Yahboom Transbot SE ROS Roboterauto mit 3DOF-Arm & 2MP PTZ, für Jetson Nano B01 / Raspberry Pi 5

Übersicht

Transbot SE ist ein ROS-Roboterauto (Kettenfahrzeugplattform), das für die Entwicklung von KI-Visions- und Robotikprojekten mit Jetson Nano B01 oder Raspberry Pi 5 konzipiert wurde. Es verwendet einen Ganzaluminiumlegierungskörper und integriert einen 3DOF-Roboterarm sowie ein 2DOF-Kamera-PTZ für visuelle Steuerung, Verfolgung und Roboterarmsimulation mit MoveIt.

Benötigen Sie Hilfe bei der Auswahl einer Version (mit/ohne Jetson Nano oder Raspberry Pi) oder bei der Vorbereitung der Softwareumgebung? Kontaktieren Sie den Support über https://rcdrone.top/ oder per E-Mail [email protected].

Hauptmerkmale

• Verfolgtes Raupenfahrgestell mit differenzieller Kettenstruktur für Geländefahrten
• Gehäuse aus Aluminiumlegierung
• 3DOF-Roboterarm (intelligenter serieller Bus-Servo) für Greif-/Handhabungs- und Simulationsabläufe
• 2DOF-Kamera-PTZ mit 2MP-Kamera (horizontale/vertikale Drehung)
• 520 Encoder-Motoren
• Eingebauter KI-Vision-Stack: OpenCV-Bildverarbeitung, MediaPipe-Maschinelles Lernen, YOLO-Objekterkennung und ein KI-Tiefenlern-Framework
• Interkonnektionssteuerung Optionen angezeigt: Fernsteuerungs-APP, Jupyter-Webprogrammsteuerung, ROS-Systemsteuerung, plattformübergreifende Interkonnektionssteuerung, Mehrfahrzeug-Formationssteuerung
• Programmierung: Python-Programmierung und C++-Programmierung sind angegeben

AI Vision & Steuerungsfunktionen (Angezeigt)

• OpenCV Bildverarbeitung: Objekterkennung (erkennt spezifische Objektkategorien), AR Vision (12 Effekte, die durch Schachbrettpapier angezeigt werden), AR QR-Code (erzeugen und erkennen von AR QR-Codes), Gesichtserkennung (autonomes Training und Echtzeiterkennung durch Echtzeitsammlung von Gesichtsbildern)
• AI visuelles Gameplay: Farbverfolgung, Objektverfolgung (Kamera-PTZ verfolgt Objekte in Echtzeit), Roboterarm-Handhabung (QR-Code-basiertes Handling), Autopilot (benutzerdefinierte Farbauswahl; folgt einem erkannten Farbpfad)
• MoveIt Roboterarmsteuerung: Vorwärts-/Inverse Kinematik-Algorithmus, kartesische Pfadplanung, Kollisionsdetektion, MoveIt-Simulation
• Gestenerkennungskontrolle (MediaPipe): handflächenkontrollierte Chassisbewegung, gestengesteuerte Roboterarm-Aktionsgruppen, gestengesteuerte Chassisbewegung, Armhaltungskontrolle (Roboterarm imitiert Armhaltung und Handflächen öffnen/schließen)
• MediaPipe-Entwicklung: Gestenerkennung, Gesichtserkennung, 3D-Objekterkennung (gezeigte Beispiele: „SCHUH“, „STUHL“, „TASSE“, „KAMERA“ usw.))
• Beispiele für Deep Learning gezeigt: KNN-Erkennung von handgeschriebenen Ziffern; YOLO-Objekterkennung (benutzerdefinierte Objekterkennung durch Training benutzerdefinierter Datensätze mit dem YOLOv5-Algorithmus)

Spezifikationen

Versionsoptionen (Angezeigt)

• Jetson Nano Version: Mit Jetson Nano 4GB (SUB-Version) / Ohne Jetson Nano
• Raspberry Pi Version: Mit Raspberry Pi 5-4GB / Ohne Raspberry Pi (erfordert Raspberry Pi mit 4GB oder mehr RAM)

Anwendungen

• ROS-Lernen und Entwicklung der Roboterbewegungssteuerung
• Computer Vision Projekte (OpenCV), Gestenerkennung (MediaPipe) und Objekterkennung (YOLO)
• Simulation und Planung von Roboterarmen mit MoveIt (Kinematik, kartesische Planung, Kollisionsdetektion)
• Fernsteuerung und webbasierte Programmiersteuerungsdemonstrationen (APP-Steuerung, Jupyter, ROS-Systemsteuerung)

