自动驾驶沙盘系统-度量科技 | NOKOV度量动作捕捉

随着各种感知技术与计算机计算能力的提升，高智能的辅助驾驶系统与无人驾驶系统正在渐渐变成一种现实。

自动驾驶沙盘系统

智能驾驶的关键技术可概述为感知、规划与控制三部分，其中利用传感器实现车辆感知是智能驾驶的基础。车辆配备的传感器主要可以分为三类：定位传感器、自感应传感器和环境传感器。定位传感器可以获得车辆在全球和本地的绝对定位，通常是利用GPS或GPS融合其他传感器数据进行定位；自感应传感器利用里程表、IMU等获取车辆速度、加速度和转向角等当前状态；环境传感器使用超声波、激光、视觉等外部感知传感器感知道路标记、障碍物位置、交通标志和其他车辆距离、运动速度等信息。不同传感器融合后进行决策，进而控制车辆执行自动驾驶行为。

场地上方部署光学动作捕捉镜头

考虑到部分智能驾驶功能不成熟存在一定危险性，且实际车辆实验要求场地空间大，长春一汽大众为满足智能驾驶系统演示需求，开发了城市智慧交通模型行驶系统沙盘。模型车辆搭载实车使用的各类传感器，模拟在实际交通场景中车辆自动启停、信号灯自动识别、自动人员检测、障碍物识别、自动变道超车等智能驾驶行为。其中，由于在室内环境下，无法使用GPS提供车辆定位信息，该智能驾驶沙盘系统采用NOKOV（度量）光学三维动作捕捉系统为模型车辆提供实时位置信息。

NOKOV（度量）光学三维动作捕捉系统可实时获取模型车上反光标志点点的三维坐标，并据此确定模型车刚体的位置、速度和加速度信息。工程师将动作捕捉数据作为定位数据与其他传感器数据融合，实现沙盘中模型车智能驾驶演示。

长春一汽的城市智慧交通系统共使用了五台模型车联合演示，动作捕捉系统通过识别模型车各自的反光标志点排布以区分各车辆，可同时支持30台以上的模型车（刚体）同步采集。

AAV 集群如何在复杂环境中自适应围捕多个目标？

国防科技大学 IEEE RA-L 论文案例：DB-PGM 让 AAV 集群无需预定义编队和显式通信，即可在障碍物环境中自适应围捕多个目标，多架无人机在目标运动、障碍物和个体故障同时存在时，仍能保持协同，并通过NOKOV度量动作捕捉系统进行位姿跟踪完成真实飞行闭环验证。

IEEE RA-L | 机载RGB实现水下目标主动跟踪，动捕支持AUV闭环验证

哈工深国际人工智能研究院胡靓教授团队在IEEE RA-L上提出 UTracker 水下目标主动跟踪框架，仅凭机载 RGB 图像生成局部航点。NOKOV度量水下动作捕捉系统实时提供 AUV 位姿，用于将局部航点转换至全局坐标，并通过 MAVROS 转化为控制指令发送至 AUV 自动驾驶仪执行，支持真实水池闭环运行与 Sim-to-Real 验证。

叠衣服过程中的手部精细操作数据采集，NOKOV度量动作捕捉系统实时追踪

通过NOKOV度量动作捕捉系统实时追踪叠衣服过程中双手的手部精细动作。操作者佩戴设置反光标记点的手套，在布置光学动作捕捉相机的场地中采集高精度手部动作数据，为精细操作、机器人操作研究及动作数据采集提供支持。

6mm可变长度仿蚯蚓连续体机器人：动捕记录末端三维坐标与书写轨迹

中国地质大学（武汉）人工智能与自动化学院孟庆鑫教授团队提出一种直径为6 mm、具有柔顺驱动力的三节段可变长度仿蚯蚓连续体机器人。实验平台部署NOKOV度量动作捕捉系统，反光标记点粘贴于机器人末端，用于实时输出末端高精度三维坐标数据，验证和评估机器人性能，并记录书写任务中的末端运动轨迹。