Yahboom Transbot SE ROS Robotbil med 3DOF-arm & 2MP PTZ, för Jetson Nano B01 / Raspberry Pi 5

Översikt

Transbot SE är en ROS Robotbil (spårad larvplattform) designad för AI-vision och robotikutveckling med Jetson Nano B01 eller Raspberry Pi 5. Den använder en kropp av aluminiumlegering och integrerar en 3DOF robotarm plus en 2DOF kamera PTZ för visionsbaserad kontroll, spårning och robotsimuleringsarm med MoveIt.

Behöver du hjälp med att välja en version (med/utan Jetson Nano eller Raspberry Pi) eller förbereda mjukvarumiljön? Kontakta support via https://rcdrone.top/ eller e-post [email protected].

Viktiga funktioner

• Spårad larvchassi med differentialspårstruktur för terrängkörning
• Helkropp i aluminiumlegering
• 3DOF robotarm (intelligent seriell bussservo) för gripande/hantering och simuleringsarbetsflöden
• 2DOF kamera PTZ med 2MP kamera (horisontell/vertikal rotation)
• 520 encoder motorer
• Inbyggd AI-visionsstack: OpenCV bildbehandling, MediaPipe maskininlärning, YOLO objektigenkänning och ett AI djupinlärningsramverk
• Interkonnektionskontroll alternativ visas: Fjärrkontroll APP, Jupyter webbprogrammeringskontroll, ROS systemkontroll, plattformsoberoende interkonnektionskontroll, flerfordonsformationskontroll
• Programmering: Python-programmering och C++-programmering anges

AI Vision & Kontrollfunktioner (Visas)

• OpenCV bildbehandling: Objektigenkänning (känna igen specifika objektkategorier), AR Vision (12 effekter visas genom schackbrädepapper), AR QR-kod (generera och känna igen AR QR-koder), Ansiktsigenkänning (autonom träning och realtidsigenkänning genom realtidsinsamling av ansiktsbilder)
• AI visuell spelupplevelse: Färgspårning, Objektspårning (kamera PTZ spårar objekt i realtid), Robotarmhantering (QR-kod kommando-baserad hantering), Autopilot (anpassat färgval; följer en igenkänd färgväg)
• MoveIt robotarmkontroll: framåt/invers kinematikalgoritm, kartesisk banplanering, kollisionsdetektering, MoveIt-simulering
• Gestigenkänningskontroll (MediaPipe): handflatekontrollerad chassirörelse, geststyrda robotarmens åtgärdsgrupper, geststyrd chassirörelse, armattitydkontroll (robotarmen imiterar armens hållning och handflata öppna/stängda)
• MediaPipe-utveckling: gestigenkänning, ansiktsigenkänning, 3D-objektigenkänning (exempel visas: “SKO”, “STOL”, “KOPP”, “KAMERA”, etc.)
• Exempel på djupinlärning visade: KNN-igenkänning av handskrivna siffror; YOLO-objektigenkänning (anpassad objektigenkänning via träning av anpassade dataset med hjälp av YOLOv5-algoritmen)

Specifikationer

Versionsalternativ (Visas)

• Jetson Nano-version: Med Jetson Nano 4GB (SUB-version) / Utan Jetson Nano
• Raspberry Pi-version: Med Raspberry Pi 5-4GB / Utan Raspberry Pi (kräver Raspberry Pi med 4GB eller mer RAM)

Applikationer

• ROS-lärande och utveckling av robotrörelsekontroll
• Datorseendeprojekt (OpenCV), gestigenkänning (MediaPipe) och objektigenkänning (YOLO)
• Robotic arm-simulering och planeringsexperiment med MoveIt (kinematik, kartesisk planering, kollisionsdetektering)
• Fjärrkontroll och webbaserade programmeringskontrolldemonstrationer (APP-kontroll, Jupyter, ROS-systemkontroll)

Handledningar & Lärresurser

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

Kurskatalog (Visas)

