1. Overview of Intelligent Connected RTRC
The intelligent connected model car RTRC is mainly composed of transmission system, suspension system, steering system, drive system, etc., through ultrasonic radar, camera module, millimeter wave radar, lidar and other environmental perception sensors, with the help of intelligent traffic sand table, it can realize the test development and verification of various functional scenarios such as lane keeping assist system (LKS), automatic emergency braking system (AEB), pre-collision safety system (PCS), adaptive cruise system (ACC) , automatic parking system ( APS ) .
At the same time, it provides a full set of teaching resources, including textbooks, course PPT , operation videos, teaching videos, experiment guides, experiment reports, source codes and other related materials, to meet the needs of students in class, support related scientific research projects, scientific research innovations and competition projects, and provide after-sales service, free tutorials on the use of basic equipment, and regular return visits.
| Basic parameters |
|
| vehicle size |
Length*width*height≤400*200*200mm |
| vehicle quality |
3kg+ |
| Driving speed |
Maximum 30km/h |
| Overall structure |
Electronic control, mid-mounted four-wheel drive, independent suspension |
| Minimum turning diameter |
800mm |
| Battery parameters |
11.1V，5300mAh |
| charging time |
<2h |
| Physical map |
|
|
|
|
2. Hardware technical parameters
(1) Chip
The GPU computing platform supports mainstream AI frameworks and algorithms, and supports the operation of multiple neural networks to realize image classification, face recognition, voice processing, target detection, object recognition and tracking, etc. Development and verification of functional scenarios such as Lane Keeping Assist (LKS) System, Automatic Emergency Braking (AEB) System, Adaptive Cruise Control (ACC) System, Pre-Collision Safety System (PCS) and Automatic Parking System (APS) that can support intelligent driving courses.
| Basic parameters |
|
| name |
chip |
| quantity |
1 |
| unit |
set |
| Technical Parameters |
AI算力：0.5 TFLOPS(FP16)；GPU：128-core NVIDIA Maxwell GPU；CPU：Quad-Core Arm Cortex-A57 MPCoreprocessor 64bit Soc@ 1.43GHz；内存：4GB 64-bit LPDDR4 25.6GB/s；存储：16GB eMMC；摄像头接口：2个MIPI CS1-2 DPHY通道；视频编码：4K@ 30 |4x1080p @ 30|9x 720p @ 30 (H.264/H.265) ；视频解码：4K @60|2x 4K @ 30 | 8x 1080p @ 30 | 18x 720p @ 30)(H.264/H.265)；USB：4个USB 3.0、USB 2.0 Micro-B；网络：千兆以太网(RJ45)，支持USB高速网卡，支持M.2双频高速网卡；显示接口：HDMI和DP；结构尺寸：100mm x 80mm x 29mm |
| Physical map |
|
|
|
|
(2) Ultrasonic radar
Ultrasonic radar is to measure the distance by the time difference when the ultrasonic transmitter emits ultrasonic waves and receives the transmitted ultrasonic waves through the receiver. Ultrasonic short-distance detection, the higher the frequency of the probe, the higher the sensitivity, and it is waterproof and dustproof, even if there is a small amount of mud and sand, it will not be affected. It can support ultrasonic radar obstacle detection, ultrasonic radar installation, cognition, calibration, data reading, automatic emergency braking (AEB) system, adaptive cruise (ACC) system, automatic parking (APS) system and other teaching and training courses.
