「开箱测评」JetAcker阿克曼ROS机器人-有驾

01 背景介绍

作为科技热门之一的无人驾驶技术，目前在新能源汽车领域的应用可谓是愈发广泛。而在见识过不同底盘的ROS小车之后，有些同学找到我想问：有没有哪款小车更适合学习无人驾驶呢？

那当然是有的，我最近发现的这款JetAcker，无论从结构、配置还是功能应用上看，都是学习无人驾驶的最好选择之一。

02 开箱展示

从打开的箱子里，我们可以看到依旧是非常齐全的配置：深度相机、激光雷达等高性能硬件，这都是无人驾驶的标配。可以说JetAcker就是一辆迷你版的新能源汽车，而它最大的特点还在底盘设计上。

这次的JetAcker底盘采用了阿克曼转向结构，和麦轮、履带在使用场景上有明显不同。阿克曼是现代汽车底盘的标准结构，可以轻便转向，是很好的自动驾驶模型，非常适合高校车辆工程、计算机等专业方向的同学学习使用。

而后轮上新增了双边摆式悬挂设计，两个受力点让小车在不平的路面行驶时，也可以四轮同时着地，受力更稳定。且能有效降低里程计的累计误差，利于用户对SLAM算法的研究。

最后小车整体的材质也是经过了精心挑选：CNC精加工做的转向结构，强度更高，整体刚性更好，而市面上大多数阿克曼结构都是塑料材质；车轮采用小型工业用实心轮胎，不用充气不会压扁，承重能力更强。

03 上手体验

在体验场景模拟前，我们可以把无人驾驶技术拆分出来，进行深入学习。比如激光雷达经典的2D建图与导航、路径规划、动态避障；深度相机的点云图像获取、RATB-VSLAM三维视觉建图与导航。

深度相机

激光雷达

这些都是无人驾驶的实现基础，也都带有对应的课程。而丰富课程给我的感觉则是整个学习过程一下变得轻松起来，很多不懂的地方都有迹可循，这种感觉真是太棒了。

基于ROS系统开发的JetAcker，可以进行计算机模拟，在虚拟环境中进行机器人的控制及算法的验证。这对于使用者来说不仅降低了对实验环境的要求，还能通过rviz可视化工具观察建图导航效果，效率大大提高！

而且JetAcker已经部署了深度学习框架PyTorch，开源图像处理库OpenCV，目标检测算法YOLOv5，高性能推理加速引擎TensorRT，非常的方便。我们根据教程进行交通标志、车道的模型训练，结合阿克曼结构的转向运动。下一步就可以在沙盘地图上实现ROS小车的无人驾驶调试！

使用过程中，无论是直行、转弯还是侧方位停车入库，JetAcker都可结合深度学习算法很好的完成。在道路情况复杂的路口，小车也会根据车道、交通标识和红绿灯，对路况进行综合决策。没想到在小小的沙盘地图上，JetAcker就可将大型汽车的无人驾驶场景完美还原，这真是太强了，令人感到不可思议！

而且我发现除自动驾驶外，人机交互也是JetAcker的一大特点。比如手势识别、骨架识别、语音交互等等。小车都会根据不同的识别结果做出让人惊喜的动作，并且执行起来丝毫不拖泥带水，非常智能！

麦克风阵列

我们还可以开放自己的脑洞，在语音交互中利用语音指令控制JetAcker，到达已建好地图的任意指定位置，就可模拟类似送餐机器人的应用场景。在被它表现惊艳到的同时，不得不感叹幻尔扎实的硬件配置和优秀的代码例程。

04 总结

整个体验下来，我们其实可以发现JetAcker非常适合想往无人驾驶技术领域探索的同学。优秀的软硬件配置，让它无论是实战演练还是模拟仿真都能轻松驾驭，大大降低了学习无人驾驶的门槛，助力大家轻松玩转AI无人驾驶项目。

「开箱测评」JetAcker阿克曼ROS机器人