Yahboom Transbot SE ROS 機器人車配3自由度機械臂 & 2MP 雲台，適用於 Jetson Nano B01 / Raspberry Pi 5

概覽

Transbot SE 是一款 ROS 機器人車（履帶式平台），專為 AI 視覺和機器人開發而設計，適用於 Jetson Nano B01 或 Raspberry Pi 5。它採用全鋁合金機身，並整合了 3DOF 機械臂和 2DOF 攝像頭雲台，用於基於視覺的控制、跟蹤和使用 MoveIt 進行機械臂模擬。

需要幫助選擇版本（有/無 Jetson Nano 或 Raspberry Pi）或準備軟體環境？請通過https://rcdrone.top/ 或電子郵件[email protected]. 聯繫支持。

主要特點

• 履帶式底盤 ，具有差速履帶結構，適合越野駕駛
• 全鋁合金車身
• 3自由度機械臂 （智能串行總線伺服）用於抓取/處理和模擬工作流程
• 2自由度攝像頭雲台 ，配備200萬像素攝像頭 （水平/垂直旋轉）
• 520編碼器電機
• 內建AI視覺堆棧: OpenCV圖像處理、MediaPipe機器學習、YOLO物體識別和AI深度學習框架
• 互聯控制 選項顯示：遙控APP、Jupyter網頁編程控制、ROS系統控制、跨平台互聯控制、多車編隊控制
• 編程: Python編程和C++編程已指示

AI 視覺 & 控制功能（顯示）

• OpenCV 圖像處理: 物體檢測（識別特定物體類別）、AR 視覺（通過棋盤紙顯示 12 種效果）、AR 二維碼（生成和識別 AR 二維碼）、人臉識別（通過實時收集面部圖像進行自主訓練和實時識別）
• AI 視覺遊戲玩法: 顏色追蹤、物體追蹤（攝像頭雲台實時追蹤物體）、機械臂操作（基於二維碼命令的操作）、自動駕駛（自定義顏色選擇；沿著識別的顏色路徑行駛）
• MoveIt 機械臂控制: 正/逆運動學算法、笛卡爾路徑規劃、碰撞檢測、MoveIt 模擬
• 手勢識別控制 (MediaPipe): 手掌控制底盤移動，手勢控制機械臂動作組，手勢控制底盤移動，手臂姿態控制（機械臂模仿手臂姿勢和手掌開合）
• MediaPipe 開發: 手勢識別，面部識別，3D 物體識別（示例顯示：“鞋子”、“椅子”、“杯子”、“相機”等）。)
• 深度學習示例顯示: KNN 手寫數字識別；YOLO 物體識別（通過使用 YOLOv5 算法訓練自定義數據集進行自定義物體識別）

規格

版本選項（顯示）

• Jetson Nano 版本: 含 Jetson Nano 4GB（SUB 版本）/ 不含 Jetson Nano
• Raspberry Pi 版本: 含 Raspberry Pi 5-4GB / 不含 Raspberry Pi（需要 4GB 或以上 RAM 的 Raspberry Pi）

應用

• ROS 學習和機器人運動控制開發
• 計算機視覺項目（OpenCV）、手勢識別（MediaPipe）和物體識別（YOLO）
• 使用 MoveIt 進行機械臂模擬和規劃實驗（運動學、笛卡爾規劃、碰撞檢測）
• 遠程控制和基於網頁的編程控制演示（APP 控制、Jupyter、ROS 系統控制）

