基于5G 技術和語音模塊的遠程購物小車

陳林鑫，吳佳鴻，張鵬超，孫俊，吳德欣，胡安正，黃河

（湖北文理學院 物理與電子工程學院，湖北襄陽，441053）

0 引言

無人駕駛小車是一種前沿的交通工具，它借助先進的感知、決策和控制技術，能夠自主地感知周圍環(huán)境、做出正確的決策并操控車輛行駛。與傳統(tǒng)的汽車相比，無人駕駛小車無需人類駕駛員的干預，從而大大提高了行駛的安全性和效率。本項目將無人駕駛小車與5G 模塊、語音模塊、GPS 模塊、攝像頭模塊相結(jié)合，通過邊緣檢測、路徑規(guī)劃和濾波、PID 算法調(diào)節(jié)等處理方式，實現(xiàn)了手自一體的語音購物小車，該小車能夠正確感知周圍環(huán)境，確定行駛路線，并完成語音交互。

1 設計思路

該款購物小車將利用現(xiàn)有的5G 通信技術，實現(xiàn)對購物車的遠程駕駛和創(chuàng)新應用， 設計方案如圖1 所示。其控制系統(tǒng)以樹莓派4B 為主控芯片，使用5G 通信模塊進行遠程通信遙控，語音模塊接收麥克風傳輸?shù)碾娦盘柌⑦M行識別，同時接收主控芯片發(fā)送的文字信息進行語音合成，GPS 導航模塊結(jié)合視覺模塊進行路徑的導航與規(guī)劃，并在視覺模塊上搭建神經(jīng)網(wǎng)絡模型進行避障，實現(xiàn)能夠進行實時圖傳、語音交互以及自動駕駛、遠程手柄控制雙模式切換的智能購物小車。

圖1 系統(tǒng)總體方案框圖

2 智能貨物小車電路單元設計

■2.1 主控芯片簡介

樹莓派是一款由英國的Raspberry Pi 基金會開發(fā)的小型計算機模塊，旨在推廣計算機科學教育和支持創(chuàng)客和嵌入式系統(tǒng)項目。它具有低成本、多種型號、ARM 架構(gòu)處理器、GPIO 引腳、多種操作系統(tǒng)支持、豐富的社區(qū)資源以及多種編程語言支持。樹莓派非常適合用于各種不同的項目，從教育到嵌入式系統(tǒng)和物聯(lián)網(wǎng)應用，使其成為一款強大而多才多藝的嵌入式計算機。

■2.2 電調(diào)簡介

電調(diào)模塊是智能小車的關鍵組件，用于控制電動驅(qū)動系統(tǒng)，包括電機的速度和方向。它實現(xiàn)了電機的精確控制，使小車能夠前進、后退、轉(zhuǎn)向，從而實現(xiàn)遙控操作或自主導航。電調(diào)模塊還負責監(jiān)測電池電壓，以確保電池的安全運行。這些模塊還可以通過編程來進行自定義控制，適應不同的項目需求。電調(diào)模塊對于智能小車的性能和功能至關重要。我們采用 IR2104 設計了一個單路驅(qū)動，控制車模的電機工作。IR2104 是國際整流器公司生產(chǎn)的一款高性能、高集成度的電機驅(qū)動模塊。它的設計旨在為電機驅(qū)動應用提供精確的控制和高效率的功率傳輸，可用于控制半橋電路。圖2 使用了兩個 MOSFET 管（Q1 和 Q2），用于控制電機的正轉(zhuǎn)和反轉(zhuǎn)。電機的電源由航模電池提供?？梢酝ㄟ^控制IN 引腳的電平信號實現(xiàn)對此電機驅(qū)動的控制，實現(xiàn)電機的正反轉(zhuǎn)和停止。

圖2 IR2104 電機驅(qū)動圖

圖3 遠程遙控與圖傳界面

■2.3 GPS 模塊簡介

GPS 模塊是一種用于全球定位系統(tǒng)（GPS）接收和數(shù)據(jù)處理的設備。GPS 是由美國政府開發(fā)的衛(wèi)星導航系統(tǒng)，通過一組衛(wèi)星提供全球范圍的位置信息，包括經(jīng)度、緯度、高度等。GPS 模塊通常包括GPS 接收器芯片、天線、處理器和接口。接收器芯片接收來自衛(wèi)星的GPS 信號，天線用于接收這些信號，處理器計算位置信息，接口用于與其他設備通信，如微控制器或計算機。我們GPS 采用正點原子的一款高性能GPS 模塊ATK-MO1218，該模塊采用S1216F8-BD 模組，具有體積小巧、性能優(yōu)異等特點；模塊可通過串口進行各項參數(shù)的配置，并可將配置保存至內(nèi)存的 Flash 中，方便使用；模塊兼容 3.3V 和 5V 通訊電平，方便連接各種單片機控制系統(tǒng)；模塊自帶可充電后備電池，可以在模塊掉電后約半小時內(nèi)持續(xù)保存星歷數(shù)據(jù)，配合模塊的溫啟動或熱啟動，可實現(xiàn)快速定位。

