基于5G 技术和语音模块的远程购物小车

陈林鑫，吴佳鸿，张鹏超，孙俊，吴德欣，胡安正，黄河

（湖北文理学院 物理与电子工程学院，湖北襄阳，441053）

0 引言

无人驾驶小车是一种前沿的交通工具，它借助先进的感知、决策和控制技术，能够自主地感知周围环境、做出正确的决策并操控车辆行驶。与传统的汽车相比，无人驾驶小车无需人类驾驶员的干预，从而大大提高了行驶的安全性和效率。本项目将无人驾驶小车与5G 模块、语音模块、GPS 模块、摄像头模块相结合，通过边缘检测、路径规划和滤波、PID 算法调节等处理方式，实现了手自一体的语音购物小车，该小车能够正确感知周围环境，确定行驶路线，并完成语音交互。

1 设计思路

该款购物小车将利用现有的5G 通信技术，实现对购物车的远程驾驶和创新应用， 设计方案如图1 所示。其控制系统以树莓派4B 为主控芯片，使用5G 通信模块进行远程通信遥控，语音模块接收麦克风传输的电信号并进行识别，同时接收主控芯片发送的文字信息进行语音合成，GPS 导航模块结合视觉模块进行路径的导航与规划，并在视觉模块上搭建神经网络模型进行避障，实现能够进行实时图传、语音交互以及自动驾驶、远程手柄控制双模式切换的智能购物小车。

图1 系统总体方案框图

2 智能货物小车电路单元设计

■2.1 主控芯片简介

树莓派是一款由英国的Raspberry Pi 基金会开发的小型计算机模块，旨在推广计算机科学教育和支持创客和嵌入式系统项目。它具有低成本、多种型号、ARM 架构处理器、GPIO 引脚、多种操作系统支持、丰富的社区资源以及多种编程语言支持。树莓派非常适合用于各种不同的项目，从教育到嵌入式系统和物联网应用，使其成为一款强大而多才多艺的嵌入式计算机。

■2.2 电调简介

电调模块是智能小车的关键组件，用于控制电动驱动系统，包括电机的速度和方向。它实现了电机的精确控制，使小车能够前进、后退、转向，从而实现遥控操作或自主导航。电调模块还负责监测电池电压，以确保电池的安全运行。这些模块还可以通过编程来进行自定义控制，适应不同的项目需求。电调模块对于智能小车的性能和功能至关重要。我们采用 IR2104 设计了一个单路驱动，控制车模的电机工作。IR2104 是国际整流器公司生产的一款高性能、高集成度的电机驱动模块。它的设计旨在为电机驱动应用提供精确的控制和高效率的功率传输，可用于控制半桥电路。图2 使用了两个 MOSFET 管（Q1 和 Q2），用于控制电机的正转和反转。电机的电源由航模电池提供。可以通过控制IN 引脚的电平信号实现对此电机驱动的控制，实现电机的正反转和停止。

图2 IR2104 电机驱动图

图3 远程遥控与图传界面

■2.3 GPS 模块简介

GPS 模块是一种用于全球定位系统（GPS）接收和数据处理的设备。GPS 是由美国政府开发的卫星导航系统，通过一组卫星提供全球范围的位置信息，包括经度、纬度、高度等。GPS 模块通常包括GPS 接收器芯片、天线、处理器和接口。接收器芯片接收来自卫星的GPS 信号，天线用于接收这些信号，处理器计算位置信息，接口用于与其他设备通信，如微控制器或计算机。我们GPS 采用正点原子的一款高性能GPS 模块ATK-MO1218，该模块采用S1216F8-BD 模组，具有体积小巧、性能优异等特点；模块可通过串口进行各项参数的配置，并可将配置保存至内存的 Flash 中，方便使用；模块兼容 3.3V 和 5V 通讯电平，方便连接各种单片机控制系统；模块自带可充电后备电池，可以在模块掉电后约半小时内持续保存星历数据，配合模块的温启动或热启动，可实现快速定位。

■2.4 工业摄像头简介

工业摄像头是专门设计用于工业应用的摄像设备。工业摄像头的特点包括耐用性、高分辨率、快速帧率、适应不同光照条件、多种连接选项、多种传感器类型、镜头可更换、支持远程监控和控制、遵循工业协议标准，广泛应用于工业自动化、机器视觉、质量控制、医疗成像、交通监控、无人机、安全监控和科学研究等领域。我们采用了适用于5G 远程驾驶无人车XT-NetRC 摄像头Ⅱ，它具有200W 的像素，采用CMOS 感光芯片，具有高分辨率；很好地满足了我们的需求。

■2.5 语音模块简介

“语言模块”通常指的是自然语言处理（NLP）领域中的模块或工具，用于处理和理解自然语言文本或语音。语言模块可以用于文本处理任务，包括分词、词干提取、实体识别和标记等。这些任务有助于将自然语言文本转化为可处理的结构化数据。语言模块也用于构建对话系统，如聊天机器人或虚拟助手。这些系统能够理解用户的自然语言输入并生成有意义的回应。语言模块通常基于深度学习和神经网络技术，如循环神经网络（RNN）、卷积神经网络（CNN）、变换器（Transformer）等。这些模型需要大量的训练数据和计算资源，以实现高质量的自然语言处理。