教程 & 學習資源

教程鏈接:http://www.yahboom.net/study/Transbot-SE

課程目錄（顯示）

• Transbot SE 介紹: 關於 Transbot SE；使用注意事項和電池安全；首次試用
• 首次試用: WiFi 網絡配置；APP 控制；USB 無線手柄控制；手柄視頻控制
• 硬件控制課程: 關於擴展板和更新固件；關閉自啟動過程；安裝 Transbot SE 庫；控制蜂鳴器和按鈕；控制 PWM 伺服；控制總線伺服；控制電機；控制機器人運動
• Linux 操作系統配置: 虛擬機安裝和使用；Linux 基礎；遠程控制；多機通信配置；靜態 IP 和熱點模式；網頁實時監控；擴展教程；寫入系統映像
• Docker 使用: Docker 概述和 Docker 安裝；Docker 映像容器的常用命令；深入了解 Docker 映像並發布映像；Docker 硬件交互和數據處理；啟動 Dobot 容器
• ROS 基礎課程: ROS 介紹；項目文件結構；常用命令和工具；發布者；訂閱者；自定義主題消息和使用；客戶端；服務器；自定義服務消息和使用；TF 發布和監控
• OpenCV 課程: 開源 CV 入門；開源 CV 幾何變換；開源 CV 圖像處理和繪製文本線段；開源 CV 圖像美化；AR 視覺；AR 二維碼；ROS+Opencv 基礎；ROS+Opencv 應用；MediaPipe 開發
• ROS 機器人課程: PID 算法；基本通信；鍵盤控制；手柄控制；機器人狀態估計；數據校準
• ROS 簡單攝影機課程: HD 攝影機校準；HD 攝影機顏色追蹤；HD 攝影機顏色追蹤（底盤）；HD 攝影機物體追蹤；KCF 目標追蹤；HD 攝影機人臉追蹤；HD 攝影機機械臂搬運；HD 攝影機自動駕駛
• ROS 機械臂控制教程: MoveIt 配置；MoveIt 控制實機；MoveIt 隨機移動；MoveIt 運動學設計；MoveIt 笛卡爾路徑；MoveIt 避障；MoveIt 場景設計；MoveIt 軌跡規劃
• ROS 多機器人控制: 多機器人控制；多機器人隊列性能；多機器人機械臂舞蹈
• ROS 機械臂 MoveIt 控制課程: MoveIt 配置; MoveIt 控制實機; MoveIt 隨機移動; MoveIt 運動學設計; MoveIt 笛卡爾路徑; MoveIt 避障; MoveIt 場景設計; MoveIt 軌跡規劃; Mediapie 掌控車; Mediapipe 手勢控制機械臂; Mediapipe 手勢控制車; Mediapipe 臂姿態控制
• 深度學習課程: KNN 識別手寫數字; TensorFlow 基本使用; PyTorch 基本使用 (jetson); yolov5 模型訓練 (jetson); yolov5+tensorrt 加速 (jetson); yolov4-tiny

詳情

Transbot SE 是一款履帶式 ROS 機器人平台，專為 AI 視覺項目而設計，具有全金屬機身、3DOF 機械臂和 2DOF 攝像頭雲台。

完整的軟體堆疊支持OpenCV視覺、MediaPipe手勢控制、YOLO識別和基於MoveIt的機械臂模擬。

履帶式底盤和差速驅動設計用於在各種室內和室外表面上穩定移動。

兼容Raspberry Pi 5，用於ROS開發和更流暢的板載視覺處理。

選擇包含Jetson Nano或Raspberry Pi的套件，或者如果您已經有自己的控制器，則選擇無板版本。

內建OpenCV演示包括物體檢測、帶標記板的AR效果和QR碼生成/識別工作流程。

AI視覺遊戲玩法增加了顏色追蹤、基於PTZ的物體追蹤、QR命令的取放操作和顏色路徑自動駕駛。

MoveIt集成支持運動學、笛卡爾規劃和機械臂開發與模擬的碰撞檢查。

MediaPipe 手勢控制支持手掌驅動的移動以及手勢觸發的機械臂動作組和姿勢鏡像。

示例項目包括手勢/面部識別、3D 物體標籤、KNN 數字識別和 YOLO 數據集訓練示例。

使用遙控應用程序進行快速駕駛、相機功能和互動式 AI 模式，無需完整的桌面設置。

支持多種控制路徑，包括 Jupyter 網頁編程、ROS 系統控制和跨平台互聯。

結構化課程目錄指導設置、ROS 基礎、視覺功能和高級控制主題。

在線提供的教程資源有助於更快地構建軟件環境並啟動 ROS 和視覺演示。

硬體亮點包括2DOF攝像頭PTZ、3DOF串行總線機械臂、編碼器馬達和可選的ROS主控板。

擴展板突破簡化了馬達、串行設備、USB外設和常見傳感器的佈線。

詳細尺寸有助於規劃安裝空間、實驗室佈局和配件整合。

完整的參數表比較控制器選項，並總結了電源、介面、操作系統和組裝細節。

3DOF機械臂尺寸和關鍵伺服參數（YB-SD15M關節和YB-S06爪）有助於佈局規劃和電源選擇。

2DOF攝像頭PTZ模組包括一個2MP 1080p USB 2.0攝像頭和一個緊湊的安裝座，尺寸以毫米標示，便於整合。

520 編碼器齒輪馬達採用 12V 有刷設計，具有 1:56 減速比和霍爾編碼器（3.3–5V），減速後額定轉速為 205±10 rpm。

12V 4400mAh 鋰電池組使用 T 型放電插頭，列出 8.8A 額定放電電流和 10A 最大放電電流。

Yahboom Transbot SE ROS 機器人套件包括框架和頂板、履帶和輪子、3DOF 機械臂、2DOF 攝像頭雲台、馬達、電池、充電器和電纜。

Transbot SE ROS 機器人零件包包括 Jetson Nano 或 Raspberry Pi 選項，配有散熱風扇、天線和 TF 存儲等配件。