項目簡介

本項目致力于探索和實現(xiàn)一種高度集成的機(jī)器人系統(tǒng)，旨在通過結(jié)合現(xiàn)代機(jī)器人操作系統(tǒng)（ROS）和先進(jìn)的硬件組件，解決特定的自動化任務(wù)和挑戰(zhàn)。一部分是基于Jetson Orin主板的LIMO PPRO SLAM雷達(dá)小車，它具備自主導(dǎo)航、地圖構(gòu)建和路徑規(guī)劃的能力；另一部分是Mycobot 280 M5機(jī)械臂，這是一個具有六自由度、工作半徑280mm的緊湊型機(jī)械臂，能夠進(jìn)行精確的物品搬運和操作。

通過將這兩部分緊密集成，我們創(chuàng)建了一個能夠執(zhí)行復(fù)雜任務(wù)的復(fù)合機(jī)器人系統(tǒng)，如自動化物品傳送、環(huán)境監(jiān)測、以及其他需要高度自主性和操作靈活性的應(yīng)用場景。

項目的開發(fā)過程中，我們深入探討了ROS的強(qiáng)大功能，包括但不限于使用move_base實現(xiàn)的自主導(dǎo)航，以及gmappping_ros進(jìn)行的實時SLAM（同時定位與地圖構(gòu)建）.還涉及到機(jī)械臂的控制和計算機(jī)視覺技術(shù)的應(yīng)用，用于物體識別和環(huán)境感知，從而提高機(jī)器人的操作智能和適應(yīng)性。

項目希望能夠為技術(shù)愛好者、教育工作者和研究人員提供一個實用的參考，激發(fā)更多的創(chuàng)新思路和應(yīng)用探索。

技術(shù)和硬件概述

myCobot 280 M5Stack。
myCobot 280 是由Elephant Robotics 開發(fā)的6自由度的協(xié)作形機(jī)械臂，設(shè)計靈活且功能強(qiáng)大，特別適合用于教育，研究等場景。

myCobot 280 M5支持多種編程和控制方式，適用于各種操作系統(tǒng)和編程語言，包括：

主控和輔控芯片：ESP32

性能：工作半徑280mm，

支持藍(lán)牙（2.4G/5G）和無線（2.4G 3D Antenna）

多種輸入和輸出端口

支持自由移動、關(guān)節(jié)運動、笛卡爾運動、軌跡錄制和無線控制

兼容操作系統(tǒng)：Windows、Linux、MAC

支持編程語言：Python、C++、C#、JavaScript

支持編程平臺和工具：RoboFlow、myblockly、Mind+、UiFlow、Arduino、mystudio

支持通信協(xié)議：串口控制協(xié)議、TCP/IP、MODBUS

這些特性使myCobot 280 M5成為一個多功能、易于使用且適用于多種應(yīng)用場景的機(jī)器人解決方案。

LIMO Pro

松靈機(jī)器人LIMO代表了移動機(jī)器人領(lǐng)域的一項創(chuàng)新，將靈活性和強(qiáng)大的功能集成于一個緊湊的平臺之中。它是專為機(jī)器人教育、功能研發(fā)及產(chǎn)品開發(fā)而設(shè)計的全球首款ROS開發(fā)平臺，能夠適應(yīng)更廣泛的場景并滿足行業(yè)應(yīng)用的需求。以下是對Limo Pro硬件和技術(shù)特性的詳細(xì)概述：

運動模態(tài)

四輪差速- 阿克曼轉(zhuǎn)向- 履帶型移動- 麥克納姆輪移動
場景適用性

適用于多種實擬教學(xué)和測試環(huán)境- 從室內(nèi)平整地面到復(fù)雜地形均能靈活應(yīng)對
處理器

NVIDIA Jetson Orin Nano
傳感器配置

EAI Tmini Pro激光雷達(dá) - 深度相機(jī)
主要功能

精確的自主定位 - SLAM建圖 - 路線規(guī)劃 - 自主避障 - 自主倒車入庫 - 紅綠燈識別
LIMO利用激光雷達(dá)和深度相機(jī)進(jìn)行環(huán)境感知，結(jié)合NVIDIA Jetson Orin Nano的強(qiáng)大計算能力，實現(xiàn)高精度的SLAM建圖和自主導(dǎo)航。LIMO不僅作為移動平臺執(zhí)行復(fù)雜的導(dǎo)航和搬運任務(wù)，其多模態(tài)移動能力也大大增強(qiáng)了機(jī)器人系統(tǒng)的適用范圍和靈活性。結(jié)合Mycobot 280 M5機(jī)械臂，LIMO為自動化應(yīng)用提供了一個高效、可靠的解決方案，無論是在機(jī)器人教育、研發(fā)還是產(chǎn)品開發(fā)領(lǐng)域，都展現(xiàn)出了巨大的潛力和價值。

