ROS机器人教学平台介绍

　　一、面向专业和课程

　　面向专业：机器人工程、自动化、人工智能、电子、信息科学、机电等专业

　　适用课程：ROS机器人操作系统、机器人控制、Python编程、数字图像处理、计算机视觉

　　二、产品方案设计

　　ROS机器人教学平台采用资源丰富、性能强大的树莓派4B/旭日X3派平台，配合以STM32F407单片机作为核心的底层运动控制器，运算能力和运动控制效果极佳。底盘采用类车型的阿克曼底盘，模拟汽车实现自动驾驶的算法验证。随车配备激光雷达、IMU、轮速里程计、深度相机、语音识别模块等多种传感器，可实现各种场景的软件编程实践，可直接在其基础上进行相关的学生竞赛训练以及工程项目的开发。

　　ROS机器人教学平台运算能力和资源配置大幅提高。不仅可以进行嵌入式Linux系统以及ROS系统的实践与开发，同样能够驾驭处理速度要求较高的应用场景。采用阿克曼底盘结构，运动学模型最接近真实汽车结构，轻松验证自动驾驶的各类控制算法;在Ubuntu18/20下的ROS系统中，实现了多种SLAM框架下的建图、导航、路径规划、图像识别等算法和例程，可直接在其基础上进行相关的学生竞赛训练以及工程项目的开发。

　　ROS机器人教学平台具备如下功能：

　　1. 采用最新版本的树莓派4B/旭日X3派平台，运算能力和资源配置大幅提高。不仅可以进行嵌入式Linux系统以及ROS系统的实践与开发，同样能够驾驭处理速度要求较高的应用场景，如竞速小车、深度学习、机器视觉等;

　　2. 采用阿克曼底盘结构，运动学模型最接近真实汽车结构，轻松验证自动驾驶的各类控制算法;

　　3. 根据智能车的控制特点深度定制基于ARM Cortex-M4单片机的底盘控制器，将单片机大部分资源进行利用，可在此平台完成单片机相关课程的所有实验教学，同时能够进行RT-Thread等微型实时操作系统的开发与教学;

　　4. 在Ubuntu18/20下的ROS系统中，实现了多种SLAM框架下的建图、导航、路径规划、图像识别等算法和例程，可直接在其基础上进行相关的学生竞赛训练以及工程项目的开发;

　　5. 支持中国机器人及人工智能大赛、中国智能机器人格斗及竞技大赛等国家级A类赛事。提供竞赛Demo程序，快速实现竞赛任务。

　　三、产品功能和特点

　　1. 资源丰富的机器人控制主机

　　ROS机器人教学平台主机可根据用户的需求选配树莓派4B(4GB内存)或地平线旭日X3派(4GB内存)两种不同的主机。树莓派4B具有极高的CPU处理能力，搭载四核1.5GHz的Cortex-A72处理器，搭载2.4G/5G频段的WiFi模块，配备4个USB接口、1个千兆以太网口和2个micro HDMI接口，具有非常强大的可扩展性，其开发生态十分完善，可以轻松的获取相关的开发资源。地平线旭日X3派是新晋国产机器人控制主机，其不仅拥有四核1.2GHz的处理器，还拥有一个用于运行人工智能算法的BPU，算力可达5Tops(INT8)，能够兼顾机器人复杂控制算法和神经网络等AI算法。产品出厂的任一款主机均搭载Ubuntu系统和ROS机器人控制框架，并提供丰富的功能案例;

　　2. 自主研发的高性能运动控制器

　　底盘控制器采用STM32F407高性能ARM处理器，主频高、资源丰富。可实现电池电量监测、电池充电管理、IMU姿态数据采集与解算、OLED显示界面、SPI的Flash读写、PWM方式的电机调速与转速PID控制、编码器数据采集与车速计算、阿克曼底盘运动解析及控制接口、蓝牙无线串口通信接口、WiFi网络通信接口、与树莓派的数据通信;控制器进行深度定制，不仅支持c/c++开发，同时可支持python语言开发;

　　3. 灵活易用的开源实时操作系统

　　底盘控制器搭载国产优秀的嵌入式实时操作系统RT-Thread，实现所有内核功能模块调用、Finsh shell命令行交互模块。可扩展文件系统管理、网络系统管理、支持Python编程的MicroPython系统框架、基于四轮差速底盘智能车的控制系统框架;提供RT-Thread操作系统的完整例程和教学课程;

　　4. 丰富的ROS机器人开发案例

　　搭载Ubuntu版本 Linux操作系统，配置ROS及相关开发工具，实现ROS核心通信机制及组件、对底盘状态监测及运动控制、ROS分布式远程开发、摄像头数据采集与处理、基于激光雷达的SLAM建图算法(gmapping/hector/karto/cartographer)、movebase导航框架实现(Navfn/Global全局规划器;DWA/TEB局部路径规划器)、声源定位、语音识别、Gazebo仿真环境、基于openCV的人脸识别、车道线识别、巡线、基于激光雷达的人体跟随功能，提供完整代码;

　　5. 自主机器人开发进阶功能与案例

　　基于编码器、激光雷达以及IMU的多传感器融合里程计，多机编队协同，键盘/图形界面/无线手柄等多种方式控制小车，机器人自动探索建图，多点导航，上电自主完成预设任务(电池电量低自动停车并自动回家)，深度学习框架的部署。