# 基于 myir linux 环境下开发的智能ros运输机器人 **Repository Path**: kddymo/A1-project01 ## Basic Information - **Project Name**: 基于 myir linux 环境下开发的智能ros运输机器人 - **Description**: 基于瑞萨 R7F6M5 （MCU）和瑞米派 Cortex－A（linux）平台，开发了一款搭载激光雷达 MS200 的 ROS2 自主运输车，另外集成了带编码器电机、机械臂与 K210。该车利用 SLAM 实时生成环境地图并获取点云数据，结合 Navigation2 实现复杂环境中的精准路径规划与导航。 - **Primary Language**: C - **License**: AGPL-3.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-09-17 - **Last Updated**: 2025-09-17 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 基于 myir linux 环境下开发的智能ros运输机器人 #### 介绍 基于瑞萨 R7F6M5 （MCU）和瑞米派 Cortex－A（linux）平台，开发了一款搭载激光雷达 MS200 的 ROS2 自主运输车，另外集成了带编码器电机、机械臂与 K210。该车利用 SLAM 实时生成环境地图并获取点云数据，结合 Navigation2 实现复杂环境中的精准路径规划与导航。 摘 要 项目内容： 基于瑞萨R7F6M5单片机和瑞米派Cortex-A平台，开发了一款搭载激光雷达等传感器的ROS2自主运输车。该车利用SLAM技术实时生成环境地图并获取点云数据，结合Navigation2实现复杂环境中的精准路径规划与导航。 负责工作： 负责基于Linux上位机的功能开发，实现机器人自主导航和SLAM建图，处理并传输SLAM点云数据至上位机进行分析。利用ROS2的SLAM（Grampping）和Navigation2框架，完成机器人在动态环境中的自主建图与导航。在下位机MCU（R7F6M5）开发中，编写四驱带编码器电机的运动控制代码，同时使用PID控制运动姿态保持精确稳定，并且实现底层硬件控制和上下位机数据通信，确保机器人按指令运动。此外，采用Solidworks设计机器人外观，并构建RVIZ中的URDF模型，确保仿真与现实模型一致，准确反映机器人运动状态。 关键字：ROS2humble+Slam(Grampping)+Navigation2 --- 本作品以物联网与数字经济为主题，以物流机器人为载体，旨在解决当前劳动人力不足的挑战，并通过网络和网站平台的控制，实现智能搬运快递的功能，提高工作效率，改善生活。 本系统由米尔RZ/G2L开发板瑞米派双核A55Remi Pi开发板，瑞萨RenesasRA6M5B7为主控，TOF激光雷达，OpenCV图像处理，机器视觉， ATGM332D定位模块，SU03T语音模组，HC-08蓝牙模组，LX-824串行总线舵机，8寸液晶屏，ESP32-CAM，ESP8266-WIFI，霍尔编码器及直流减速电机四轮驱动为结构组成的智能ROS机器人。 本作品通过在A55Remi Pi开发板搭建ROS2系统，利用激光雷达进行SLAM建图导航，视觉识别识别快递，在精确定位后完成快递识别-快递抓取-快递运输的流程操作，实现独立自主运动。同时兼具GPS定位位置，语音控制，实时图传，WIFI平台通信等等功能。利用多种远距测量优化算法，视觉识别计算和PID控制，最终达到智能抓取式机器人。 本系统经过相关调试，智能机器人具有运动稳定，抓取有力，算法优良的特点。 关键词： A55Remi Pi开发板 机器视觉 激光雷达 PID算法 物联网 Intelligent Logistics Robot This work is centered on the themes of the Internet of Things and the digital economy, utilizing logistics robots to tackle the current challenge of labor shortages. By leveraging network and website platform control, it aims to implement intelligent package handling, thereby enhancing work efficiency and improving quality of life. The system consists of a Mill RZ/G2L development board (Remi Pi dual-core A55), Renesas RA6M5B7 as the main controller, TOF laser radar, OpenCV for image processing, machine vision, ATGM332D positioning module, SU03T voice module, HC-08 Bluetooth module, LX-824 serial bus servos, an 8-inch LCD screen, ESP32-CAM, ESP8266-WIFI, Hall encoder, and four-wheel drive DC gear motors, forming an intelligent ROS robot. This work establishes a ROS2 system on the A55 Remi Pi development board, using laser radar for SLAM mapping and navigation, along with visual recognition to identify packages. Once precise