭载控制器的AGV运货途中
图-搭载控制器的AGV与ABB协同工作
3.2、AGV + Robot的应用 图-AGV + Robot移动工作站示意图
3.2.1场景描述 在移动小车上配置机器人有诸多好处。如场景工作范围大、适应性强、应用紧凑、降低成本等好处。当然，也带来控制功能复杂多样、能源支持要求高、设计复杂等因素。 3.2.2关键技术 应用控制器在这里启用了多个关键技术，包括： ● 多种导航模式 提供多种导航模式供“一键"切换。其中AI模式比其它传统模式，由于抗力强、鲁棒性好、环境挑剔度低、适应复杂路径等优点而竞争力；与SLAM相比较，又有明显的价格优势； ● 联网协作 控制器提供的多种协议交互模式，使得AGV可以以很低的代价接入现场网络，发送状态和接收指令； ● 视觉处理 视觉部分负责处理环境及待处理工件的识别、定位等工作。视觉库提供了相机内标定、坐标变换外标定等基础功能。视觉部分通过优化的OpenCV封装，为各种复杂功能提供支持。 ● 机器人路径规划及末端定位 支持按照特定的速度、加速度和加加速度的限制规划机器人末端从A→B的规划工作，以及逆向工程解算获得机器人各轴旋转参数，并最终直接控制机器人完成的工作，大幅度降低机器人特定工作的控制难度和提升动态响应性，有较强的现场应用工程价值。