Anleitungen & Lernressourcen

Anleitungslink:http://www.yahboom.net/study/Transbot-SE

Kurskatalog (Angezeigt)

• Einführung des Transbot SE: Über Transbot SE; Vorsichtsmaßnahmen für die Verwendung und Batteriesicherheit; Erster Versuch
• Erster Versuch: WiFi-Netzwerkkonfiguration; APP-Steuerung; USB-Funkgriffsteuerung; Griff-Videosteuerung
• Hardware-Steuerungskurs: Über Erweiterungsplatine und Firmware-Update; Selbststartprozess schließen; Transbot SE-Bibliothek installieren; Summer und Taste steuern; PWM-Servo steuern; Bus-Servo steuern; Motor steuern; Roboterbewegung steuern
• Linux-Betriebssystemkonfiguration: Installation und Verwendung von virtuellen Maschinen; Linux-Grundlagen; Fernsteuerung; Konfiguration der Mehrmaschinenkommunikation; Statische IP und Hotspot-Modus; Echtzeitüberwachung der Webseite; Erweiterungstutorial; Systemabbilder schreiben
• Docker verwenden: Docker-Übersicht und Docker-Installation; Allgemeine Befehle für Docker-Image-Container; Docker-Images tiefgehend verstehen und Images veröffentlichen; Docker-Hardware-Interaktion und Datenverarbeitung; Starten des Dobot-Containers
• ROS Grundkurs: Einführung in ROS; Projektdateistruktur; Allgemeine Befehle und Werkzeuge; Publisher; Abonnenten; Anpassen von Themennachrichten und Verwendung; Client; Server; Benutzerdefinierte Servicenachrichten und Verwendung; TF-Veröffentlichung und Überwachung
• OpenCV-Kurse: Einführung in Open Source CV; Geometrische Transformation mit Open Source CV; Bildverarbeitung und Zeichnen von Textliniensegmenten mit Open Source CV; Bildverschönerung mit Open Source CV; AR-Vison; AR-QR-Code; ROS+Opencv-Grundlagen; ROS+Opencv-Anwendung; MediaPipe-Entwicklung
• ROS-Robotikkurs: PID-Algorithmus; Grundlegende Kommunikation; Tastatursteuerung; Steuerung mit Griff; Schätzung des Roboterzustands; Datenkalibrierung
• ROS einfacher Kamerakurs: HD-Kamera-Kalibrierung; HD-Kamera-Farbverfolgung; HD-Kamera-Farbverfolgung (Chassis); HD-Kamera-Objektverfolgung; KCF-Zielverfolgung; HD-Kamera-Gesichtsverfolgung; HD-Kamera-Roboterarm-Transport; HD-Kamera-Autopilot
• ROS Roboterarm-Steuerungstutorial: MoveIt-Konfiguration; MoveIt steuert die echte Maschine; MoveIt bewegt sich zufällig; MoveIt Kinematik-Design; MoveIt kartesischer Pfad; MoveIt Vermeidung; MoveIt Szenendesign; MoveIt Trajektorienplanung
• ROS Multi-Roboter-Steuerung: Multi-Roboter-Steuerung; Multi-Roboter-Warteschlangenleistung; Multi-Roboter-Roboterarm-Tanz
• ROS Roboterarm MoveIt Steuerungskurs: MoveIt Konfiguration; MoveIt steuert die echte Maschine; MoveIt bewegt sich zufällig; MoveIt Kinematik-Design; MoveIt kartesischer Pfad; MoveIt Vermeidung; MoveIt Szenendesign; MoveIt Trajektorienplanung; Mediapie Palmsteuerungsauto; Mediapipe Gestensteuerung Roboterarm; Mediapipe Gestensteuerung Auto; Mediapipe Armhaltungskontrolle
• Tiefenlernungskurse: KNN erkennt handgeschriebene Ziffern; Grundlegende Verwendung von TensorFlow; Grundlegende Verwendung von PyTorch (jetson); yolov5 Modelltraining (jetson); yolov5+tensorrt Beschleunigung (jetson); yolov4-tiny

Details

Transbot SE ist eine kettengetriebene ROS-Roboterplattform, die für KI-Vision-Projekte entwickelt wurde. Sie verfügt über einen Ganzmetallkörper, einen 3DOF-Arm und einen 2DOF-Kameragimbal.

