Yahboom Transbot SE Voiture Robot ROS avec bras 3DOF & PTZ 2MP, pour Jetson Nano B01 / Raspberry Pi 5

Aperçu

Transbot SE est une voiture robot ROS (plateforme à chenilles) conçue pour le développement de la vision AI et de la robotique avec Jetson Nano B01 ou Raspberry Pi 5. Elle utilise un corps en alliage d'aluminium et intègre un bras robotique 3DOF ainsi qu'une caméra PTZ 2DOF pour le contrôle basé sur la vision, le suivi et la simulation de bras robotique avec MoveIt.

Besoin d'aide pour choisir une version (avec/sans Jetson Nano ou Raspberry Pi) ou préparer l'environnement logiciel ? Contactez le support via https://rcdrone.top/ ou par email [email protected].

Caractéristiques principales

• Châssis à chenilles suivi avec structure de chenilles différentielles pour conduite tout-terrain
• Corps en alliage d'aluminium
• Bras robotique 3DOF (servo intelligent à bus série) pour la préhension/la manipulation et les flux de travail de simulation
• PTZ caméra 2DOF avec caméra 2MP (rotation horizontale/verticale)
• Moteurs à encodeur 520
• Pile de vision AI intégrée: Traitement d'image OpenCV, apprentissage automatique MediaPipe, reconnaissance d'objets YOLO et cadre d'apprentissage profond AI
• Contrôle d'interconnexion options affichées : Application de télécommande, contrôle de programmation web Jupyter, contrôle du système ROS, contrôle d'interconnexion multiplateforme, contrôle de formation multi-véhicules
• Programmation: Programmation Python et programmation C++ sont indiquées

Fonctions de contrôle & AI Vision (Affichées)

• Traitement d'image OpenCV: Détection d'objets (reconnaître des catégories d'objets spécifiques), Vision AR (12 effets affichés à travers du papier échiquier), Code QR AR (générer et reconnaître des codes QR AR), Reconnaissance faciale (entraînement autonome et reconnaissance en temps réel grâce à la collecte en temps réel d'images faciales)
• Jeu visuel AI: Suivi de couleur, Suivi d'objet (la caméra PTZ suit les objets en temps réel), Manipulation de bras robotique (manipulation basée sur des commandes de code QR), Pilote automatique (sélection de couleur personnalisée; suit un chemin de couleur reconnu)
• Contrôle de bras robotique MoveIt: algorithme de cinématique directe/inverse, planification de chemin cartésien, détection de collision, simulation MoveIt
• Contrôle par reconnaissance gestuelle (MediaPipe): mouvement du châssis contrôlé par la paume, groupes d'actions du bras robotique contrôlés par gestes, mouvement du châssis contrôlé par gestes, contrôle de l'attitude du bras (le bras robotique imite la posture du bras et l'ouverture/fermeture de la paume)
• Développement MediaPipe: reconnaissance gestuelle, reconnaissance faciale, reconnaissance d'objets 3D (exemples montrés : “CHAUSSURE”, “CHAISE”, “TASSE”, “CAMÉRA”, etc.)
• Exemples d'apprentissage profond montrés: Reconnaissance KNN des chiffres manuscrits ; Reconnaissance d'objets YOLO (reconnaissance d'objets personnalisés via l'entraînement de jeux de données personnalisés en utilisant l'algorithme YOLOv5)

Spécifications

Options de version (Affichées)

• Version Jetson Nano: Avec Jetson Nano 4GB (version SUB) / Sans Jetson Nano
• Version Raspberry Pi: Avec Raspberry Pi 5-4GB / Sans Raspberry Pi (nécessite un Raspberry Pi avec 4GB ou plus de RAM)

Applications

• Apprentissage ROS et développement de contrôle de mouvement de robot
• Projets de vision par ordinateur (OpenCV), reconnaissance de gestes (MediaPipe), et reconnaissance d'objets (YOLO)
• Simulation de bras robotique et expériences de planification avec MoveIt (cinématique, planification cartésienne, détection de collision)
• Contrôle à distance et démonstrations de contrôle de programmation basées sur le web (contrôle APP, Jupyter, contrôle du système ROS)

