该文档是 Mineta 交通研究所 Hovannes Kulhandjian 博士于 2024 年 6 月发布的关于协助行人过街智能机器人设计与实施的报告，主要围绕一款旨在提高行人过街安全的智能机器人展开，核心是利用先进技术实现对行人和车辆的实时检测及智能决策，以保障行人安全过街。
研究背景与目标：行人安全问题严峻，2020 年美国有 6516 名行人死亡、约 55000 人受伤，儿童尤其脆弱。现有研究多依赖交通灯基础设施，本项目旨在通过创新方案，在十字路口实现车辆和行人的实时检测与智能决策，打造综合安全系统。 系统概述：智能机器人由软件、机器学习神经网络和硬件子系统协同工作。交通控制系统按流程运作，检测到行人等待过街且无来车时，控制交通灯并引导行人通过，过程中持续监控，行人通过后恢复交通。车辆与行人共存时，依交通速度决定车辆通行或停止。 机器学习目标检测
YOLO 算法：选择 YOLO 算法因其在实时应用中效率高、准确性强且误报少。它将输入图像划分为网格，预测每个网格单元中物体的边界框、置信度得分和类别概率，经整合筛选得出最终检测结果。 算法实施：利用 Python 的 OpenCV2 库实现基于 YOLO 的车辆和行人检测模型，其预训练分类器便于操作，能在视频流中实时检测。 相关分析：包括生成边界框、标注和逐帧分析，以及路缘检测，通过一系列图像处理和算法应用，精确识别行人位置和过街状态。
功能设计：以机器人核心功能为导向确定设计方案，包括传感器、LED 矩阵布局和整体尺寸等。 交通灯设计：四个 LED 矩阵面板呈盒状排列，分别面向行人和车辆，其外壳设计兼顾保护和安装需求，底部结构用于固定相关部件并布线。 电脑安装设计：设计低矮托盘安装 Raspberry Pi 和 Jetson Orin，完成 3D 打印和组装后机器人达约 6 英尺 1 英寸高。
架构基础：基于 ROS2 架构，采用发布 - 订阅模型，通过节点和主题实现数据高效传播，其模块化特性便于系统扩展和开发。 控制软件集成：选用 ROS 2 Humble 作为控制软件框架，与系统控制架构契合，实现节点间通信和功能分离，控制软件利用 ROS 2 包实现导航控制和传感器集成等功能。 交通控制系统节点：关键节点如 “/AI_node” 和 “/teleop_twist_keyboard” 向 “/cmd_vel” 主题发布速度命令，“ros2_control” 节点处理命令，“AI_node” 还控制交通灯信号，各节点协同实现系统智能控制。
传感器：采用 Velodyne VLP - 16 传感器，具有实时 360° 3D 测距、低功耗、轻便等优点，适用于多种移动应用，其无可见旋转部件，性能可靠，能提供高精度扫描数据。 处理器：NVIDIA Jetson AGX Orin 开发者套件作为中央处理器，具备先进 GPU 架构和多种接口，支持主流 AI 框架，负责数据收集、机器学习训练和系统控制。 微型计算机：Raspberry Pi 5 控制交通灯 LED 面板，性能升级，支持多种显示输出和连接方式，具有良好的灵活性。 移动机器人：Pioneer 3 - AT 机器人作为基础平台，虽已过时，但经改造后成为智能机器人核心组件，其内部硬件陈旧。 电源策略：利用 P3AT 移动机器人配电板分配电力，12V 和 5V 端口分别为 3D LiDAR 和 Raspberry Pi 供电，确保系统各部件正常运行。
后台回复“250210”，可获得下载资料的方法。
本公号新创智能交通技术AI服务，可扫码进入体验（或在后台私信公号）。
