1:8的自动驾驶模型车，教学研发两相宜

随着自动驾驶技术的如火如荼发展，各种仿真、台架和实际道路试验手段也都应用在研发测试的各个阶段。人才培养也成为企业发展的重要基石。为了帮助高校学生在学校就可以动手进行“真实”的操练，德国MdynamiX专门推出了MXcarkit开发套装，为自动驾驶仿真和测试搭建坚实的阶梯。

对于在ADAS/AD领域的学生来说，MXcarkit是快速入门的好帮手，能迅速观测算法的结果。对于教学和研发来说，都是一个非常高效的工具。

MXcarkit的主要特点

▲载体是一辆1:8的高质量模型车，安装了真实的传感器、特制的电机控制器和一个实时计算机，这样能满足自动驾驶的相关要求。

▲基于功能强大的NVIDIA Jetson计算机，可以访问所有搭载的传感器和执行器，实现车辆动力学控制和面向机器人和人工智能AI的应用。

▲实时计算机NVIDIA Jetson上安装了ROS机器人操作系统。可以方便地对ADAS/AD应用算法进行处理和开发，同时也能借助标准接口来集成更多的传感器和执行器。

▲易于调试和上手，自带基础软件功能（如车道识别和车辆控制），可以方便地进行驾驶操控的编程、进一步的软件开发和参数优化。

▲MXcarkit还配备了WLAN模块，可以进行在线远程访问和数据评估。

▲MdynamiX还提供在线技术论坛来解答与MXcarkit相关的各种问题。

自动泊车APA的研究示例

在德国高校的自动驾驶挑战比赛中，有一个参赛组就是专注挑战自动泊车这个主题，关注车辆如何自动识别泊车空间的标记，规划泊车位置，然后再生成地图用于检测这些泊车位是被占用或空闲。

MXcarkit模型车装备与实际车辆相同的传感器技术，可以实现对泊车空间的探测。借助前置摄像头采集的图像，MXcarkit检测到泊车位标志线并把图像坐标系转换成车辆坐标系，再结合环境地图，车辆就能自动泊车。这样可以同时探测到泊车过程中的动静态障碍，并检测泊车空间是否可用。除了自行开发泊车空间检测系统外，还可以在该系统上添加基于广泛应用的ROS代码包的传感器数据融合和SLAM（即时定位和地图构建）算法。

MXcarkit的优势非常明显。预置成熟硬件和接口，自带各种传感器驱动。这样学生（工程师）可以100%关注最重要的任务，比如检测停车位，计算车辆到泊车位的位置等算法。甚至更高阶的研究，比如基于轨迹规划的完全自动泊车，基于传感器数据融合提升车辆里程估算，这些都可以基于MXcarkit展开。

MXcarkit自动驾驶套装

车辆平台：

▲高品质1:8模型车

▲电机控制：FSESC 4.20

▲ECU和传感器供电：2x 7.4V锂离子电池 (25 Ah)

ECUs：

▲NVIDIA Jetson Nano (128 CUDA-Cores, 4 GB RAM and Wifi Module)

▲1x STM32 Nucleo：用于超声波传感器、RC接收器和可选车灯的数据采集和预处理。

▲FLIPSKY FSESC4.20

传感器：

▲双目摄像头：Intel® RealSense™ Depth Camera D435i with integrated IMU

▲超声波传感器：10x (带自动环境温度补偿）

▲RPLIDAR A3

▲2x IMU 6DOF

定制的安装架：

▲NVIDIA Jetson Board

▲Lithium Polymer Powerpack

▲Steering Servo

▲Camera

▲STM32 Nucleo Board

▲Ultrasound Sensors

▲USB Hub

▲IMU

▲LIDAR

软件：

▲机器人操作系统ROS

▲基础传感器的集成

▲电机控制

▲转向控制

▲基于图像处理和人工智能AI算法的路径控制示例

附件：

▲Remote control

▲电池充电器

▲USB Hub

▲快速入门指南