，该机器人能在农场环境中自主导航，识别需要浇水的植物并自动浇水，视觉系统采用的是 Luxonis 的 OAK-D-Lite相机，可以在专用

  我们原计划使用葡萄园作为我们的测试场地，与我们的名字 FREISA 保持一致。然而，这种选择带来了一定的挑战。首先，藤蔓叶子生长在离地面至少 40 厘米的高度，明显高于我们计划使用的狗机器人的预期高度。其次，通常种植葡萄树的地形，特别是在意大利，往往不平坦，给机器人带来导航困难。

  考虑到所有因素，我们最终选择了一个更“可控”的环境——一个种有番茄植物的家庭花园。尽管如此，这一决定并不排除继续我们的项目的可能性，并可能在未来将我们的MiniPupper引入葡萄园！

  在选择MiniPupper 2之前， 我们探索了机器人系统的各种其他选项。选择MiniPupper 2机器人也是出于我们团队中一名成员对MiniPupper项目的熟悉程度以及开源社区对该项目的兴趣。

  我们在实现中使用的相机是 Luxonis 的 OAK-D-Lite，它允许我们在专用硬件上运行计算机视觉管道，而不会消耗控制机器人运动的 Raspberry Pi 的资源。这需要考虑到 MiniPupper 2 和 3D 打印定制支架支撑的额外重量开销。按照这种方法，机器人能独立于任何外部基础设施，例如用于执行“更重”任务的专用计算机。

  我们考虑的唯一另一种选择是 Raspicam V2，但这要求我们在 Raspberry PiCPU上运行推理，因此导致计算开销和整体系统速度变慢。

  讨论较多的方面之一是洒水器的位置及其机制。我们最终将洒水器放置在骨盆位置，储水器正上方，因为所有其他替代方案在重量分布或物理设计方面都存在问题。

  我们决定开发一种FSM来控制机器人的运动。这种方法很适合与提供推理结果的相机一起工作，并允许我们定义相机观察特定目标时的状态变化。

  另一种选择是集成用于机器人导航的ROS2SLAM工具箱，这需要在集成应用程序的不同部分方面做额外的工作。

  FREISA 作为不同的软件和硬件组件进行通信。在对整体体系结构可以进行详细说明后，本节将讨论所有这些组件。

  在此图中，显示了操作实体之间的不同互连：Mini Pupper 必须有一个在本地 Raspberry Pi 4 上运行的导航系统，以便在竞技场周围移动并识别目标，一个视觉系统（通过USB连接的摄像头）来查看不同的目标，以及一个通过 Raspberry Pi 的 GPIO 控制的机械喷水器， 给需要它的目标浇水。

  如上所述，我们在项目中使用了 Raspberry Pi、Docker 和不同的 OAK-D-Lite 相机。以下是系统的一般逻辑体系结构，以及它一定得执行的功能：

  检查数据：外部用户都能够查看HTTP服务器和别的部分代码的结果，以检查系统是不是正常工作。

  识别目标：通过视觉和导航系统，小狗必须在竞技场上走动，并识别他需要照顾的植物。

  外部通信：通过蓝牙Wi-Fi或 Raspberry Pi 上可用的任何其他无线通信协议，小狗可以通知其主人植物已被稀释。

  FREISA团队认为，四足腿平台很适合各种非结构化的户外应用，因为它能够在复杂的地形中导航。下表列出了移动平台的优势和劣势。

  四足平台的最小电机数量（旨在作为自由度 – DoF）为 8 DoF，以实现四足运动。至少需要 12 个自由度才能实现完整的四足运动，从而允许在身体上实现横滚轴以及各种侧向运动。

  简单的四足机器人有一个简单的开环控制器，可设为电机的角度。这种控制器总是有腿在移动，障碍物清除和运动精度很差。

  动态闭环控制器很复杂，因为它需要释放腿式平台的障碍清除能力，能够感觉到不同表面的打滑、跌落和干扰，并做出相应的补偿。

  对于这一个项目，我们坚持使用开环控制器，但我们正在探索在MiniPupper中集成适当的闭环控制器的方法。

  与其他平台相比，这种复杂性阻碍了四足机器人的使用，目前正在机器人领域探索许多军事、工业和开源四足设计。

  我们的一位小组成员对使用常规 PPM 开环电机的 MiniPupper 平台的第一个版本有经验，第二个版本将电机升级为具有位置反馈的数字版本。

  MiniPupper 2 附带一个 Ubuntu （22.04） 映像和一个基于 UDP 的编排器，该映像用于为本次比赛范围构建应用程序。MiniPupper 2 还有一个 ROS2 映像，作者计划将其用于未来的应用。

  市场上有更便宜的四足平台，但据我们所知，它们通过削减自由度、伺服质量、反馈或移除板载 SBC 来实现其价格点。

  仔细映射具有正确 ID 的电机，并确保它们处于空档位置。500KbUART链路，来自FeeTech的SCS（智能控制伺服）协议。

  执行校准工具，目标是使电机接近其中立位置，并使 Mini Pupper 与地形平行。请记住按住箭头键以移动电机，因为这是一个小而精确的运动。如果电机太接近极端，请拆下支腿，将电机置于中立位置并重新安装支腿。