• Introduktion av Transbot SE: Om Transbot SE; Försiktighetsåtgärder vid användning och batterisäkerhet; Första försöket
• Första försöket: WiFi-nätverkskonfiguration; APP-kontroll; USB trådlös handtagskontroll; Handtagsvideokontroll
• Hårdvarukontrollkurs: Om expansionskort och uppdatera firmware; Stäng av självstartande process; Installera Transbot SE-bibliotek; Kontrollera summer och knapp; Kontrollera PWM-servon; Kontrollera buss-servon; Kontrollera motor; Kontrollera robotrörelse
• Linux operativsystemkonfiguration: Installation och användning av virtuell maskin; Linux-grunder; Fjärrkontroll; Konfiguration av kommunikation mellan flera maskiner; Statisk IP och hotspot-läge; Webbsideövervakning i realtid; Expansionstutorial; Skriv systembilder
• Docker användning: Docker översikt och docker installation; Vanliga kommandon för dockerbildscontainrar; Djupgående förståelse av Docker-bilder och publicering av bilder; Docker hårdvaruinteraktion och databehandling; Starta Dobot-containern
• ROS Grundkurs: Introduktion till ROS; Projektfilstruktur; Vanliga kommandon och verktyg; Publisher; Subscribers; Anpassa ämnesmeddelanden och användning; Klient; Server; Anpassade tjänstmeddelanden och användning; TF-utgivning och övervakning
• OpenCV-kurser: Komma igång med Open Source CV; Open Source CV geometrisk transformation; Open Source CV bildbehandling och ritning av textlinjesegment; Open Source CV bildförsköning; AR-vision; AR QR-kod; ROS+Opencv grundläggande; ROS+Opencv tillämpning; MediaPipe-utveckling
• ROS robotkurs: PID-algoritm; Grundläggande kommunikation; Tangentbordsstyrning; Handtagskontroll; Robotstatusestimering; Datakalibrering
• ROS enkel kamerakurs: HD-kamera kalibrering; HD-kamera färgspårning; HD-kamera färgspårning (chassi); HD-kamera objektspårning; KCF målspårning; HD-kamera ansiktsspårning; HD-kamera robotarm bärande; HD-kamera Autopilot
• ROS robotarm kontrollhandledning: MoveIt konfiguration; MoveIt kontrollera den verkliga maskinen; MoveIt rör sig slumpmässigt; MoveIt kinematik design; MoveIt kartesisk väg; MoveIt undvikande; MoveIt scen design; MoveIt banplanering
• ROS multi-robot kontroll: Multi-robot kontroll; Multi-robot köprestanda; Multi-robot robotarm dans
• ROS robotarm MoveIt kontrollkurs: MoveIt konfiguration; MoveIt kontroll av den verkliga maskinen; MoveIt rör sig slumpmässigt; MoveIt kinematikdesign; MoveIt kartesisk bana; MoveIt undvikande; MoveIt scendesign; MoveIt banplanering; Mediapie handflatskontrollbil; Mediapipe gestkontroll robotarm; Mediapipe gestkontroll bil; Mediapipe armattitydkontroll
• Djupinlärningskurser: KNN känner igen handskrivna siffror; Grundläggande användning av TensorFlow; Grundläggande användning av PyTorch (jetson); yolov5 modellträning (jetson); yolov5+tensorrt acceleration (jetson); yolov4-tiny

Detaljer

Transbot SE är en spårad ROS robotplattform byggd för AI-visionsprojekt, med en helmetallkropp, en 3DOF-arm och en 2DOF kameragimbal.

En fullständig mjukvarustack stöder OpenCV-vision, MediaPipe geststyrning, YOLO-igenkänning och MoveIt-baserad simulering av robotarm.

Det spårade larvchassit och differentialdriften är designade för stabil rörelse på varierande inomhus- och utomhusytor.

Kompatibel med Raspberry Pi 5 för ROS-utveckling och smidigare ombordvisionsbearbetning.

Välj ett kit med Jetson Nano eller Raspberry Pi inkluderat, eller en version utan kort om du redan har din egen styrenhet.

Inbyggda OpenCV-demonstrationer inkluderar objektdetektering, AR-effekter med markeringsbrädor och QR-kodgenerering/igenkänningsarbetsflöden.

AI-visuellt spel lägger till färgspårning, PTZ-baserad objektspårning, QR-kommando plocka-och-placera och färgvägsautopilot.

MoveIt-integration stöder kinematik, kartesisk planering och kollisionskontroll för utveckling och simulering av robotarmar.

MediaPipe geststyrning möjliggör handflatestyrd rörelse samt gestutlösta robotarmsaktionsgrupper och hållningsspegling.

Exempelprojekt inkluderar gest/ansiktsigenkänning, 3D-objektetiketter, KNN-sifferigenkänning och YOLO-dataset-träningsexempel.

Använd fjärrkontrollappen för snabb körning, kamerafunktioner och interaktiva AI-lägen utan en fullständig skrivbordsinstallation.

Flera kontrollvägar stöds, inklusive Jupyter webbprogrammering, ROS-systemkontroll och plattformsoberoende sammankoppling.

En strukturerad kurskatalog vägleder installation, ROS-grunder, visionsfunktioner och avancerade kontrollämnen.

Handledningresurser finns tillgängliga online för att hjälpa till att bygga mjukvarumiljön och starta ROS- och visionsdemos snabbare.

Hårdvaruhöjdpunkter inkluderar 2DOF kamera PTZ, 3DOF seriell-buss arm, encoder motorer och ett valfritt ROS huvudkontrollkort.

Expansionskortets breakout förenklar kabeldragning för motorer, seriella enheter, USB-tillbehör och vanliga sensorer.

Detaljerade dimensioner hjälper till att planera monteringsutrymme, laboratorielayouter och tillbehörsintegration.

En komplett parametertabell jämför kontrollalternativ och sammanfattar ström, gränssnitt, operativsystem och monteringsdetaljer.

3DOF robotarmens dimensioner och nyckelservoparametrar (YB-SD15M leder och YB-S06 klo) hjälper med layoutplanering och strömval.

2DOF kamera PTZ-modulen inkluderar en 2MP 1080p USB 2.0 kamera och ett kompakt fäste med dimensioner märkta i millimeter för enklare integration.

520-kodaren med växelmotor använder en 12V borstdesign med ett 1:56 reduktionsförhållande och en Hall-kodare (3,3–5V), med en nominell hastighet på 205±10 rpm efter nedväxling.

12V 4400mAh litiumbatteripaketet använder en T-typ urladdningskontakt och listar 8,8A nominell och 10A max urladdningsström.

Yahboom Transbot SE ROS robotkit inkluderar ramen och toppplattan, spår och hjul, en 3DOF robotarm, 2DOF kamera PTZ, motorer, batteri, laddare och kablar.

Transbot SE ROS robotdelspaket inkluderar Jetson Nano eller Raspberry Pi alternativ med tillbehör som en kylfläkt, antenner och TF-lagring.