Ein vollständiger Software-Stack unterstützt OpenCV Vision, MediaPipe Gestensteuerung, YOLO-Erkennung und MoveIt-basierte Roboterarmsimulation.

Das verfolgte Raupenfahrgestell und der Differentialantrieb sind für stabile Bewegungen auf verschiedenen Innen- und Außenflächen ausgelegt.

Kompatibel mit Raspberry Pi 5 für ROS-Entwicklung und reibungslosere On-Board-Vision-Verarbeitung.

Wählen Sie ein Kit mit Jetson Nano oder Raspberry Pi, oder eine Version ohne Board, wenn Sie bereits einen eigenen Controller haben.

Eingebaute OpenCV-Demos umfassen Objekterkennung, AR-Effekte mit Markertafeln und QR-Code-Generierung/Erkennungs-Workflows.

AI-Visuelles Gameplay fügt Farbverfolgung, PTZ-basierte Objektverfolgung, QR-Befehl Pick-and-Place und Farbpfad-Autopilot hinzu.

MoveIt-Integration unterstützt Kinematik, kartesische Planung und Kollisionsprüfung für die Entwicklung und Simulation von Roboterarmen.

MediaPipe-Gestensteuerung ermöglicht handflächengetriebene Bewegungen sowie gestengesteuerte Aktionsgruppen des Roboterarms und Haltungsnachahmung.

Beispielprojekte umfassen Gesten-/Gesichtserkennung, 3D-Objektbeschriftungen, KNN-Ziffernerkennung und YOLO-Datensatz-Trainingsbeispiele.

Verwenden Sie die Fernsteuerungs-App für schnelles Fahren, Kamerafunktionen und interaktive KI-Modi ohne vollständige Desktop-Einrichtung.

Mehrere Steuerungswege werden unterstützt, einschließlich Jupyter-Webprogrammierung, ROS-Systemsteuerung und plattformübergreifender Verbindung.

Ein strukturierter Kurskatalog führt durch die Einrichtung, ROS-Grundlagen, Vision-Funktionen und fortgeschrittene Steuerungsthemen.

Online-Tutorial-Ressourcen sind verfügbar, um beim Aufbau der Softwareumgebung zu helfen und ROS- und Vision-Demos schneller zu starten.

Zu den Hardware-Highlights gehören die 2DOF-Kamera-PTZ, der 3DOF-Serienbus-Arm, Encoder-Motoren und eine optionale ROS-Hauptsteuerplatine.

Die Breakout-Erweiterungsplatine vereinfacht die Verkabelung für Motoren, serielle Geräte, USB-Peripheriegeräte und gängige Sensoren.

Detaillierte Abmessungen helfen bei der Planung des Montageplatzes, der Laborlayouts und der Integration von Zubehör.

Eine vollständige Parameter-Tabelle vergleicht Controller-Optionen und fasst Leistung, Schnittstellen, Betriebssystem und Montage-Details zusammen.

Die Abmessungen des 3DOF-Roboterarms und die wichtigsten Servo-Parameter (YB-SD15M-Gelenke und YB-S06-Klaue) helfen bei der Layoutplanung und der Auswahl der Leistung.

Das 2DOF-Kamera-PTZ-Modul enthält eine 2MP 1080p USB 2.0 Kamera und eine kompakte Halterung mit in Millimetern angegebenen Abmessungen für eine einfachere Integration.

Der 520 Encoder-Getriebemotor verwendet ein 12V Bürstendesign mit einem Übersetzungsverhältnis von 1:56 und einem Hall-Encoder (3,3–5V), der nach der Verzögerung mit 205±10 U/min bewertet ist.

Der 12V 4400mAh Lithium-Akku verwendet einen T-Typ Entladestecker und listet 8,8A Nenn- und 10A maximale Entladestrom auf.

Das Yahboom Transbot SE ROS Roboter-Kit enthält den Rahmen und die obere Platte, Ketten und Räder, einen 3DOF-Roboterarm, 2DOF-Kamera-PTZ, Motoren, Akku, Ladegerät und Kabel.

Die Transbot SE ROS Roboter-Teilepakete beinhalten Jetson Nano oder Raspberry Pi Optionen mit Zubehör wie einem Kühlventilator, Antennen und TF-Speicher.