可视觉识别的SLAM移动机器人方案

可视觉识别的SLAM移动机器人方案,第1张

  机器人具备移动抓取、自主导航、交互控制的多功能智能仓储搬运机器人系统。整个 *** 作系统主要由软体和硬件两部分构成, *** 作系统架构分为应用层、系统层、驱动层和结构层,具体如下图所示。

 

可视觉识别的SLAM移动机器人方案,poYBAGK-fxGAPKjMAAD-wr2Nt34313.png,第2张

 

  整个系统设计分为四层结构,具体为:

  (1)结构层采用两轮差速运动底盘实现机器人的运动,通过五轴机械臂+夹爪实现抓取功能。

  (2)硬件层由两块驱动板实现,STM32F103RCT6实现SLAM系统的底层驱动功能,通过接收系统发出的空间速度信息,通过PID实现速度转PWM值实现底层控制器功能;Atmega 328P实现机械臂部分的驱动控制,通过接收系统发出的空间关节信息,转为机械臂各个关节角度值执行,机械臂驱动板部分板载一路蜂鸣器报警电路,作为硬件系统提示。

  供电部分使用XL4016E1实现5V 8A的输出,为系统主机、SLAM底盘、激光雷达进行供电,LM2596S-5.0负责机械臂系统的供电。通过树莓派开发板(4B 2GB版本)作为运算主机,实现系统运算处理。

  (3)系统层基于机器人 *** 作系统(ROS,Robot OpearTIng System)的控制系统设计,实现SLAM同步位置与运动地图建立、运动机器人的主动引导、六轴机械臂正逆运动学解算及目标识别,系统层和应用之间分别通过可达讯飞SDK实现语音识别交互控制、通过ROS和Qt联合开发PC软件交互控制、通过Python Bottle轻服务器框架实现Web交互控制。

  (4)应用层是为用户提供的交互界面设计,这里分为基于Qt开发的桌面交互软件、基于Web网页的在线交互界面、基于语音识别的交互控制。

  机器人分为SLAM底盘+六轴机械臂+语音识别控制三部分组成。机器人系统采用Raspberry Pi开发板为主控,并采用了Ubuntu Mate 20.04 *** 作系统,并安装了ROS NoeTIc自动化机器人控制系统。

  SLAM底盘部分使用STM32F103RCT6单片机为主控,通过TB6612电机驱动芯片驱动两路直流编码电机M1和M2,同时接入MPU6050六轴陀螺仪传感器实现姿态里程检测。

  考虑系统整体供电设计,底盘部分使用XL4016E作为电源管理芯片,实现8~40V转5V 8A(Max)输出,如下图所示。

 

可视觉识别的SLAM移动机器人方案,poYBAGK-fxiADD1eAAFElKhO8Yk465.png,第3张

 

  六轴机械臂部分使用Atmega 328P单片机为主控,通过六路PWM占空比输出来驱动六个伺服电机

  考虑系统整体供电设计,机械臂部分使用LM2596S-5.0作为电源管理芯片,实现8~40V转5V 3A(Max)输出,如下图所示。

 

可视觉识别的SLAM移动机器人方案,pYYBAGK-fx6ARURaAADwQpGiZsY382.png,第4张

 

  语音识别部分采用了科大讯飞六麦语言阵列,并使用了科大讯飞的SDK设计工具,完成了离线语音识别系统设计。离线语音识别成功后通过程序判定语音内容,从而转为控制信号实现语音交互控制,如下图所示。

 

可视觉识别的SLAM移动机器人方案,pYYBAGK-fySACcvYAADHhZPeRuo049.png,第5张

 

  系统整体使用12V 6000mAH锂电池供电,SLAM底盘部位使用亚克力加工设计,六轴机械臂采用不锈钢加工件。整体重量约10kg,负载1kg以内。

  软件部分使用ROS系统进行开发,通过move_base导航+MoveIt!运动学控制机械臂。本文使用Ubuntu 20.04 + NoeTIc版本,通过C++和Python混合开发。

  SLAM系统分为建图、定位和导航三部分,建图算法使用Google Cartographer 2D建图,这是Google在2016年开源的一套商业建图算法,稳定性和精度相对较高;

  定位部分是基于Cartographer的Pure LocalizaTIon纯定位算法,该算法在重定位、移动定位方面相对于AMCL(自适应蒙特卡洛算法)精度要高;导航部分是基于move_base框架,通过全局路径规划和局部路径规划设计做出路径,并配合运动学解算实现对底盘的驱动控制,如下图所示

 

可视觉识别的SLAM移动机器人方案,poYBAGK-fyqAORBqAAD6QWOYq-M651.png,第6张

 

  上图中,椭圆部分代码启动的节点(Node)程序,一个节点对应一条线程;矩形部分表示节点与节点通讯的数据(message),有话题、服务、参数、动作四种类型;带箭头的线条反应数据的流向。

  本文所有涉及ROS通讯架构的描述均使用rqt_graph节点关系图进行描述。

  机械臂系统使用MoveIt!运动学解算,通过TFLite进行目标视觉并发布目标的TF坐标位姿,通过MoveIt!运动学逆解末端位姿实现机械臂的视觉抓取功能设计。

  同时机械臂部分设计交互界面,通过设定各轴位置实现机械臂控制,如下图所示。

 

可视觉识别的SLAM移动机器人方案,poYBAGK-fzGADFPHAADJ7aK569U670.png,第7张

 

  语音识别部分使用科大讯飞六麦语音阵列,通过科大讯飞的SDK开发工具,实现离线语音识别系统设计。

  离线语音识别成功后通过程序判定语音内容,从而转为控制信号实现语音交互控制,如下图所示。

 

可视觉识别的SLAM移动机器人方案,pYYBAGK-fzeAfvHnAAB2Btrl8ek095.png,第8张

 

  交互系统部分使用HTML+CSS+JavaScript进行交互式页面设计,通过ROS WebSocket接口实现前端与机器人的交互功能。

  由于时间原因和个人能力原因,前端界面的功能较少,只有一些基本 *** 作功能。

欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/dianzi/2419932.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-08-01
下一篇 2022-08-01

发表评论

登录后才能评论

评论列表(0条)

保存