近些年,新零售模式下的货物和物流体量不断升级。本文针对外卖配送行业,以机器人和无人驾驶技术为承载体,设计了一套完整的低成本解决方案,本文核心研究和工作内容包括:(1)设计了VGG-16-FCN-8s的全卷积编解码语义分割网络用于检测当前行驶道路,平均精度达86.38%,泛化能力远远超过使用统计概率霍夫直线变换和线性回归的车道线检测算法。(2)研究了将Faster R-CNN目标检测与识别网络以VGG-16为基础架构的实现,在测试集上取得平均80.62%的准确率,并在现有车端硬件上达到了5fps的检测速度;结合Lab颜色模型用于红绿灯识别,相比传统HSV检测算法在晴天、阴雨天和夜晚均有近8%的精度提升。(3)自建了车道语义分割和障碍物目标检测数据集,合并现有的大型公开数据集进行神经网络训练,相比使用单独的数据集,在多段测试道路上均有0.8%~2%的准确率提升。(4)硬件上独立设计了车模、保温盒和解锁装置,软件上开发了Web订餐、微信公众号和短信通知、后台任务管理和关键帧图像对象存储系统。相机与二维激光雷达数据用于环境感知,超声波和左右激光测距仪用于避障感知。经过实际的校园及周边多段短距离道路验证,本文所设计的整套系统能够自主完成配送流程并原路返回起点。