軟件架構(gòu)

軟件架構(gòu)主要分為：導(dǎo)航和建圖，目標(biāo)檢測，機(jī)械臂控制，以及系統(tǒng)集成和通信。這些部分通過ROS（robot operating system）框架進(jìn)行整合，利用ROS的通信機(jī)制（話題，服務(wù)，動作）實現(xiàn)模塊間的交互。

ros的通信方式

下圖是整個項目的軟件架構(gòu)圖，我們來一起來介紹一下具體的功能。

整體主要分為三個模塊，一個是LIMO PRO的功能，二是機(jī)器視覺功能處理，三是機(jī)械臂的功能。

LIMO PRO Function
Gmapping:

Gmapping是基于濾波SLAM框架的常用開源SLAM算法。Gmapping有效利用了車輪里程計信息，對激光雷達(dá)的頻率要求不高，在構(gòu)建小場景地圖時，所需的計算量較小且精度較高.

建了地圖之后就可以在地圖上進(jìn)行定位導(dǎo)航了，這一部分的功能主要運用到機(jī)器人定位和路徑規(guī)劃，ROS提供了一下兩個功能包：

（1）move_base：實現(xiàn)機(jī)器人導(dǎo)航中的最優(yōu)路徑規(guī)劃。

（2）amcl：實現(xiàn)二維地圖中的機(jī)器人定位。

在上述的兩個功能包的基礎(chǔ)上，ROS提供了一套完整的導(dǎo)航框架。

機(jī)器人只需要發(fā)布必要的傳感器信息和導(dǎo)航的目標(biāo)位置,ROS即可完成導(dǎo)航功能。在該框架中,move_base功能包提供導(dǎo)航的主要運行、交互接口。為了保障導(dǎo)航路徑的準(zhǔn)確性,機(jī)器人還要對自己所處的位置進(jìn)行精確定位,這部分功能由amcl功能包實現(xiàn)。

在導(dǎo)航的過程中，運用了兩種算法DWA和TEB算法，這兩種算法分別處理全局路徑和局部路徑規(guī)劃，來保證小車能夠安全的前進(jìn)到目的地，避免與障礙物發(fā)生碰撞。

myCobot 280 Function

ROS主要支持python和C++兩種編程語言。機(jī)械臂的控制主要是基于python當(dāng)中的pymycobot API 庫。 這個功能很全面的提供了mycobot 280 的控制方法，下面主要介紹幾個常用的方法：

pymycobot API：

下面的兩個方法能夠控制機(jī)械臂關(guān)節(jié)的角度來控制機(jī)械臂運動，能單獨控制某個關(guān)節(jié)的角度，也能夠控制全部關(guān)節(jié)的角度來運動。

send_angle(id,angle,speed) send_angles(angle_list,speed,mode)

對于要執(zhí)行一些抓去運動來說，角度的控制是遠(yuǎn)遠(yuǎn)不夠大的，所以pymycobot還提供了坐標(biāo)控制，能夠控制機(jī)械臂末端在空間上的運動。

send_coord(id,coord,speed) send_coords(coords, speed, mode)

同樣是兩個控制方法第一個可以單個控制機(jī)械臂末端X,Y,Z,RX,RY,RZ方向的姿態(tài)，這樣可以控制末端機(jī)械臂的坐標(biāo)可以更方便我們做一些抓取的動作。

pymycobot是其中的一種控制方式，比較方便使用。還有一種控制方式是基于ROS框架里邊的MoveIt，它是一個功能強(qiáng)大大的機(jī)器人運動規(guī)劃框架，包括路徑規(guī)劃，運動控制，碰撞檢測，運動學(xué)計算等等。下面是一個在MoveIt當(dāng)中的演示。

Target Detection
vision_opencv - ROS Wiki

此外我們還要對視覺進(jìn)行處理，在ROS中，opencv_ros和image_transport是處理圖像數(shù)據(jù)的重要工具和庫，它們在機(jī)器人視覺系統(tǒng)和圖像處理中扮演著關(guān)鍵角色。