■2.4 工業(yè)攝像頭簡介

工業(yè)攝像頭是專門設計用于工業(yè)應用的攝像設備。工業(yè)攝像頭的特點包括耐用性、高分辨率、快速幀率、適應不同光照條件、多種連接選項、多種傳感器類型、鏡頭可更換、支持遠程監(jiān)控和控制、遵循工業(yè)協(xié)議標準，廣泛應用于工業(yè)自動化、機器視覺、質(zhì)量控制、醫(yī)療成像、交通監(jiān)控、無人機、安全監(jiān)控和科學研究等領域。我們采用了適用于5G 遠程駕駛無人車XT-NetRC 攝像頭Ⅱ，它具有200W 的像素，采用CMOS 感光芯片，具有高分辨率；很好地滿足了我們的需求。

■2.5 語音模塊簡介

“語言模塊”通常指的是自然語言處理（NLP）領域中的模塊或工具，用于處理和理解自然語言文本或語音。語言模塊可以用于文本處理任務，包括分詞、詞干提取、實體識別和標記等。這些任務有助于將自然語言文本轉(zhuǎn)化為可處理的結(jié)構(gòu)化數(shù)據(jù)。語言模塊也用于構(gòu)建對話系統(tǒng)，如聊天機器人或虛擬助手。這些系統(tǒng)能夠理解用戶的自然語言輸入并生成有意義的回應。語言模塊通?；谏疃葘W習和神經(jīng)網(wǎng)絡技術，如循環(huán)神經(jīng)網(wǎng)絡（RNN）、卷積神經(jīng)網(wǎng)絡（CNN）、變換器（Transformer）等。這些模型需要大量的訓練數(shù)據(jù)和計算資源，以實現(xiàn)高質(zhì)量的自然語言處理。

3 遠程遙控與自動駕駛功能實現(xiàn)

■3.1 內(nèi)網(wǎng)穿透技術原理

內(nèi)網(wǎng)穿透技術被廣泛用于實現(xiàn)內(nèi)部網(wǎng)絡節(jié)點的訪問，同時在內(nèi)網(wǎng)中建立專用網(wǎng)絡節(jié)點，用于轉(zhuǎn)發(fā)后續(xù)通信數(shù)據(jù)。此過程需要多個模塊密切協(xié)同合作，以確保成功穿越內(nèi)網(wǎng)。為了正確實現(xiàn)內(nèi)網(wǎng)穿透，我們必須智能地選擇多個通信網(wǎng)絡節(jié)點之間的最佳排列方式，從而最大程度地提高穿越效率[1]。為達成這一目標，我們可以采用在線時間長短來為主線程中的多組數(shù)據(jù)節(jié)點進行加權(quán)分類，以便選擇最優(yōu)的排列方式。將所有接收數(shù)據(jù)的節(jié)點總數(shù)表示為集合Q，每個節(jié)點的度數(shù)可以通過加權(quán)函數(shù)來量化。我們通過以下表達式來描述數(shù)據(jù)通信節(jié)點在集合Q 中的穿透能力：

實現(xiàn)在樹莓派上部署好frpc 內(nèi)網(wǎng)穿透，并連接上具有公網(wǎng)IP 的服務器（服務端），此時樹莓派作為客戶端。用戶連接到客戶端指定的端口，服務端通過和客戶端的連接將數(shù)據(jù)轉(zhuǎn)發(fā)到客戶端，客戶端進程再將數(shù)據(jù)轉(zhuǎn)發(fā)到本地服務，從而實現(xiàn)內(nèi)網(wǎng)對外暴露服務的能力。用戶此時可以通過連接客戶端指定的端口傳輸數(shù)據(jù)。視頻流數(shù)據(jù)可以通過tcp 協(xié)議傳輸回用戶，用戶通過控制云臺舵機去尋找二維碼，并掃描二維碼。

■3.2 GPS 定位原理

GPS（全球定位系統(tǒng)）的工作原理是通過一組維持在軌道上的衛(wèi)星發(fā)送信號來實現(xiàn)的。這些衛(wèi)星每天發(fā)送精確時間和位置信息的信號。GPS 接收器接收這些信號，并利用它們來計算自己的精確位置。每顆衛(wèi)星的信號包含了衛(wèi)星的精確位置和發(fā)射信號的時間戳。通過接收來自多顆衛(wèi)星的信號，GPS 接收器可以測量每個信號的傳播時間，并使用三角測量法計算出接收器的位置。然而，由于衛(wèi)星和接收機的時鐘誤差，因此，GPS 衛(wèi)星定位 測量應至少對 4 顆衛(wèi)星進行觀測來進行定位計算。如圖4 所示，可確定四個距離觀測方程[2]。