| Basic parameters |
|
| name |
ultrasonic sensor |
| 数量 |
2 |
| unit |
indivual |
| Technical Parameters |
Working voltage: DC5V Working current: 15mA Working frequency: 40kHz The longest range: 4m The closest range: 2cm Measuring angle: 15 degrees Input trigger signal: 10uS TTL pulse Output echo signal: output TTL level signal, proportional to range Specification size: 45*20*15mm |
| Physical map |
|
|
|
|
(3) Camera module
摄像头可传送动态录像，将物体录入数据中，采用3D激光轮廓传感器技术，对物体轮廓数据采集并转换成2D图像数据分析，经过图像面积分割处理，可获取车辆的外部数据信息和众多目标车辆的实时运动状态信息和位置信息等。摄像头模组可以支持行人识别、红绿灯识别、交通标志识别、障碍物识别、车道线识别，摄像头安装、认知、标定、数据读取，摄像头+激光雷达融合感知等教学实训课程。
| 基本参数 |
|
| 名称 |
摄像头模组 |
| 数量 |
1 |
| 单位 |
个 |
| 技术参数 |
Lens Size1/ 4 inch；像元尺寸3.Oum X 3.Oum；图像区域3888 umx 2430 um；最高有效像素1280 (H)X720(v)；输出图像格式MJPEG/ YuV2 (YuYV)1280x720MJPEG@30fpsYUY2@10fps/960X72O MJPEG230fps YUY2@15fps80OX600MJPEG@30fpsYUY2@20fps/ 640X480 MJPEG@30fps YUY2@30fps；支持的分辨率及帧率352X248 MJPEG@30fpsYUY2@30fps/ 320X240 MJPEG@30fps YUY2@30fps 176X144 MJPEG@30fps YUY2@30fps/ 160X120 MJPEG@30fps YUY2@30fps；信噪比40dB；动态范围69dB；灵敏度3.7V /lux-sec@550nm；最低照度0. 1l ux；快门类型Electronicrollingshutter / Frame exposure；接口类型：USB2.0 High Speed，USB协议，USB2.0 HS/FS，支持免驱协议。 |
| 实物图 |
|
|
|
|
（四）毫米波雷达
毫米波雷达由天线、收发模块、信号处理模块共同组成。通过振荡器发射频率随时间逐渐增加得电磁波，并根据返回波形和发出的波形得频率差计算前方目标的相对距离和相对车速等。毫米波雷达可支持毫米波雷达障碍物检测，毫米波雷达安装、认知、标定、数据读取以及自适应巡航（ACC）系统等教学实训课程。
| 基本参数 |
|
| 名称 |
毫米波雷达 |
| 数量 |
1 |
| 单位 |
个 |
| 技术参数 |
工作电压:DC 3.0V~3.6V（典型值 3.3V） 工作温度:-35~80℃ 静态电流:小于 10uA 平均功耗:50mW 输出方式:串口 UART 输出 测距范围:0.2m~12.5m 单次最大测距长度:12.3m 波特率:115200 |
| 实物图 |
|
|
|
|
（五）导航定位模块（GPS+北斗）