Tutoriels & Ressources d'apprentissage

Lien du tutoriel:http://www.yahboom.net/study/Transbot-SE

Catalogue de cours (Affiché)

• Introduction de Transbot SE: À propos de Transbot SE; Précautions d'utilisation et sécurité de la batterie; Premier essai
• Premier essai: Configuration du réseau WiFi; Contrôle par application; Contrôle sans fil par USB; Contrôle vidéo par poignée
• Cours de contrôle matériel: À propos de la carte d'extension et mise à jour du firmware; Fermer le processus de démarrage automatique; Installer la bibliothèque Transbot SE; Contrôler le buzzer et le bouton; Contrôler le servo PWM; Contrôler le servo de bus; Contrôler le moteur; Contrôler le mouvement du robot
• Configuration du système d'exploitation Linux: Installation et utilisation de la machine virtuelle; Bases de Linux; Contrôle à distance; Configuration de la communication multi-machines; IP statique et mode point d'accès; Surveillance en temps réel de la page Web; Tutoriel d'expansion; Écrire des images système
• Docker use: Vue d'ensemble de Docker et installation de Docker; Commandes courantes pour les conteneurs d'images Docker; Compréhension approfondie des images Docker et publication d'images; Interaction matérielle Docker et traitement des données; Démarrer le conteneur Dobot
• Cours de base ROS: Introduction à ROS; Structure des fichiers de projet; Commandes et outils courants; Éditeur; Abonnés; Personnaliser les messages de sujet et utilisation; Client; Serveur; Messages de service personnalisés et utilisation; Publication et surveillance TF
• Cours OpenCV: Prise en main de CV Open Source; Transformation géométrique CV Open Source; Traitement d'image CV Open Source et dessin de segments de texte; Embellissement d'image CV Open Source; Vision AR; Code QR AR; Fondation ROS+Opencv; Application ROS+Opencv; Développement MediaPipe
• Cours de robot ROS: Algorithme PID; Communication de base; Contrôle par clavier; Contrôle par manette; Estimation de l'état du robot; Calibration des données
• Cours simple de caméra ROS: Calibration de caméra HD; Suivi de couleur de caméra HD; Suivi de couleur de caméra HD (châssis); Suivi d'objet de caméra HD; Suivi de cible KCF; Suivi de visage de caméra HD; Transport par bras robotique de caméra HD; Pilote automatique de caméra HD
• Tutoriel de contrôle de bras robotique ROS: Configuration de MoveIt; Contrôle de la machine réelle avec MoveIt; Déplacements aléatoires avec MoveIt; Conception cinématique de MoveIt; Chemin cartésien de MoveIt; Évitement avec MoveIt; Conception de scène avec MoveIt; Planification de trajectoire avec MoveIt
• Contrôle multi-robots ROS: Contrôle multi-robots; Performance de file d'attente multi-robots; Danse de bras robotique multi-robots
• Cours de contrôle MoveIt pour bras robotique ROS: Configuration MoveIt; MoveIt contrôle la machine réelle; MoveIt se déplace aléatoirement; Conception cinématique MoveIt; Chemin cartésien MoveIt; Évitement MoveIt; Conception de scène MoveIt; Planification de trajectoire MoveIt; Voiture de contrôle de paume Mediapie; Contrôle gestuel du bras robotique Mediapipe; Contrôle gestuel de voiture Mediapipe; Contrôle d'attitude du bras Mediapipe
• Cours d'apprentissage profond: KNN reconnaît les chiffres manuscrits; Utilisation de base de TensorFlow; Utilisation de base de PyTorch (jetson); Entraînement du modèle yolov5 (jetson); Accélération yolov5+tensorrt (jetson); yolov4-tiny

Détails

Transbot SE est une plateforme robotique ROS à chenilles conçue pour les projets de vision AI, dotée d'un corps tout en métal, d'un bras à 3DOF et d'un cardan de caméra à 2DOF.