圖4 二值化與邊緣檢測

式中：i=1、2、3、4； C 為 GPS 信號的傳播速度；(xi,y i,zi)為衛(wèi)星的軌道坐標；ti為各個衛(wèi)星的時鐘差；ρi為各個衛(wèi)星到測站點接收機天線的距離。

■3.3 攝像頭邊緣檢測原理

在5G 小車運行過程中，通過規(guī)整路段時我們采用傳統(tǒng)視覺處理方式，在小車運行中實時對采集到的圖像進行高斯濾波，再轉(zhuǎn)灰度，用大津法進行二值化拿到二值化圖像。對二值化圖像進行特征點算法，通過觀察邊線特征，擬合邊線，不難發(fā)現(xiàn)在邊界點下方必然是黑點，在邊界寬度內(nèi)的點必然是白點，在邊界寬度外的點必然是黑點，于是我們通過黑邊跳變點當做特征點去擬合邊線，同時隔幾行取個點，減小計算量。

■3.4 攝像頭避障原理

攝像頭神經(jīng)網(wǎng)絡避障原理是基于計算機視覺和深度學習技術，通過攝像頭捕捉實時圖像，并利用神經(jīng)網(wǎng)絡進行實時分析和處理。這種神經(jīng)網(wǎng)絡可以識別圖像中的障礙物、路標和環(huán)境特征，然后根據(jù)這些信息做出決策，以避免碰撞或?qū)ふ野踩窂健＿@包括物體檢測、目標跟蹤、語義分割等技術，通過不斷學習和訓練，使攝像頭系統(tǒng)能夠自主感知和應對復雜的避障場景。

■3.5 PID 算法原理

PID 控制是一種用于調(diào)整舵機位置或角度的方法，它利用比例、積分和微分三個控制元素，根據(jù)當前誤差、誤差累積和誤差變化率來產(chǎn)生控制輸出，以實現(xiàn)精確的控制。比例控制減小誤差，積分控制消除靜態(tài)誤差，而微分控制穩(wěn)定系統(tǒng)響應。在5G 小車行駛過程中需要預設一個行駛速度上限、倒車速度上限以及靜止速度設定值，并將這一設定值與當前小車速度進行匹配。關于上述 PWM 波占空比的閉環(huán)控制算法，系統(tǒng)采取的是使用廣泛、技術成熟的PID 控制算法[3]，算法流程圖如圖5 所示。算法的系統(tǒng)函數(shù)如下：

圖5 算法流程圖

圖6 遠程駕駛購物車實物模型

其中，VS為速度設定值，VP為編碼器所采集到的速度當前值，KP和K1以及 三個需要設定的系數(shù)。

4 語音交互技術探究

■4.1 語音識別原理

語音的識別主要目標是使計算機可以接收、識別和理解人的語言信息，然后再把這些語音信息進行自動轉(zhuǎn)換成文本信息或者生成一些命令的相關技術，進一步實現(xiàn)了人機交互時的輸入功能[4]。其原理包括語音信號采集、前端處理、特征提取、聲學模型、語言模型和文本輸出。本項目使用的語音識別技術使用深度學習聲學模型和語言模型，以及大規(guī)模數(shù)據(jù)訓練，以實現(xiàn)準確的口音識別和文本生成。

■4.2 語音合成原理

語音合成技術可以基于合成語音庫（通常由多個音素組成）或使用深度學習模型來生成語音。深度學習模型在語音合成中越來越流行，因為它們能夠更好地模擬人類語音，提供更自然的輸出。這些模型通常使用循環(huán)神經(jīng)網(wǎng)絡（RNN）或變換器（Transformer）等架構(gòu)，并經(jīng)過大規(guī)模的訓練來提高準確性和語音質(zhì)量。

5 結(jié)束語

隨著科技的不斷進步和消費者期望的提高，零售業(yè)面臨著許多挑戰(zhàn)和機遇。消費者希望購物更加方便、高效，并在購物過程中節(jié)省時間和精力。因此，零售商越來越關注如何提供更便捷的購物體驗，以滿足市場需求。在這一背景下，遠程遙控和自動駕駛的購物小車應運而生。目前，本項目已經(jīng)初步設計并完成了能夠進行語音對話、自動掃碼支付以及自動駕駛、遠程手柄控制雙模式切換的智能購物小車，如圖7 所示。并對相關算法原理進行初步探討，為未來的實際應用奠定了基礎。然而，無人駕駛智能車領域還有大量的研究和開發(fā)工作需要展開。我們期待研究者和工程師們一起不斷探索，創(chuàng)新，研發(fā)出各種實用的智能購物小車，以為人們的生活帶來更多的便利。