localization is achieved, the system executes a workflow comprising package identification, grabbing, and transportation, thus enabling autonomous movement. In addition, it supports functionalities such as GPS positioning, voice control, real-time image transmission, and communication via a WIFI platform. Utilizing various distance measurement optimization algorithms, visual recognition calculations, and PID control, the system ultimately realizes an intelligent robotic gripper. After extensive debugging, the intelligent robot demonstrates stable movement, strong gripping ability, and highly effective algorithms. 原创性声明 谨声明本作品报告所阐述的参赛作品，独立进行研究所取得的真实成果，从创意到实现均为原创。 除作品报告中已注明引用的内容外，参赛作品中不含任何其他个人或集体已经发表或撰写过的作品成果。本团队对该作品拥有完整、合法的著作权及其他相关权益。 本团队及作品严格遵守全国大学生电子设计竞赛组织委员会和信息科技前沿专题赛分组委会颁布的相关规定，并且无侵害他人合法权益行为和违反相关法律法规行为。 2. 作品设计与实现 团队设计并完成了一款基于物联网与数字经济主题的智能物流机器人。该机器人采用米尔RZ/G2L开发板瑞米派双核A55Remi Pi作为主控，基于ROS2机器人开发框架，并结合机械臂抓取、AI视觉识别、激光雷达SLAM建图导航、智能语音模块、视觉模块、WIFI模块、定位等多项功能，实现了智能搬运货物的功能。结合物联网，实现网络平台搭建，为客户打造客户端，和数据分析界面，实现社会数字经济。 设计目的实现其抓取视觉识别货物，自主寻找最佳路径将货物送往目的点。 ![输入图片说明](.gitee/image.png) 2.1 软件部分设计与实现 2.1.1自主导航实现 方案设计采用了ROS2中自带的导航系统框架，实现能够通过一种安全的方式使移动机器人从起点A移动到目的点B。Nav2可以完成动态路径规划、计算电机速度、避开障碍物和恢复结构等行为,使用树（Behavior Trees）调用模块化服务器来完成一个动作。动作可以是计算路径、控制工作（control efforts）、恢复或其他与导航相关的动作。这些动作都是通过动作服务器与行为树（BT）进行通信的独立节点。 ![输入图片说明](.gitee/image2.png) （1）ROS2系统搭建 由于板卡开发使用了官方所给的Ubuntu系统，该系统基于Ubuntu22.04开发，因而搭建ROS2，而由于板卡资源有限，因而在开发过程中所移植的ROS极大的减少了不必要的ros软件包和依赖，并且减少ROS的节点数量,同时利用容器减少资源使用。上位机只负责数据处理与发布，而电机等则交给下位机瑞萨板卡处理。 （2）车辆URDF模型设计 使用soildworks设计模型，利用URDF插件生成URDF文件，并在工作空间中的功能包中的launch文件中启动RVIZ，使得其自动载入解析urdf文件，显示机器人模型。 ![输入图片说明](.gitee/image3.png) 图3 solidworks建模设计图 （3）激光雷达Gmapping建图 在诸多建图的算法中，我们选择gmapping的slam算法并根据移动机器人里程计数据和激光雷达数据来绘制二维的栅格地图。 编写gmapping节点的相关launch文件（详细代码见附录）: 执行前先进入容器，启动编写好的底层数据程序，启动rviz可视化建图，再运行编写好的建图节点，开始建图。使用键盘控制小车在要建图的区域行走，雷达扫描建图并保存map地图生成.pgm与.yaml文件。 （4）定位与自主导航 方案选择利用navigation中提供的amcl 功能包用，于实现导航中的机器人定位，该功能包已经适应KLD采样和蒙特卡洛定位方法，根据已有地图使用粒子滤波器推算机器人位置。虽然里程计本身也是可以协助机器人定位的，不过里程计存在累计误差并且车轮打滑会出现定位错误的情况，amcl 则可以通过估算机器人在地图坐标系下的姿态，再结合里程计提高定位准确度。 运行程序，RVIZ加载地图。在rviz界面中，用【2D Pose Estimate】工具给定小车初始位姿，然后用【2D Goal Pose】工具给定小车一个目标点。之后小车会结合自身环境，会规划出一条路径并且根据规划的路径移动到目的地，期间如果遇到障碍物，会自助避障到达目的地后停车执行机械臂的操作。 1. 使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md 2. Gitee 官方博客 [blog.gitee.com](https://blog.gitee.com) 3. 你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解 Gitee 上的优秀开源项目 4. [GVP](https://gitee.com/gvp) 全称是 Gitee 最有价值开源项目，是综合评定出的优秀开源项目 5. Gitee 官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help) 6. Gitee 封面人物是一档用来展示 Gitee 会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)