在本教程中，我们将学习如何使用铝型材和3D打印零件来构建4WD机器人底盘。
几周前，我建立了一个 避障机器人 在2WD塑料平台上。该平台运行良好，但是在空间和功能方面受到限制。
4WD底盘易于设计，易于构建，坚固耐用，并且我们有许多选择来连接不同的零部件。
这种平台有许多可能的设计。但是作为一名工程师，我从一组特定的要求开始，以构建一个能够托管不同的传感器，微控制器和计算机的平台。而且，3D打印部件使我可以使用不同的设计来生产最终的4WD机器人底盘。
重量分布是机箱结构设计决策中的关键因素。机箱正面和背面的重量分配相等。因此，重量分布不会影响机器人的各种特性，包括操纵，牵引和加速。
在本教程的其余部分中，您将：
1. 了解如何用铝型材构建机箱框架
2. 如何构建驱动系统
3. 测试平台
4. 下一步
当我最初对LIDAR技术感兴趣时，我不知道从哪里开始。我不知道要使用哪个传感器。我不知道我发现的LIDAR传感器可以在室内还是室外使用。
我希望有这样一个清单，详细列出在机器人导航中同时用于定位和地图（SLAM）或障碍物检测的传感器。
如果您认为我遗漏了重要的内容，请在评论中给我留言或给我发送电子邮件。
LIDAR（光检测和测距）传感器在机器人技术中用于确定物体与传感器的距离。传感器使用激光束检测和跟踪障碍物。
在本文的这一部分中，您会发现小型传感器非常适合安装到伺服电机上来回扫描以避开障碍物。
这些传感器是基于飞行时间原理的单点激光雷达。测量的距离可能会受到环境照明强度和被检测物体反射率的影响。
Qwiic LIDAR-Lite v4
Qwiic LIDAR-Lite v4
迷你版–微型LiDAR模块（Qwiic）
迷你版–微型LiDAR模块（Qwiic）
在本教程中，您将学习如何使用rosserial通信发布三个HC-SR04传感器的范围，包括：
1.三个超声波传感器和Arduino。
2.如何在Arduino上编写ROS节点并发布传感器范围。
3.如何在Raspberry Pi上识别Arduino板并通过rosserial运行ROS节点。
4.如何使用Linux终端显示范围。
传感器，Arduino和Raspberry Pi之间的数据流图
不同的项目可能有不同的要求。在本教程的最后，您将拥有一个灵活的结构，可以添加更多的传感器，或者仅使用一个传感器，或者使用另一种类型的传感器（例如，红外传感器）。
您无需具备有关ROS的丰富知识即可了解本教程。您需要的是一台Raspberry Pi 4之类的计算机，该计算机运行ROS，传感器，Arduino和学习和构建的时间。
我们走得更远，学习如何在Arduino上编写ROS节点，并使用ROS的sensor_msgs / Range消息类型发布传感器的范围。 阅读更多→
在本教程中，您将学习如何使用Garmin（Qwiic）LIDAR-Lite v4 LED入门，包括：
1. 如何将LIDAR-Lite v4连接到Arduino。
2. 如何使用传感器的参数。
3. 传感器的操作检测范围。
Garmin（Qwiic）LIDAR-Lite v4 LED是一种LIDAR（光检测和测距）系统，它使用回声定位来检测物体。该传感器采用小型封装，可提供高精度和低功耗。
像所有LIDAR-Lite系列产品一样，该传感器可替代昂贵的传感器 激光LIDAR传感器和the very cheap –但噪音影响且范围低– 红外线和超声波传感器。由于我计划将来在室内和室外机器人中使用基于激光的传感器，因此，我首先想了解一下是否可以在室内使用使用LED和光学器件代替激光的最便宜版本来构建2D障碍物检测系统。
在本教程中，我购买了LIDAR-Lite v4的Qwiic版本。 LIDAR-Lite v4传感器有两个版本： 带Qwiic连接系统的传感器和没有连接系统的传感器。 Qwiic系统提供了与开发板的便捷接口。
Garmin_LIDAR-Lite_v4 + Arduino +电池+降压DC-DC转换器
传感器使用LED，光学元件和接收器来测量光线的飞行时间。它发送近红外光并在目标物体反射后寻找其接收。传感器使用已知的光速计算光束的透射与响应之间的时间延迟。 阅读更多→
在本教程中，您将学习如何使用Arduino和三个HC-SR04超声波传感器构建障碍物检测和躲避机器人。该机器人是具有两个驱动轮和一个后脚轮的低成本移动平台。它包括三个传感器，可感知环境中的障碍。
机器人在不知道周围详细地图的情况下导航。如果在其路径中检测到障碍物，则机器人会调整其速度以避免碰撞。如果周围环境没有障碍物，则机器人只会向前移动，直到在传感器范围内检测到障碍物为止。
主要组件清单：
首先，我们需要定义输入以了解机器人从何处将信息带入其系统。该检测和避免机器人将具有两种类型的输入。
1. 最直接的输入是将用于打开和关闭电动机驱动器的开关按钮，以及用于电池组为Arduino板和传感器供电的电源开/关按钮。
