本发明公开了基于自适应权重与多传感器融合的双车协同避障及路径规划方法，涉及路径规划避障领域，该方法包括：建立包含障碍和地面摩擦力标记的地图；基于考虑依赖关系的遗传算法对运输任务进行排序，得到最佳运输顺序；对当前道路安全进行风险判断，计算出道路安全性评价系数；基于考虑自适应权重的路径规划算法，计算车辆的最佳路径；按照最佳运输顺序和最佳路径执行当前运输任务；确定路径上的受影响障碍物，根据后车跟随避障与自适应引导车策略进行自适应避障；计算安全间距阈值；根据车辆之间有效距离与安全间距阈值的比较结果，控制后车的速度。本发明确保任务分配和路径规划智能化，提升了双车控制系统的效率和可靠性。

本系列激光雷达具有更高精度、更小盲区、更大视野、更加小巧等特点，且实现了更复杂情况的检测与适用性，如GD-B型支持地毯、电线、台阶、悬崖等的检测，GD-C型实现的固态无需旋转的360°避障，且支持多机不互扰等优点，具有行业先进水平，且在一定范围内降低了成本，具有量好的市场经济前景。

1.痛点问题 拟人化的智能体，在人类生活中开始起到越来越重要的辅助工作、提升生产力和情感交流等作用。具体形式包括实体化的机器人和虚拟的数字人形象两种形式。 在实体化的机器人技术中，由于各行业场景范围的多样性，移动机器人的避障问题是阻碍机器人广泛应用的一大痛点。 （1）基于视觉信息和深度强化学习来解决移动机器人避障问题，会因为仿真数据与真实数据的较大差别而导致泛化性能不足，使得真实场景下的避障的成功率下降。 （2）目前避障问题中的深度强化学习往往需要针对不同复杂程度的场景重新训练或者再训练模型，难以训练出适用各种密度场景的通用模型。 （3）基于雷达的深度强化学习避障方法受限于成本、功耗和仿真的难度等，往往使用单线雷达。但单线雷达仅能对某个固定的平面进行检测，如果移动机器人具有较高的高度，只对某个平面检测无法实现完美的避障。 此外，随着虚拟形象在金融、文旅、医疗、零售等领域的推广与应用，数字虚拟形象产业应用路线逐渐清晰，但仍存在产业链相对割裂、产品与需求匹配度低、生产成本高效率低、虚拟形象交互能力弱的问题。 2.解决方案 针对现有技术存在的问题，本成果的解决方案从两方面入手。首先，在移动机器人避障方面，本成果设计了一种同时结合单线雷达与单目相机的避障方法框架，并设计了新的更有效的深度强化学习模型。其次，本成果还提供一种虚拟形象说话视频生成方法及系统，使用深度学习方法，基于训练好的深度神经网络语音模型,对预设音频文件进行预测处理,通过在说话视频生成过程中引入三维人脸信息,并结合神经网络模型生成头部姿势自然转动且具有个性化说话习惯的说话视频。上述算法可搭载于通用硬件平台，构建低成本高效的虚拟形象视频生成系统。 基于以上科研成果，本项目将致力于国民经济各主流行业的数字化转型，在人工智能、机器学习、计算机视觉技术等领域持续积累智能场景应用创新技术，结合优秀的前沿技术整合与应用开发融合能力和深厚的市场推广能力，全力打造智能巡检/服务/协作机器人和虚拟人平台等软硬件一体化解决方案。以实体机器人并搭载虚拟说话人虚体，通过实体、虚体相结合的方式打造独一无二、具有全新体验的智能巡检/服务/协作机器人，提高智能巡检/服务/协作过程中交互的效率与质量。 合作需求 寻求在清洁能源、储能、新能源等行业智能运维部门和相关企业合作，对相关技术进行推广应用，在清洁能源、储能、新能源等行业中部署巡检/服务/协作机器人以及虚拟人服务平台，打造无人值守范例，赋能智能化运维，共同推动行业进步。

