继续接着上篇讲述，本课题的上本部分主要研究各个功能区的机械结构设计，但是作为机器人的灵魂部分——控制，是必不可少的，本篇主要讲解所研究的控制部分，将分成各个层面进行说明。
一、气压检测模块
RSCM17100KP090-V10气压传感器模块可测试-90kpa到0kpa的气压值，并输出一个成线性关系的模拟电压，MCU的ADC口可以直接读取和判断，接于硅胶吸盘和电池阀之间，检测药丸是否吸取成功。
图1. 气压传感器模块
二、步进电机
使用42步进闭环电机驱动器模块，其中功能有：FOC矢量控制，力矩、速度、位置三环控制；支持开环、矢量闭环、串口控制三种控制模式；支持1-256任意细分，支持0.9度和1.8度最小转动角度控制，能够精确控制药盘和往复机构转动。
图2. 42步进闭环电机驱动模块
表1. 电机性能参数
图3. 电机规格设计
三、DC-DC直流可调降压模块
由于履带底盘的减速电机额定功率为120W，因此选择这款ZS-Q5 200W可调同步降压模块，尺寸大小为70mm*mm*mm，输入电压为8-55V，输出电压1-32V连续可调，输出额定电流为10A，转换效率高达94%，大大降低了能源的转换损失，同时模块自带过电流保护和反极性保护，防止电压电流过大，烧毁其他模块。
图4. DC-DC直流降压模块
四、履带底盘驱动部分
1.双通道电机调速模块
考虑到履带底盘减速电机负载转动所需功率过大，一般的减速电机无法提供强劲动力，因此选用这块APO-D1直流有刷电机调速和换向控制器，为履带车底盘提供恒定电流的同时，能稳定的控制电机的转速以及电机的正反转。
表2. 电机额定参数表
图5. APO-D01直流有刷电机调速模块
图6. 模块设计规格图
2.Arduino与L298N模块
L298N模块是一种双H桥电机驱动芯片模块，其中每个H桥可以提供2A的电流，功率部分的供电电压范围是2.5-48V，逻辑部分5V供电，接受5VTTL电平；一般情况下，功率部分的电压应该大于6V，否则芯片不能正常工作。
图7. L298N PCB原理图
图8. L298N 实物图
Arduino与L298N电机驱动模块和直流电机接线具体步骤为：
（1）将数字3、4脚接L298N模块的IN1和IN2（逻辑输入）脚；
（2）10接ENA脚（通道A使能）电机接OUT1和OUT2输出口；【如下简图所示】
图9. Arduino与L298N模块和电机接线图
（3）把控制板上的GND和VCC分别接到L298N驱动模块上的供电GND和板载5V；【如下简图所示】
图10. Arduino和L298N模块接线图
（4）编写代码。（代码就不在这里放啦，需要的小伙伴评论联系我喔~）
五、Arduino Nano与SIM800C模块实现拨打电话功能（急救120）
从某种意义上来讲，SIM800C卡是一个服务器，MCU像一个客户机，发送AT指令给SIM800C，SIM800C回复信息给MCU。
图11. SIM800C开发板原理图
Arduino Nano和SIM800C的接线：（注：SIM800C可以与5V的单片机连接也可以和3.3V的单片机连接，我在这里选择的Arduino Nano产品是一个5V的单片机，如果是使用5V的MCU，可以用MCU的电源，为SIM800C供电，但这里要注意的是：SIM800C的电源是有要求的，一般要求是在5V电源情况下能达到500mA，甚至有时会超过500mA，用一般的USB 5V供电不能保证电源满足确切需求。）
接线端子5V：外接5V电源 V_TTL：MCU电源
GND:接地 TXD:连接MCU的接收端，SIM800C串行通讯的发射端（在这里是连接MCU的端子10，是MCU的RX）
RXD:连接MCU的，SIM800C串行通讯的接收端（在这里是连接MCU的端子11，MCU的TX）
这里要注意的是MCU的端口要互换，TXD<一>RX,RXD<—>TX.【接线实物图如下所示】
图12. Arduino Nano接线图
关于拨打电话的部分，利用LU-ASR-01语音模块通过TX输出给Arduino Nano单片机RX接受信号，再由Arduino Nano单片机给SIM800C发出AT指令从而完成整个电话的拨打过程。
六、Arduino与LU-ASR-01语音模块
LU-ASR-01语音模块烧写编译软件为专用软件——天问BLOCK软件，利用字符和图形化编程实现控制语音的指令的发出。
I/O输出配置介绍：
一共8个I/O，1路串口TXD，1路传感器接口；其中I/O1-I/O6可以输出PWM信号，I/O7、I/O8不能输出PWM信号，DHT接口可接DHT11模块或DS18B20模块，对应的软件上要选对传感器型号和播报类型，DHT11是选择温度进行播报，DS18B20是选择温度进行播报。
图13. Arduino和SIM800C和LU-ASR-01语音模块接线工作方式
I/O输出特性：
高电平：持续电平信号-3.3V 低电平：持续电平信号-0V
高脉冲：需要配置高电平的时间 低脉冲：需要配置低电平的时间
持续的舵机信号：信号一直保持，舵机转到一定角度保持 舵机信号n秒：频率2Hz、100Hz、1KHz、100KHz可选，占空比5%-95%可选；每一个识别词条后面都可以输出一个串口信号，
可以是字符或16进制，串口波特率1200-115200可选。
七、药品图像检测——YOLOv5
图像处理部分主要通过YOLOv5在Openvino上部署推理，实现目标检测，这部分代码主要是用C++和Python编写，在实现整个功能前，先要完成数据采集、格式转换、模型文件配置和训练模型测试转化以及部署的一系列步骤，最终完成对药品的检测和识别。
我给各个常备药品和需要的急救药品各拍了200张左右的图片进行图像训练，并传输到深度相机上，进行实时检测识别，训练时长近8个小时左右，效果如下图：