Une pile logicielle complète prend en charge la vision OpenCV, le contrôle gestuel MediaPipe, la reconnaissance YOLO et la simulation de bras robotique basée sur MoveIt.

Le châssis à chenilles suivi et la conduite différentielle sont conçus pour un mouvement stable sur des surfaces intérieures et extérieures variées.

Compatible avec Raspberry Pi 5 pour le développement ROS et un traitement de vision embarqué plus fluide.

Choisissez un kit avec Jetson Nano ou Raspberry Pi inclus, ou une version sans carte si vous avez déjà votre propre contrôleur.

Les démos OpenCV intégrées incluent la détection d'objets, les effets AR avec des planches de marqueurs et les flux de travail de génération/reconnaissance de codes QR.

Le gameplay visuel AI ajoute le suivi des couleurs, le suivi d'objets basé sur PTZ, la commande QR pick-and-place et le pilote automatique de chemin de couleur.

L'intégration MoveIt prend en charge la cinématique, la planification cartésienne et la vérification des collisions pour le développement et la simulation de bras robotique.

Le contrôle gestuel MediaPipe permet un mouvement dirigé par la paume ainsi que des groupes d'action du bras robotique déclenchés par des gestes et un miroir de posture.

Les projets d'exemple incluent la reconnaissance de gestes/visages, les étiquettes d'objets 3D, la reconnaissance de chiffres KNN et des exemples d'entraînement de jeu de données YOLO.

Utilisez l'application de télécommande pour une conduite rapide, des fonctionnalités de caméra et des modes interactifs d'IA sans configuration de bureau complète.

Plusieurs chemins de contrôle sont pris en charge, y compris la programmation web Jupyter, le contrôle du système ROS et l'interconnexion multiplateforme.

Un catalogue de cours structuré guide l'installation, les bases de ROS, les fonctionnalités de vision et les sujets de contrôle avancés.

Des ressources tutoriels sont disponibles en ligne pour aider à construire l'environnement logiciel et démarrer plus rapidement les démonstrations ROS et de vision.

Les points forts du matériel incluent la caméra PTZ 2DOF, le bras à bus série 3DOF, les moteurs à encodeur et une carte de contrôle principale ROS en option.

La carte d'extension simplifie le câblage pour les moteurs, les appareils série, les périphériques USB et les capteurs courants.

Les dimensions détaillées aident à planifier l'espace de montage, les agencements de laboratoire et l'intégration des accessoires.

Un tableau de paramètres complet compare les options de contrôleur et résume la puissance, les interfaces, le système d'exploitation et les détails d'assemblage.

Les dimensions du bras robotique 3DOF et les paramètres clés des servos (articulations YB-SD15M et pince YB-S06) aident à la planification de l'agencement et à la sélection de la puissance.

Le module de caméra PTZ 2DOF comprend une caméra USB 2.0 2MP 1080p et un support compact avec des dimensions indiquées en millimètres pour une intégration plus facile.

Le moteur à engrenages avec encodeur 520 utilise un design à balais de 12V avec un rapport de réduction de 1:56 et un encodeur Hall (3,3–5V), évalué à 205±10 tr/min après décélération.

Le pack de batteries lithium 12V 4400mAh utilise une prise de décharge de type T et indique un courant de décharge nominal de 8,8A et un maximum de 10A.

Le kit robot Yahboom Transbot SE ROS comprend le châssis et la plaque supérieure, les chenilles et les roues, un bras robotique 3DOF, une caméra PTZ 2DOF, des moteurs, une batterie, un chargeur et des câbles.

Les packages de pièces du robot Transbot SE ROS incluent des options Jetson Nano ou Raspberry Pi avec des accessoires comme un ventilateur de refroidissement, des antennes et un stockage TF.