2. 机器人通过传感器看到世界，这是将信息带入控制系统的方式。传感器是机器人的第二个输入。传感器使机器人能够检测并响应周围的环境。传感器使机器人能够安全地操作，自动检测障碍物并动态改变其路线。
机器人使用传感器来测量机器人和障碍物之间的距离。如您所知，房屋内部是大小不同的不同物体，它们是由多种材料制成的。机器人可以检测来自不同材料的物体，例如木椅或沙发床。
一旦机器人检测到障碍物，该算法就会根据传感器的最新输出来计算替代路径。如果对象位于平台的左侧，则机器人会动态地将其方向向右移动，直到传感器不再检测到障碍物为止。当传感器检测到右侧的障碍物时，行为相同。
如果传感器在机器人中间检测到障碍物’路径，然后算法会随机地向左或向右更改方向，直到传感器不再检测到障碍物为止。
我们完成了为自主机器人定义输入类型的操作。输入是必不可少的，输出也是必不可少的。
障碍物检测和躲避机器人具有一种输出。
3. 移动机器人使用两个直流电动机，平台的每一侧各一个。每个电动机都经过单独编程，可以使机器人沿任何方向移动以进行旋转和枢转。
为了完全控制直流电动机，我们必须控制速度和旋转方向。这可以通过组合用于控制速度的PWM方法和用于控制方向旋转的H桥电子电路来实现。
一旦完成输入和输出的定义，我们便会进一步将障碍检测和躲避机器人分解为简单的片段，并一步一步地对其进行处理。 阅读更多→
障碍物检测适用于从初始位置移动到目标位置并避免其路径上有任何障碍物的任何机器人。检测障碍物的过程已应用于各种机器人，包括移动机器人和机械臂。在本教程中，您将学习如何 将HC-SR04传感器与Arduino一起使用 并确定在某些条件下传感器的检测范围。
不同的项目可能有不同的要求。在本教程的最后，您将拥有一个灵活的结构，可以在不同的机器人中使用，并可以添加更多的传感器，或者仅使用一个传感器，或者使用另一种类型的传感器（例如，红外传感器）。
如果您打算以高效且专业的方式构建高级机器人，那么这就是您可以开始的地方。
在开始连接传感器并编写第一行代码之前，请确保我们具有所有硬件部件。这是我用来编写教程的硬件列表：
在本文的这一部分中，我将向您展示如何将一个HC-SR04传感器连接到Arduino并编写读取和转换传感器输出的Arduino草图。
目前，我使用USB电缆为Arduino UNO供电。个人计算机或笔记本电脑的5V USB端口可提供足够的功率来运行5V Arduino和三个超声波传感器。
以上设置仅用于连接和测试超声波检测系统。当传感器和Arduino板安装在移动机器人上时，整个检测系统将依靠电池运行。
首先，让我们看一下HC-SR04规格：
传感器的工作电压与Arduino 5V输出引脚相同–直流5V。超声波传感器的工作电流为15mA，即使将Arduino连接到计算机的USB端口，它也可以支持。 Arduino UNO的5V输出引脚适用于USB上的约400 mA，使用外部电源适配器时约900 mA。在这一步，我们将仅考虑这两个规格，并开始将传感器连接到板上。
对于连接，我使用母对公跳线，面包板，一个HC-SR04和一个Arduino UNO板。
连接方式：
HC-SR04传感器连接到Arduino UNO
一旦传感器连接到Arduino板，我们就可以开始编写草图以读取输出并转换传感器的读数。为了编写草图，我使用了Arduino IDE。我喜欢使用简单的工具，并且不花时间在定制和配件上。目前，Arduino IDE在微控制器编程方面满足了我的需求。
在编写第一行代码之前，我们先概述一下超声波传感器的工作原理。
它会在空中传播声波（根据规格至少持续10us），如果有物体反射声波，则传感器会测量声波返回到接收器所花费的时间。为了计算传感器与检测到的物体之间的距离，我们考虑了传播时间和声音的速度。 阅读更多→
建立自主机器人的过程始于将第一个传感器或执行器安装在机箱上。构建过程需要硬件和软件设置，这是本文的主题。
第一步是设置并安装计算机，该计算机将管理硬件组件并运行算法来控制机器人。对于您可以在本网站上找到的机器人项目（至少在开始时），我将使用Raspberry Pi作为机器人顶部的主计算机。
不同的项目可能有不同的要求。因此，我曾经使用过最强大的Pi版本：具有4GB RAM的Raspberry Pi 4 ModelB。该版本能够运行ROS，检测对象的算法以及深度学习算法。
Raspberry Pi 4套件
在这篇文章的结尾，您’将使Raspberry Pi准备运行Python算法，从单板微控制器发送和接收数据，并安装远程访问服务。
我将帖子分为六个部分，以便能够从一个主题切换到另一个主题，或者忽略特定主题的安装。我从安装操作系统的必需步骤开始，然后继续安装框架和工具。
我相信每个人都应该能够建造机器人。因此，即使您是初学者还是高级用户，您都可以在Pi上运行所有软件和框架。您需要做的就是仔细阅读并遵循本教程中的所有步骤。