3 远程遥控与自动驾驶功能实现

■3.1 内网穿透技术原理

内网穿透技术被广泛用于实现内部网络节点的访问，同时在内网中建立专用网络节点，用于转发后续通信数据。此过程需要多个模块密切协同合作，以确保成功穿越内网。为了正确实现内网穿透，我们必须智能地选择多个通信网络节点之间的最佳排列方式，从而最大程度地提高穿越效率[1]。为达成这一目标，我们可以采用在线时间长短来为主线程中的多组数据节点进行加权分类，以便选择最优的排列方式。将所有接收数据的节点总数表示为集合Q，每个节点的度数可以通过加权函数来量化。我们通过以下表达式来描述数据通信节点在集合Q 中的穿透能力：

实现在树莓派上部署好frpc 内网穿透，并连接上具有公网IP 的服务器（服务端），此时树莓派作为客户端。用户连接到客户端指定的端口，服务端通过和客户端的连接将数据转发到客户端，客户端进程再将数据转发到本地服务，从而实现内网对外暴露服务的能力。用户此时可以通过连接客户端指定的端口传输数据。视频流数据可以通过tcp 协议传输回用户，用户通过控制云台舵机去寻找二维码，并扫描二维码。

■3.2 GPS 定位原理

GPS（全球定位系统）的工作原理是通过一组维持在轨道上的卫星发送信号来实现的。这些卫星每天发送精确时间和位置信息的信号。GPS 接收器接收这些信号，并利用它们来计算自己的精确位置。每颗卫星的信号包含了卫星的精确位置和发射信号的时间戳。通过接收来自多颗卫星的信号，GPS 接收器可以测量每个信号的传播时间，并使用三角测量法计算出接收器的位置。然而，由于卫星和接收机的时钟误差，因此，GPS 卫星定位 测量应至少对 4 颗卫星进行观测来进行定位计算。如图4 所示，可确定四个距离观测方程[2]。

图4 二值化与边缘检测

式中：i=1、2、3、4； C 为 GPS 信号的传播速度；(xi,y i,zi)为卫星的轨道坐标；ti为各个卫星的时钟差；ρi为各个卫星到测站点接收机天线的距离。

■3.3 摄像头边缘检测原理

在5G 小车运行过程中，通过规整路段时我们采用传统视觉处理方式，在小车运行中实时对采集到的图像进行高斯滤波，再转灰度，用大津法进行二值化拿到二值化图像。对二值化图像进行特征点算法，通过观察边线特征，拟合边线，不难发现在边界点下方必然是黑点，在边界宽度内的点必然是白点，在边界宽度外的点必然是黑点，于是我们通过黑边跳变点当做特征点去拟合边线，同时隔几行取个点，减小计算量。

■3.4 摄像头避障原理

摄像头神经网络避障原理是基于计算机视觉和深度学习技术，通过摄像头捕捉实时图像，并利用神经网络进行实时分析和处理。这种神经网络可以识别图像中的障碍物、路标和环境特征，然后根据这些信息做出决策，以避免碰撞或寻找安全路径。这包括物体检测、目标跟踪、语义分割等技术，通过不断学习和训练，使摄像头系统能够自主感知和应对复杂的避障场景。

■3.5 PID 算法原理

PID 控制是一种用于调整舵机位置或角度的方法，它利用比例、积分和微分三个控制元素，根据当前误差、误差累积和误差变化率来产生控制输出，以实现精确的控制。比例控制减小误差，积分控制消除静态误差，而微分控制稳定系统响应。在5G 小车行驶过程中需要预设一个行驶速度上限、倒车速度上限以及静止速度设定值，并将这一设定值与当前小车速度进行匹配。关于上述 PWM 波占空比的闭环控制算法，系统采取的是使用广泛、技术成熟的PID 控制算法[3]，算法流程图如图5 所示。算法的系统函数如下：

图5 算法流程图

图6 远程驾驶购物车实物模型

其中，VS为速度设定值，VP为编码器所采集到的速度当前值，KP和K1以及 三个需要设定的系数。

4 语音交互技术探究

■4.1 语音识别原理

语音的识别主要目标是使计算机可以接收、识别和理解人的语言信息，然后再把这些语音信息进行自动转换成文本信息或者生成一些命令的相关技术，进一步实现了人机交互时的输入功能[4]。其原理包括语音信号采集、前端处理、特征提取、声学模型、语言模型和文本输出。本项目使用的语音识别技术使用深度学习声学模型和语言模型，以及大规模数据训练，以实现准确的口音识别和文本生成。

■4.2 语音合成原理

语音合成技术可以基于合成语音库（通常由多个音素组成）或使用深度学习模型来生成语音。深度学习模型在语音合成中越来越流行，因为它们能够更好地模拟人类语音，提供更自然的输出。这些模型通常使用循环神经网络（RNN）或变换器（Transformer）等架构，并经过大规模的训练来提高准确性和语音质量。

5 结束语

随着科技的不断进步和消费者期望的提高，零售业面临着许多挑战和机遇。消费者希望购物更加方便、高效，并在购物过程中节省时间和精力。因此，零售商越来越关注如何提供更便捷的购物体验，以满足市场需求。在这一背景下，远程遥控和自动驾驶的购物小车应运而生。目前，本项目已经初步设计并完成了能够进行语音对话、自动扫码支付以及自动驾驶、远程手柄控制双模式切换的智能购物小车，如图7 所示。并对相关算法原理进行初步探讨，为未来的实际应用奠定了基础。然而，无人驾驶智能车领域还有大量的研究和开发工作需要展开。我们期待研究者和工程师们一起不断探索，创新，研发出各种实用的智能购物小车，以为人们的生活带来更多的便利。