导航定位模块就是GNSS信号接收器,用无线蓝牙或有线方式与RTRC模型车连接，将它接收到的GNSS信号传递给主控板进行处理。GNSS导航定位模块的应用关键在于串口通信协议的制定，主要包括数据类型与信息格式，这两类信息可以通过串口与导航定位模块进行通信。导航定位模块可以支持车道保持辅助（LKA）系统、自动紧急制动（AEB）系统，预碰撞安全（PCS）系统以及自适应巡航（ACC）系统等教学实训课程。
| 基本参数 |
|
| 名称 |
GPS+北斗 |
| 数量 |
1 |
| 单位 |
个 |
| 技术参数 |
芯片特性 频率：GPSL1,GLONASSL1,BDSB1,GALILEO E1,SBAS L1, QZSS L1工作模式：GPS,GLONASS,BDS,GALHEO，SBAS和QZSS。默认GPS+BDS+SBAS+OZSS联合定位。对精度要求高的客户，建议用GPS+GLONASS+SBAS+QZSS+GALILEO 或者 GPS+BDS+SBAS+QZSS+GALILEO 联合定位模式；通道：72搜索通道。 灵敏度 跟踪：-167dBm;重捕：-160dBm;冷启动：-148dBm;热启动：-156dBm 精度 水平精度：2.0米CEP 2D RMS SBAS辅助(开阔天空处);速度精度：0.1m/s 95%(SA off);时间精度：1us。 启动时间 冷启动：26s;暖启动：25s;热启动：1s 输出数据 波特率：4500bps-921600bps，默认9600bps;输出电平：TTL电平，输出协议：NMEA-0183 协议，NMEA语句：RMC，VTG，GGA，GSA，GSV，GLL;更新频率：1Hz-10Hz，默认1Hz;FLASH：4MFLASH，可以更改配置，断电不丢失。 工作限制 高度： <50,000m;速度：<515m/s;重力加速度：<4g。 电源消耗 电压：直流3.6V-5.5V，典型：5.0V；电流：正：50mA/5.0V 物理参数 尺寸：28mm*28mm*8mm；重量：11.8克；连接器： 1.25间距6pin 座子。 环境 操作温度：-40℃~+85℃；存储温度：-40℃~+105℃。 指示灯 TX 灯：上电蓝灯闪烁，表示有数据输出 PPS 灯：未定位该灯不亮；3D定位后，开始闪烁。 |
| 实物图 |
|
|
|
|
（六）IMU传感器
IMU传感器是加速度计和陀螺仪传感器的组合，被用来检测加速度和角速度以表示运动和运动强度。IMU传感器不仅可以提供车辆位置相关信息，还可以提供车身姿态方面的信息，为汽车方向感知提供决定性参考依据。IMU传感器可以支持车道保持辅助（LKS）系统、自动紧急制动（AEB）系统，预碰撞安全（PCS）系统、自适应巡航（ACC）系统以及自动泊车（APS）系统等教学实训课程。
| 基本参数 |
|
| 名称 |
IMU传感器 |
| 数量 |
1 |
| 单位 |
个 |
| 技术参数 |
工作电压：4.7-5.5V 工作电流：5.0mA 通讯接口：USB串口 抗震范围：±8g ROS话题：IMU/MAG 轴数：9 频率输出：200Hz 串口波特率：921600 俯仰/翻滚角精度(静态)：0.7°RMS 俯仰/翻滚角精度(动态)：2.5°RMS |
| 实物图 |
|
|
|
|
（七）激光雷达
激光雷达是以发射激光束来探测目标空间位置的主动测量设备。向目标发射探测信号，然后将接收到的从目标反射回来的信号与发射信号进行比较，作适当处理后，就可获得目标的有关信息。激光雷达可支持车道保持辅助（LKS）系统、预碰撞安全（PCS）系统、自动泊车（APS）系统等教学实训课程。
| 基本参数 |
|
| 名称 |
激光雷达 |
| 数量 |
1 |
| 单位 |
个 |
| 技术参数 |