我使用本教程的目的是拥有一台可靠的计算机，您将使用它来构建自主机器人并在需要的时间内保持运行状态，而不会出现任何超时。
如果您认为这篇文章很长，并且可能使您被封锁数小时（也许一天），那么您可能有另一种选择。您可以找到运行ROS的已准备映像的列表。显着的优势在于，您将在几分钟内启动并运行Pi，但代价是没有本文中涉及的所有框架和工具。
我们离开始安装非常接近，但是首先，我们必须定义所有必需的硬件资源和规格。我已经提到了本文中使用的Pi版本。以下是使用的所有硬件组件和附件的完整列表。
组件清单：
如果您已经拥有Raspberry Pi 4（具有1,2或4GB RAM的任何版本），microSD卡和电源，请检查规格，并确保使用兼容Pi 4的电源和microSD来自的卡片 这个清单。如果不是这样，则在安装过程中可能会出现各种错误，本教程将不涉及这些错误。
获得硬件组件和配件的列表后，就可以开始设置和安装过程。
用于原型机器人的4WD Mecanum车轮底盘
Mecanum轮对于提高机器人的可操纵性非常有用。这些轮子带有45º滚子，这些滚子可以独立移动，并且可以使机器人向前，向后，侧向，对角线或旋转到位。但是请不要’不要与全向轮混淆。麦克纳姆轮与全向轮不同，但结果几乎相同。根据哪个车轮朝哪个方向旋转，机器人将更改航向或旋转到位。
该套件包括一个带有四个马达和麦克纳姆轮的铝制底盘。机箱提供了足够的空间来添加传感器（如LiDAR或摄像头）以实现计算机视觉，以及计算机（如Raspberry Pi或Nvidia Jetson）和电池。
电机附带编码器。有了编码器，您可以添加IMU传感器并创建房间地图。这使将底盘变成能够在公寓，建筑物或工厂车间的光滑表面上导航的自主机器人的工作变得更加容易。
与麦克纳姆轮相比，麦克纳姆轮有一些缺点“normal” wheels that we’重新用于我们的汽车或购物车。当机器人试图越过倾斜的地板时，这些轮子往往会左右摇摆。同样，麦克纳姆轮也因失去牵引力而闻名。
套件 价格合理（在美国为75.99美元）。
[形象功劳]
Nvidia DeepStream是一套能够分析实时视频/图像流和多传感器处理的工具。 Azure IoT Central是Microsoft提供的云计算平台，可通过Internet访问服务器，存储，网络和软件。在教程中 Nvidia DeepStream与Azure IoT Central的集成，Paul DeCarlo结合了这两种技术，并向我们展示了如何使用Microsoft的云在Nvidia Jetson设备上为DeepStream启用远程交互和遥测。
如果您将这种软件和硬件组合在一起使用，可能会很有用 ’在Nvidia Jetson上运行机器人。我们可以应用教程中的知识，并为运行AI软件和ROS的机器人构建监控应用程序。
我尝试优化我的工作。甚至涉及用于打印3D零件，学习新事物或编写软件的CAD设计。一世’在编写Python脚本方面是新手，有时语法使我头疼。以下视频介绍了程序员在编写Python脚本时犯的常见错误。它可以帮助我理解为什么行缩进时会出现很多错误。
错误之一： 使用Tab键或空格进行缩进。 Corey建议使用IDE进行缩进。
使用IDE编写Python脚本是更简单的方法。通常，我通过SSH在Python中编写ROS节点。所有这些节点都在Raspberry Pi上运行。我用‘nano’通过SSH连接创建和写入python文件。我无法通过SSH使用Python IDE，因为此连接无法’提供GUI资源。
当你’在机器人上工作，唐’如果您需要太多的硬件和软件资源，则必须找到解决方案。对于通过SSH编写Python脚本的程序员，我有一个建议和一个建议：
1.唐’t mix ‘tab’ 和 ‘space’ indentations in 纳米 editor:
这是我反射引起的常见错误。有时候我’m lost in writing the program 和 I mix the Tab 和 空间 keys for indentation. I change in 纳米 the 标签 character 空间s to 4 和 everything works without syntax mistakes if I use only the 标签 key for indentation.
2. change the 纳米 editor with an IDE 和 use git:
这是一个主意：在Windows PC上编写Python脚本，提交到git，然后通过SSH连接以克隆git软件包。这样，我将减少语法错误。同时，例如，如果我仅提供一行新代码，则将花费更多时间来检查其是否有效。我没有’t测试此方法。如果有人在Raspberry Pi上使用此方法，请在此方法的优缺点旁发表评论。