无人机全称“无人驾驶飞行器”，（Unmanned Aerial Vehicle）英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。它涉及传感器技术、通信技术、信息处理技术、智能控制技术以及航空动力推进技术等，是信息时代高技术含量的产物。无人机价值在于形成空中平台，结合其他部件扩展应用，替代人类完成空中作业。随着无人机研发技术逐渐成熟，制造成本大幅降低，无人机在各个领域得到了广泛应用，除军事用途外，还包括农业植保、电力巡检、警用执法、地质勘探、环境监测、森林防火以及影视航拍等民用领域，且其适用领域还在迅速拓展。机载处理器是整个无人机系统的核心，处理各种传感器信息进行定位与识别，是智能无人机的“大脑”。飞行控制器接收机载处理器发送来的位置，速度，加速度指令，经过控制器转化成四个螺旋桨电机的转速，控制飞机平衡姿态，完成任务，是智能无人机的“小脑”。

本实用新型涉及一种可自动避障的变电站巡检机器人，包括车体平台、控制模块、循迹模块、通信 模块、故障检测模块和自动避障模块。避障时，先扫描变电站巡检机器人周边障碍物信息，再判断障碍 物类别。如果障碍物为人或动物，变电站巡检机器人向人示意离开或是驱散动物，此时不需要躲避障碍 物。否则变电站巡检机器人执行避障操作。本实用新型采用激光雷达扫描巡检机器人周边障碍物信息， 和超声波传感器和红外传感器等传感器相比，不易受温度和可见光干扰，距离和方位信息探测精度更高

渡众机器人为满足智能驾驶实训系统演示需求，开发了各种定制化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、障碍物识别等智能驾驶行为。自动驾驶实训沙盘构建主要分为智能路侧系统、微缩沙盘系统、基于V2X的自动驾驶三部分内容。车路协同自动驾驶演示沙盘为各高校提供必要的实践环境与研发平台，可完成当前智能网联技术的理论学习和工作实践。  

本发明公开了一种基于多传感器的助行机器人人机接口及其避障控制方法；人机接口包括压力采集模块、障碍物探测模块和控制器；压力采集模块用于检测操作者手部的作用力；障碍物探测模块用于探测周边障碍物；控制器用于根据压力采集模块采集的数据以及障碍物探测模块探测的数据计算助行机器人的速度，并根据助行机器人的速度控制助行机器人实现助行和避障功能。障碍物探测模块由激光传感器和高速 USB 数据线组成，可以探测周边障碍物；控制器与压力采

采用车和路智能协同以及多传感器深度融合的方法，研究实现了智能车辆环境感知、导航定位及自主控制等基础性关键技术的落地。

当前顺义区正全力建设“创新型产业集群和制造业高质量发展创新引领示范区”，打造“3+4+1”高精尖产业发展体系，将顺义建设成为全国最大的多场景智能网联汽车创新生态示范区。为本项目的实施，提供了良好的条件。 本项目主要包括对自动驾驶车辆以及道路基础设施进行信息化升级改造，搭建综合数据平台，建设满足智能网联汽车示范应用需求的车路协同系统，建设车路协同示范、智慧交通综合应用示范等多个示范场景。 车路协同部分：通过对现有道路基础设施的改造，构建交通测试环境并配套智能网联设施，实现网联车辆测试的智能化和标准化。实现智能车辆的V2X应用场景测试。形成适用于车-路/车-车/车-网/车-人四类场景的LTE-V和LTE网络以及前端系统设备与光纤链路的互联互通。 运行监管平台：以智能车辆（包含电动车辆）的车路协同和无人驾驶应用示范为重点，研发示范区运行监管平台，并基于此平台开发示范区智能汽车信息服务及管理系统，完成车路协同示范、自动驾驶示范、智慧交通综合应用示范等示范场景的建设，基于车路协同技术实现智能车辆和无人驾驶车辆在普通道路、十字交叉路口的典型应用和自动运营。