测量半径: 0.15m-12m 采样频率: 8K 扫描频率:5.5Hz 到16 角度分辨率: ≤1° 机械尺寸: 96.8x70.3x55mm 供电电压: 5V 供电电流: 100mA 功耗: 0.5W 输出 :UART串口(3.3V电平) 工作温度范围: 0℃-40℃ 扫描范围: 360° 测距分辨率: ≤实际距离的1%(测距≤12m)≤实际距离的2%(测12m~16m) 测距精度:实际距离的1%(≤3m)实际距离的2%(3-5m)实际距离的2.5%(5-12m) |
| 实物图 |
|
|
|
|
（八）舵机
舵机是在自动驾驶中操纵转动的执行部件，适用于需要角度不断变化并可以保持的控制系统。RTRC模型车舵机转向系统直接采用固定轴承加摆臂的形式转变拉杆的运动方向，最后使转向节臂左右摆动，实现转向。舵机可支持自动驾驶等多种功能场景等教学实训课程。
| 基本参数 |
|
| 名称 |
舵机 |
| 数量 |
1 |
| 单位 |
个 |
| 技术参数 |
轴承类型：滚珠轴承；角度：360°；齿轮虚位≤0.5°；使用环境条件：保存温度：-30℃～80℃；运行温度：-20℃～60℃；工作电压：4V-7.4V；电机内阻：2.5Ω； |
| 实物图 |
|
|
|
|
（九）电机
电机是依据电磁感应定律实现电能转换或传递的一种电磁装置。通过变速器、减速器等机械传动装置，将电动机输出电矩，传递到左右车轮驱动汽车行驶。通过变速器、减速器等机械传动装置，将电动机输出力矩，传递到左右车轮驱动汽车行驶。电机可支持自动驾驶等多种功能场景等教学实训课程。
| 基本参数 |
|
| 名称 |
电机 |
| 数量 |
1 |
| 单位 |
个 |
| 技术参数 |
比例：1/10th；有刷/无刷：无刷；有感/无感：有感；级数：2级； KV值：1800；支持锂电池节数：2-3S；空载电流（A）：1.3；进角：固定进角。 |
| 实物图 |
|
|
|
|
（十）电调
电调针对电机不同，可分为有刷电调和无刷电调，它根据控制信号调节电机的转速，控制电机的启、停、加速、减速、正转、反转等，控制，控制电机的启、停、加速、减速、正转、反转等，控制智能网联RTRC的运动状态。电调可支持自动驾驶等多种功能场景等教学实训课程。
| 基本参数 |
|
| 名称 |
电调 |
| 数量 |
1 |
| 单位 |
个 |
| 技术参数 |
电压：6V-60V（安全LiPo为3S到12），电压峰值不能超过60V；电流：连续电流80-100A，突发电流120A，其数值取决于温度和设备周围的空气流通；输出电流：0.5-1A；输出电压：3.3-5V；模式：DO，BLDC，FOC（正弦）；支持传感器：ABI，HALL，AS5047，TS5700N8501；通讯端口：USB，CAN，UART。 |
| 实物图 |
|
|
|
|
三、软件技术参数
智能网联RTRC，可实现车道保持辅助系统（LKS）、自动紧急制动系统（AEB）、预碰撞安全系统（PCS）、自适应巡航系统（ACC）、自动泊车系统（APS）等多种自动驾驶场景功能，代码开源，支持二次开发，同时提供配套的教学资料，包括源代码、课程PPT、教学视频、实验指导书、实验报告书等相关教学资料。
（一）课程资源（含实验指导书、实验报告、课程PPT、教学视频、开源代码）
需全面提供但不限于以下实训课程资源：
1.实验指导书&实验报告书
应包含车道保持辅助系统、预碰撞安全系统、自动紧急制动系统、自适应巡航控制系统、自动泊车系统内容，满足学生上课需求，学生课后学习，学生作业下达，让学生了解实验目的，掌握实验原理，能独立完成实验，并能够根据所学知识进行自主开发创新设计，培养学生实践能力、学科交叉能力、创新能力和自主学习能力。
2.课程PPT
应包含车道保持辅助系统、预碰撞安全系统、自动紧急制动系统、自适应巡航控制系统、自动泊车系统内容，满足教学大纲要求，满足学生上课需求，图文并茂，学生可根据PPT学习设备标定、环境感知融合、路径决策规划等智能网联专业基础知识，培养学生有信息获取与表达能力、自学能力、创新思维能力和应用知识解决问题的能力。