實際上，是使用‘cv_bridge’提供了ROS 和OpenCV之間的接口，cv_bridge允許在ROS消息和OpenCV圖像格式之間進(jìn)行轉(zhuǎn)換，從而可以在ROS框架中使用OpenCV進(jìn)行圖像處理。

在ROS中使用OpenCV時，圖像數(shù)據(jù)通常是作為ROS消息通過話題發(fā)布和訂閱的，因此需要使用cv_bridge來轉(zhuǎn)換數(shù)據(jù)格式。下面是一個簡單的示例，展示了如何在ROS節(jié)點中訂閱圖像話題，并使用OpenCV對圖像進(jìn)行處理：

import rospy from sensor_msgs.msg import Image from cv_bridge import CvBridge, CvBridgeError import cv2 def image_callback(msg): try: # Convert ROS image messages to OpenCV image format cv_image = bridge.imgmsg_to_cv2(msg, "bgr8") except CvBridgeError as e: print(e) # Process the image, such as converting it to grayscale gray = cv2.cvtColor(cv_image, cv2.COLOR_BGR2GRAY) # display image cv2.imshow("Image window", gray) cv2.waitKey(3) # Initialize ROS node rospy.init_node('image_listener') # create CvBridge bridge = CvBridge() # Subscribe to image topics image_sub = rospy.Subscriber("/camera/rgb/image_raw", Image, image_callback) # Entering the ROS event loop rospy.spin()
 

雖然在ROS環(huán)境中使用OpenCV進(jìn)行圖像處理引入了數(shù)據(jù)格式轉(zhuǎn)換和節(jié)點通信的額外步驟，但這種方式也帶來了更高的模塊化和系統(tǒng)集成的靈活性，使得圖像處理能夠更加方便地與機(jī)器人的其他系統(tǒng)和功能集成。

場景介紹

該項目旨在實現(xiàn)一個繼承的自動動畫系統(tǒng)，其中包括一個LIMO pro 和 一個mycobot 280 M5。系統(tǒng)設(shè)計使得Limo Pro能夠自主導(dǎo)航至指定位置，到達(dá)后，Mycobot 280 M5機(jī)械臂執(zhí)行抓取任務(wù)，完成后再返回到起始點或另一個特定位置。

項目流程

1.啟動與初始化：
系統(tǒng)啟動時，先進(jìn)行自檢，包括Limo Pro的導(dǎo)航系統(tǒng)和Mycobot 280 M5機(jī)械臂的功能檢查。

2.導(dǎo)航至目標(biāo)點：
利用Limo Pro上的SLAM技術(shù)和導(dǎo)航算法，根據(jù)預(yù)設(shè)或動態(tài)輸入的坐標(biāo)，規(guī)劃一條到達(dá)目標(biāo)點的最優(yōu)路徑。
Limo Pro自主避開障礙物，沿著規(guī)劃的路徑移動至目標(biāo)點。

3.執(zhí)行抓取任務(wù)：
到達(dá)目標(biāo)點后，使用Limo Pro上的傳感器定位目標(biāo)物體。
Mycobot 280 M5機(jī)械臂根據(jù)目標(biāo)物體的位置，執(zhí)行抓取動作。這一步驟可能涉及精確的運動規(guī)劃，確保抓取成功。

4.返回特定位置：
完成抓取任務(wù)后，Limo Pro再次規(guī)劃路徑，返回到起始點或移動至另一個指定的位置，以進(jìn)行物品交付或完成任務(wù)。

總結(jié)

本系列文章被劃分為兩個部分：首篇文章主要介紹了項目的概念設(shè)計、系統(tǒng)架構(gòu)以及關(guān)鍵組件的選擇，為讀者提供了一個全面的項目概覽和技術(shù)背景。接下來的文章將深入探討項目的技術(shù)細(xì)節(jié)，包括軟件架構(gòu)的構(gòu)建、關(guān)鍵技術(shù)的應(yīng)用、系統(tǒng)調(diào)試過程以及在開發(fā)過程中遇到的挑戰(zhàn)和解決方案。

在下一篇文章中，我們將正式進(jìn)入項目的技術(shù)內(nèi)核，分享實際的編碼實踐、調(diào)試技巧以及面對項目挑戰(zhàn)時的思考和解決策略。敬請期待下篇文章，我們將一起深入這個集成自主導(dǎo)航和機(jī)械操作的機(jī)器人項目，探索技術(shù)的深度與廣度。