  haptic_demo：拉动右前腿应该让其他腿做相反的动作。它告诉您校准正常，电机 ID 正常

  激活控制器和电机。在“跳舞”页面中设置机器人的高度。现在，步行页面中的滑块应该能工作了。检查MiniPupper的步行步态。

  简而言之，FREISA 狗与 MiniPupper 的区别有两件事：第一是视力强

  为了添加 OAK-D-Lite 相机，我们 3D 打印了一个定制的支撑支架。

  所有必需部件的 STL 文件以及有关如何将部件组合在一起的一些说明可在 下找到。

  向 GPIO 添加一个 PPM 通道：可能的路由，GPIO 上有有限的可用 IO，限制了 PPM 控制的质量

  在伺服总线 个通道：不可能，通道的带宽需要用于伺服的位置、位置反馈和扭矩反馈

  为GPIO的第13通道添加新的SCS伺服总线：最佳解决方案，Pupper具有映射到GPIO的串行端口，并且易于访问/dev/ttyAMA1

  我们在RPi GPIO上创建了一个额外的伺服总线，作为最具前瞻性的选择。它能轻松向平台添加多个附加轴，而无需额外的工作。

  中的测试程序允许通过仅实现设置位置命令来测试第 13 轴，以便于使用。/demos

  我们对设计进行了几次迭代，这需要改进伺服电机的支撑和活塞 O-RIng 的密封性。

  MiniPupper 2 基础组件、基础软件和自定义硬件扩展已完成并经过测试。接下来是 Vision 和 Demo 软件组件的开发。

  本节介绍了应用程序的“视觉”部分，该部分为机器人提供了有关其周围环境的信息。

  该应用组件控制 OAK-D-Lite 相机，可以在该相机上部署预先训练的计算机视觉模型（基于深度神经网络）来定位目标植物并分析叶子的状况。

  该组件的基础是两个神经网络，允许定位植物（执行树干分割），并检测叶子并将其分类为健康或不健康。这两个模型都基于YOLOv8架构，并在我们上传到Roboflow的自定义数据集上进行了训练。

  可以在 Roboflow 的服务器上进行模型训练。然而，我们最终选择在本地训练我们的神经网络，因为免费的 Roboflow 计划只提供有限数量的“积分”，用于在我们自己的计算机上训练和试验深度学习框架。

  借助 Roboflow API，导出数据集很容易，并能轻松地在远程硬件上进行训练。

  这两个神经网络分别经过了 200 个时期的训练，最终模型已被保存以备后用 OAK-D-Lite 相机使用。

  第一个软件是，这是一个Python类，用于通过提供加载模型、启动管道和收集结果的方法来控制相机。这些操作是使用 Luxonis 的 DepthAI 库执行的，该库允许定义管道，通过这一些管道使用自定义神经网络处理来自 OAK-D-Lite 中摄像机的信息，最重要的是，通过 USB 连接以直接的方式检索这一些信息。VisionController

  要供 OAK-D-Lite 相机使用，需要将模型从 YOLOv8 转换为 ，以及一个包含实例化视觉管道所需的设置信息的 JSON 文件。此步骤是使用 Luxonis 提供的转换工具执行的。.blob

  为了提供对这一些方法的访问，我们实现了一个 HTTP 服务器，该服务器提供标准 （REST） API 来通过端口 9090 控制相机。这样，其他应用程序组件只需执行 HTTP 请求即可在相机上执行操作。VisionController

  事实上，我们还提供了定义映像（基于映像）的 Dockerfile，该映像可用于将整个模块作为容器运行，前提是它可以访问 USB 总线以便能够与相机通信。python:3.10-bullseye

  由于我们的可用时间有限，我们不得已在选择上做出妥协。然而，该项目的开源性质允许外部贡献者进行大量增强。

  计算机视觉模块的设计使相机能利用正确格式化的模型在各种目标上发挥作用。这种能力扩展了机器人在处理很多类型植物方面的多功能性。

  选择不同竞技场的困难主要与潜在的地形条件有关。这样的一个问题可以通过实现一个更复杂的框架来控制机器人的运动来解决，例如ROS Nav2（SLAM），或者通过将网格导航与Move Base Flex结合使用。这些框架还能够给大家提供其他好处，例如环境映射。

  提高应用程序性能的另一种途径是利用 OAK-D-Lite 的立体摄像头来估计目标的距离。这一些数据可用于为运动控制管理系统提供更精确的指令，以此来实现更快、更准确的操作。

  文章出处：【微信号：ChaiHuoMakerSpace，微信公众号：柴火创客空间】欢迎添加关注！文章转载请注明出处。

  ，遇到了很多问题，非常想学习一下这款板子！我相信利用它能帮我解决难题！项目描述：可利用

  带系统 带个小显示屏搞个键盘鼠标就可以直接进行编程调试不需要另外用电脑，毕竟单片机要用

  ，如果利用舵机控制器+遥控手柄套件的话，可以非常容易就实现简单的功能。为了能让六

  步：声卡尽管有音频输出口可以连接音箱或耳机，但为了获得更好的音质，我们将外置声卡材料：1.

  条腿，每条腿两个自由度，由两个舵机驱动，能实现两种步态行走。配有三个超声

  本帖最后由 红尘。破 于 2016-8-19 14:59 编辑 今天整理资料时发现了一年前做的

  都是通过3D打印技术打印出来的，通过个人安装连接上超声波传感器，制作成功的

  属于复杂机电系统，需要综合生物、机械、电子、控制等学科内容，具体涉及仿生机构设计、灵巧运动机构设计、高性能驱动器制造，行走稳定性控制、强化学习等在内的多个研究方向。其中，机构设计是保障

  计嵌入式PPT应具有的几个部分1、有哪些硬件1）小车2）STM32F429开发板3）

  【youyeetoo X1 windows 开发板体验】支持语音控制的AIoT智能终端设计

  嵌入式学习-ElfBoard ELF 1板卡- Uboot目录结构介绍