3.教学视频
应包含车道保持辅助系统、预碰撞安全系统、自动紧急制动系统、自适应巡航控制系统、自动泊车系统内容，满足教学大纲要求，满足学生上课需求，学生可根据基础教学视频，正确使用设备、操作注意事项、设备维护等，能熟练掌握设备的各种基本操作，并能完成一般故障的定位和排除，同时可对设备进行维护等，培养学生自学能力、创新思维能力和实践能力，为后续学习奠定坚实的基础。
4.开源代码
应包含车道保持辅助系统、预碰撞安全系统、自动紧急制动系统、自适应巡航控制系统、自动泊车系统内容，学生可根据提供的开源代码，进行二次开发，基于原理性知识给学生提供应用实践教学，把理论知识与实践相结合的教学模式自主进行实践和拓展，学习智能网联汽车相关知识的同时提高自学能力和创新能力。
（二）教学内容
1.车道保持辅助系统
车道保持实验原理是通过摄像头获取车辆和车道线的相对位置信息，实时监测车辆与车道的相对位置，实现舵机的转角的自动调节，本课程中的车道保持系统基于Matlab/Simulink进行开发。该实验中，学生首先对车道保持实验基础原理进行学习，并要求学生能利用Simulink搭建小车的LKS模块，根据要求编写中线提取程序，掌握中线理论值的设置原理、摄像头传入的帧数的设置原理以及图像处理方法。学生可以对车道保持、侧向位移偏差、横摆角偏差和动态响应等进行测试，并调试相关参数。LKS车道保持辅助系统教学内容满足自动驾驶算法、ADAS工程师、视觉算法、汽车电子工程师等相关智能网联工程师的技术要求。
2.自动紧急制动系统
自动紧急制动实验是通过超声波传感器或者毫米波雷达测量前方障碍物与小车之间的距离，当距离达到预警线时进行小车的紧急制动。该实验中，学生首先对自动紧急制动实验基础原理进行学习，并要求学生需要掌握Simulink中AEB模型的搭建方法，在此学习基础上，学生可深入学习环境感知算法，掌握主流感知策略，掌握多传感器数据融合策略，掌握自动紧急制动系统中的各模型数据分析特别是安全模型中的TTC阈值、制动减速度，车间距离等参数的分析运用。AEB自动紧急制动系统教学内容满足自动驾驶算法、ADAS工程师、视觉算法、汽车电子工程师等相关智能网联工程师的技术要求。
3.预碰撞安全系统
PCS预碰撞安全实验又名汽车防撞实验，它能够自动发现可能与汽车发生碰撞的障碍物体，同时采取制动或规避等措施，以避免碰撞的发生。该实验中，学生首先对预碰撞安全系统实验基础原理进行学习，并要求学生在实验过程中掌握PCS模型的搭建步骤，并解决两个系统结合之后采样时间不匹配、时间步长不合适造成数据缺失等问题，还需要根据避障要求选择合适的避障策略。PCS预碰撞安全系统教学内容满足自动驾驶算法、ADAS工程师、视觉算法、汽车电子工程师等相关智能网联工程师的技术要求。
4.自适应巡航系统
自适应巡航实验具备传统的定速巡航系统功能，还可以通过超声波传感设备探测判断行驶环境是否安全。该实验中，学生首先对自适应巡航实验基础原理进行学习，并要求学生学习车速转换以及控制算法的设计；本实验涉及模糊控制以及PID控制，学生在实验过程中需掌握模糊控制规则的搭建流程以及PID控制各项参数的调试方法。在此学习基础上，拓展中学生能够对自适应巡航控制策略的各个模块进行学习掌握，特别是掌握自适应系统的控制策略以及其中涉及的模糊控制算法、pid算法。ACC自适应巡航系统教学内容满足自动驾驶算法、ADAS工程师、视觉算法、汽车电子工程师等相关智能网联工程师的技术要求。
5.自动泊车系统