图14、15. 药品在电脑自带摄像头下（未接深度相机时）的实时检测
图16. YOLOv5训练结果
【这里就不详细说明过程了，如果想详细了解可以翻阅我之前写的文章有关于YOLOv5的详解，文章链接放在这里啦~】
https://www.guyuehome.com/38482
https://www.guyuehome.com/38968
八、基于ROS的路径规划
1.Dijkstra算法的设计与实现
Dijkstra算法是求一个图中一个点到其他所有点的最短路径的算法（有了解过数据结构中邻接矩阵的小伙伴可能更容易听明白些~），此算法是一个基于贪心、广度优先搜素、动态规划，求一个图中一个点到其他所有的点的最短路径的算法；其要点是：每次从（未求出最短路径的点）中取出举例起点最短路径的点，以这个点为桥梁刷新（未求出最短路径的点）的距离。【以下是部分示例代码（Java）】
public class Dijkstra {
public static int[] dijkstra(int[][] graph,int startVertex){
//初始化 以求出最短路径的点 result[]
int length = graph.length;
int[] result = new int[length];
for (int i = 0; i < length; i++) {
result[i] = -1;
}
result[startVertex] = 0 ;
// 初始化 未求出最短路径的点 notFound[]
int[] notFound = new int[length];
for (int i = 0; i < length; i++) {
notFound[i] = graph[startVertex][i];
}
notFound[startVertex] = -1;
// 开始 Dijkstra 算法
for (int i = 1; i < length; i++) {
//1. 从「未求出最短路径的点」notFound 中取出 最短路径的点
//1.1 找到最短距离的点
int min = Integer.MAX_VALUE;
int minIndex = 0;
for (int j = 0; j < length; j++) {
if (notFound[j] > 0 && notFound[j] < min){
min = notFound[j];
minIndex = j;
}
}
//1.2 将最短距离的点 取出 放入结果中
result[minIndex] = min;
notFound[minIndex] = -1;
//2. 刷新 「未求出最短距离的点」 notFound[] 中的距离
//2.1 遍历刚刚找到最短距离的点 (B) 的出度 (BA、BB、BC、BD)
for (int j = 0; j < length; j++) {
// 出度可通行(例如 BD:graph[1][3] > 0)
// 出度点不能已经在结果集 result中(例如 D: result[3] == -1)
if (graph[minIndex][j] > 0
&& result[j] == -1){
int newDistance = result[minIndex] + graph[minIndex][j];
//通过 B 为桥梁，刷新距离
//（比如`AD = 6 < AB + BD = 4` 就刷新距离）（ -1 代表无限大）
if (newDistance < notFound[j] || notFound[j]==-1){
notFound[j] = newDistance;
}
}
}
}
return result;
}
/** 测试案例 */
public static void main(String[] args) {
char[] vertices = new char[]{'A','B','C','D'};
int[][] graph = new int[][]{
{0, 2, -1, 6}
, {2, 0, 3, 2}
, {-1, 3, 0, 2}
, {6, 2, 2, 0}};
int[] dijkstra = dijkstra(graph, 0);
for (int i : dijkstra) {
System.out.println(i);
}
}
}2.基于Dijkstra的ROS导航
ROS Navigation包里面的Global Planner自带是提供了两种全局路径规划的方法，Dijkstra和A*，评估函数f(n)=g(n)+h(n)，g(n)为起点到已经搜索过大的节点的代价值，h(n)为当前节点到目标节点（终点）的值，当g(n)=h(n)的时候就为Dijkstra算法，效果图如下所示：
图17. ROS的效果图
九、触摸屏的设计
触摸屏大小为7寸，触摸屏桌面运用Python的turele库编写动画程序作为桌面展示动画，并用pyqt5编写多个界面，实现取药、放药等功能，这些最后通过旭日X3派反馈到触摸屏上，实现人机交互界面，详细展现效果见下图：
图18. Python—turtle库编写的动画界面
图19. pyqt5编写的多个人机交互界面（药品识别和取药、放药界面）
十、整体展示
图20. 智能机器人整体外观展示
有关于如何脱机依赖于旭日X3派做主控制板的文章大家敬请期待~此篇中有关于旭日X3派的运用部分在之前进行X3派体验篇的时候有讲到喔~大家感兴趣的小伙伴可以翻阅我之前的文章，链接也附在这里啦：
https://www.guyuehome.com/38686
机器人的全部从机械结构部分到控制部分的整个概述就到这里啦~感兴趣的小伙伴可以一起探讨聊聊哇，也欢迎各位大神进行批评指正！
评论（15）
您还未登录，请登录后发表或查看评论