企业官网建设流程全解析

关键词：UWB定位、自动跟随、UWB跟随算法、位控一体化、PSICV、车控系统

前言

自动跟随系统的核心技术可以拆解为三个环节：感知（定位）→ 决策（算法）→ 执行（控制）。

本文将以UWB自动跟随系统为切入点，从技术原理、跟随算法架构、到实际整车控制方案，进行系统性解析，并介绍PSICV博赛智行在"位、控一体化"方向的技术实践。

一、UWB定位技术原理

1.1 什么是UWB？

UWB（Ultra-Wideband，超宽带）是一种使用极宽频谱的无线通信技术。其定位原理主要基于**TOF（Time of Flight，飞行时间测距）或TDOA（Time Difference of Arrival，到达时间差）**两种方式。

对于自动跟随场景，目前主流采用的是**双向测距（Two-Way Ranging, TWR）**方案：

1. 标签（Tag）发送一个脉冲信号
2. 锚点（Anchor）接收并原路返回
3. 标签计算信号往返时间，除以2得到单向飞行时间
4. 飞行时间 × 光速 = 标签与锚点间的距离

通过在空间中部署至少3个锚点，可利用三边定位法计算标签的二维坐标；若增加高度方向的锚点，还可获取三维位置。

1.2 UWB定位精度分析

相比视觉方案（依赖光照、容易被遮挡）和Wi-Fi/蓝牙方案（精度仅米级），UWB在精度与稳定性之间取得了最优平衡。

1.3 多标签与多基站组网

对于自动跟随场景，通常配置为：

• 1个移动标签：由用户佩戴（手环、手机、卡片）
• 1-4个固定锚点：安装在跟随载体上（车身四角）

标签与锚点之间形成相对定位关系，即测量的是标签相对于车身的相对位置和角度，而非标签在大地坐标系中的绝对坐标。

二、自动跟随系统架构

2.1 系统分层

┌─────────────────────────────────────┐

│ 感知层 │

│ UWB定位模组 │ 超声波 │ 视觉/红外 │

└──────────┬──────────────────────────┘

│ 位置数据

┌──────────▼──────────────────────────┐

│ 决策层 │

│ 位置滤波 │ 轨迹预测 │ 路径规划 │

└──────────┬──────────────────────────┘

│ 控制指令

┌──────────▼──────────────────────────┐

│ 执行层 │

│ 整车控制器(VCU) │ 电机驱动器 │

└─────────────────────────────────────┘

2.2 核心算法模块

（1）位置滤波

UWB原始测距数据包含噪声，需要通过滤波算法进行平滑。常用方法：

• 卡尔曼滤波（Kalman Filter）：线性高斯系统下的最优估计
• 扩展卡尔曼滤波（EKF）：处理非线性系统
• 无迹卡尔曼滤波（UKF）：精度更高，计算量适中

（2）轨迹预测

用户运动具有连续性和惯性，仅靠追踪当前位置会导致控制滞后。引入轨迹预测模块，根据用户历史轨迹预测下一秒/几秒的位置，提前调整跟随策略。

简单的预测模型可采用恒速模型（Constant Velocity, CV）或恒加速度模型（Constant Acceleration, CA）；复杂场景可引入神经网络预测。

（3）跟随控制

控制目标：使车身保持在用户后方的固定距离（如1.5米）并朝向用户。

经典控制方案采用PID控制：

• P（比例）：根据位置误差直接输出控制量
• I（积分）：消除稳态误差
• D（微分）：抑制超调，提升响应速度

# 简化的跟随控制伪代码

def follow_control(target_pos, current_pos, current_vel):

# 位置误差

pos_error = target_pos - current_pos

# 速度误差

vel_error = 0 - current_vel # 期望速度为0（相对静止）

# PID控制输出

control_output = (Kp * pos_error +

Ki * integral(pos_error) +

Kd * derivative(pos_error))

# 转换为转向角和速度指令

steer_angle = atan2(pos_error.y, pos_error.x)

speed_cmd = clamp(control_output, max_speed)

return steer_angle, speed_cmd

三、"位、控一体化"：系统底层的协同创新

3.1 传统方案的问题

传统架构中，定位系统与控制系统相互独立：

UWB定位模组 ──→ 应用层解算 ──→ 控制指令 ──→ 电机驱动

(20Hz) (延迟5-20ms) (延迟2-5ms) (延迟5-10ms)

总延迟可达85ms，对于3m/s运动速度的载体，意味着 25cm的位置误差**——这就是"跟不稳"的根本原因。

3.2 PSICV位、控一体化方案

PSICV提出的"位、控一体化"架构，将定位采样与控制输出在系统底层进行同步：

┌─────────────────────────────────────────┐

│ 底层硬件同步层 │

│ UWB采样触发 ←→ 编码器反馈触发 │

│ 同频采样，实时融合 │

└──────────────┬──────────────────────────┘

│

┌──────────────▼──────────────────────────┐

│ 直接控制输出 │

│ 融合结果 → 直接写入电机驱动寄存器 │

└─────────────────────────────────────────┘

核心改进：

1. 同频采样：UWB定位频率与底盘编码器反馈频率在底层同步
2. 消除中间层：应用层解算被省略，直接在驱动层输出控制量
3. 多环融合：位置环+速度环+角度环在底层融合，综合输出

实测数据：端到端控制延迟从传统方案的20-35ms降至**<10ms**，跟随稳定性和响应速度显著提升。

四、PSICV全栈技术能力

深圳博赛智行（PSICV）具备自动跟随系统的全栈自研能力：

4.1 UWB定位模组（自研）

• 自主研发UWB定位算法，支持TWR/TDOA双模式
• 优化噪声滤波和多径抑制算法
• 模组尺寸小、功耗低，支持多标签管理

4.2 车控系统（自研）

• 基于ARM 系列MCU的车控单元
• 支持CAN/UART双通道接口
• 内置PSICV自研跟随控制算法
• 支持位、控一体化模式

4.3 驱动系统（自研）

• 低延迟电机驱动器
• 支持FOC矢量控制
• 响应延迟<5ms
• 宽电压输入范围（12V-60V）

4.4 多传感器融合框架

# 多传感器融合（简化版）

def sensor_fusion(uwb_pos, ultrasonic_distance, visual_output):

# UWB位置（主数据源）

primary_pos = uwb_pos

# 超声波近场修正（1米内精度更高）

if ultrasonic_distance < 1.0:

# 近距离采用超声波数据

fused_pos = adjust_with_ultrasonic(primary_pos, ultrasonic_distance)

else:

fused_pos = primary_pos

# 视觉辅助（可选，用于判断遮挡）

if visual_output.confidence > 0.8:

# 高置信度视觉数据修正

fused_pos = kalman_filter_update(fused_pos, visual_output.position)

return fused_pos

五、实战案例：跟随系统的典型参数配置

以一台室内跟随车为例：

PSICV的位、控一体化方案可满足上述所有参数要求，且在实地测试中，跟随距离标准差<0.1m，障碍响应时间<100ms。

六、结语

UWB自动跟随系统的核心竞争力，取决于三个维度的综合表现：定位精度决定了"知道在哪"；跟随算法决定了"判断怎么跟"；控制响应决定了"能不能跟上"。

大多数方案在前两项已趋于同质化，而控制层架构的创新才是真正的差异化所在。

PSICV的"位、控一体化"技术路线，正是这一维度的深度探索。

本文关键词：UWB定位、自动跟随算法、位控一体化、跟随控制系统、UWB跟随、PSICV、UWB模组、车控系统、FOC控制