无人驾驶汽车定位追踪-度量科技

随着互联网飞速发展，人工智能进一步的成熟，现代生活处处可见人工智能的身影，同时这项技术也快速地进入了汽车工业。根据现有的技术网络，汽车工业未来的发展方向必然会向智能化、网联化大步迈进，而无人驾驶汽车也必将成为未来汽车工业的主要角色。在这个大方向的引导下，国内外知名传统汽车公司及互联网巨头已经开启了激烈的无人驾驶汽车的竞赛，相继研发并推出无人驾驶实车和相关产品。无人驾驶汽车研发已经从高校，科研机构的实验室里走了出来。同时，相关政策的大力支持，试验示范区的建设都对无人驾驶汽车产生了积极的影响，使其发展速度逐渐加快。在技术的洪流中，在环境的驱动下，中国汽车技术研究中心（汽研中心）在无人驾驶研发另辟蹊径，结合城市模拟沙盘，实现无人驾驶车辆初段控制，完成无人驾驶汽车试验环境下的模拟行驶。

在整个无人车研发环境搭建初期，汽研中心的老师来到我们的Studio进行实地考察，Demo演示过后，十分肯定的说，“这就是我们想要的，绝对能很好地满足我们试验阶段的控制要求”。随后确定使用NOKOV（度量）光学三维动作捕捉系统作为汽研中心无人驾驶汽车研发试验阶段的定位追踪系统。

由于整个城市模拟沙盘面积超过130平米（动作捕捉系统通常使用面积在50平左右），且实际城市场景在沙盘中具象体现，涉及元素较多，情景复杂，NOKOV工程师来到现场，结合实际城市沙盘进行了系统的搭建和调试，现场将NOKOV动作捕捉专业镜头增加到16个，并配合桁架在城市沙盘上搭建起整个定位系统，充分覆盖整个捕捉区域并做到精准捕捉。

在整个试验过程中，NOKOV的动作捕捉定位系统通过在无人车上布置的反光标志点来获得无人车在沙盘中的具体位置，由SDK发送到无人车的服务器，再通过无线模块将位置信息传达给无人车，以此实现实时获取位置信息并回传给无人车，实时定位和纠正路线及行驶行为。在整个沙盘面积较大，情景复杂的情况下，NOKOV实现了高效、精准、低延迟的捕捉定位，保证了整个无人驾驶初级阶段试验的顺利进行。

无人驾驶汽车是一种智能化的移动交通工具，能够代替人类驾驶员实现一系列驾驶行为。它涉及到环境感知察觉、导航定位以及智能决策控制等众多学科的研究领域。NOKOV也将秉持着高要求，高目标，高质量的行动准则，为我们未来的无人驾驶汽车研发继续保驾护航。

无人车等特殊场景应用详情

人形机器人如何实现 MuJoCo 仿真训练与遥操作？NOKOV度量动作捕捉助力宇树 G1实验验证

宁波职业技术大学利用 NOKOV 度量动作捕捉系统和宇树 G1 人形机器人，开展 MuJoCo 仿真训练与真机遥操作实验。实验中，操作者穿戴带有反光标记点的动捕服，NOKOV 度量动作捕捉系统实时采集人体运动数据，并同步驱动 MuJoCo 仿真环境中的宇树 G1 模型，同时实现真实机器人动作跟随。该案例展示了动作捕捉在人形机器人遥操作、动作映射、模仿学习及算法验证中的应用价值。

上海交通大学谢威老师团队：四旋翼无人机编队“8”字协同吊运｜NOKOV度量动作捕捉系统参与控制闭环

上海交通大学电子信息与电气工程学院谢威老师团队展示了4架四旋翼无人机完成“8”字编队协同吊运实验。实验中，NOKOV度量动作捕捉系统参与无人机控制闭环，实时输出高精度位姿数据，为无人机编队控制、协同运输及飞行算法验证提供稳定的位置反馈。

IEEE RA-L | Aqua-Splat声呐—视觉水下三维重建，NOKOV提供水下机器人六自由度位姿真值

哈工大（深圳）胡靓教授团队提出Aqua-Splat声呐—视觉水下三维重建方法，提升几何重建精度与图像保真度。NOKOV度量动作捕捉系统为搭载双目相机与前视声呐的BlueROV2水下机器人提供六自由度位姿真值，用于建立每帧视觉、声呐数据与机器人位姿之间的空间对应关系。

双层LSTM光纤形状实时重建，NOKOV度量动捕提供高精度三维真值

中科院深圳先进院刘奂奂团队基于 NOKOV度量动作捕捉系统，提出面向微创手术导航的双层LSTM光纤形状重建方法。NOKOV获取光纤标记点高精度三维坐标，作为模型训练真值，并验证动态重建精度与稳定性，助力实现FBG光谱到光纤三维形状的端到端实时重建。