自动泊车实验通过光电传感器读取车速，在倒车的同时控制进行路径规划，控制舵机转角变化，从而实现自动泊车。该实验中，学生首先对自动泊车实验基础原理进行学习，需要进行双轴二自由度模型的简化，学习运用M语言进行轨迹偏差计算，除此之外，还需要掌握对车速信息进行以及车速转换的方法，并理解车速、速度增益等必要参数的调试原理。在此学习基础上，拓展中学生能够对自动泊车中涉及的各高精度传感器有一定的了解并且重点掌握模糊控制算法在自动泊车系统的运用，包括算法的具体实现，论域的选择、模糊集合的设置、隶属度函数的选取、模糊规则的制定等。APS自动泊车系统教学内容满足自动驾驶算法、ADAS工程师、视觉算法、汽车电子工程师等相关智能网联工程师的技术要求。
四、预期成效
支撑本科或高职等相关课程开设。老师可根据相关课程进行科技研究项目的开发和学生课外项目，可移植、孵化自主申报科研立项，参加“互联网+”创新创业大赛等国家级比赛，进行技术成果转化进行专利申报和论文发表。
（一）课程开设
（二）科研项目
可支撑研究生及教师科研项目，教师和研究生可基于视觉和雷达的目标检测与识别、环境感知系统多传感器融合技术、基于激光雷达的SLAM点云地图构建、滑板底盘电机控制技术、ADAS高级驾驶辅助系统为基础，对智能驾驶感知算法验证与应用（环境感知、图像处理开发、地图构建、深度学习、规划控制、复杂驱动方式电机控制、功能测试验证）。
结合行业新动态进行实验室功能拓展，基于智能网联小车RTRC进行科研类研究，可带领学生申请专利、科研立项、发表论文，不断更新相关知识如车路协同、盲点检测系统、汽车夜视系统、下坡辅助系统、车位召唤驶出、自动驾驶与车身姿态联合控制、车身姿态稳定性控制等智能驾驶辅助系统相关项目，以及基于人工智能和深度学习的交通标志标线识别、红绿灯识别、行人识别、泊车位识别、激光雷达SLAM建模等环境感知系统相关项目。
（三）科技创新
可举办智能驾驶设计技术相关的课外科技活动或者学科竞赛项目，例如将车道保持系统、自动紧急制动系统、预碰撞安全防撞系统、自适应巡航系统、自动泊车系统集合到智能网联模型小车RTRC开展智能网联车大赛，例如：ACC自适应巡航车队、APS泊车位识别、V2V无线数据交互等学生竞赛。
此外，也可带领学生基于MATLAB在摄像头与超声波传感器数据融合、摄像头与SLAM数据融合、加速度传感器与SLAM数据融合等传感器数据融合与智能驾驶功能设计上进行创新。通过搭载各种学生科技活动建设成为学生科技创新活动承载平台，以培养学生工程实践能力、学科交叉能力、创新能力和自主学习能力。
同时，也可基于学生创新创业教育的平台，在科技活动以及学科竞赛进行的同时，从中挑选出优秀的科研项目，带领学生参加国家大学生创新创业大赛，使学科竞赛平台更加完善与成熟，锻炼学生的综合能力并使其得到有效提升。
（四）竞赛
学生可基于智能网联车辆RTRC软件编程和程序调试等全方面的实践学习，从而提高参赛学生对当下热门的运动控制、无人驾驶算法、视觉识别算法的工程应用和现场调试能力，强化参赛学生对智能感知技术在实际工业应用的综合技能。
智能网联汽车校级竞赛可面向全校的开放式竞赛，以车辆工程学院、人工智能、计算机科学与通信工程学院、电气信息工程学院、机械学院等相关智能网联专业学生为主要参赛对象，加强学校的学科交叉，让不同院系的学生团结协作、相互学习、共同进步，培养多学科融合综合性人才。
智能网联汽车省部级竞赛，是随着校级竞赛逐渐成熟，以全省高等院校为参赛对象，每校推选队伍参赛，队伍可由与智能网联汽车相关的所有专业的学生自由组队，旨在加强学科交叉，让不同学校的学生团结协作、相互学习、共同进步。同时，该省部级赛事可面向多省开设，或者多省联合举办，旨在培养更多优秀综合性人才、扩大智能网联汽车影响力，为企业选拔定向输出优秀人才。
智能网联汽车国家级竞赛，采用邀请赛方式。涵盖了控制、模式识别、传感技术、电子、电气、计算机、机械等多个学科交叉的科技创意性比赛，旨在培养学生对知识的把握和创新能力，以及从事科学研究的能力。
