摘要
智能机器人的发展已经渗透到人们日常生活的各方各面，日益在人们日常生活中发挥着重要的作用，并且智能机器人跟踪技术是机器人研究领域的一个重要研究方向。云计算正不断应用到各种场景，传统机器人的计算存储等能力受限于其板载设备，将云计算与机器人结合用于提升机器人能力是机器人未来发展的趋势之一。
本毕业设计课题基于Python实现机器人目标路径规划，需要将障碍识别迁移到云服务器，云服务实时的通过对图像计算做出移动指令，最终实现目标路径规划。
采用机器人操作系统（ROS）与Client/Server（客户端/服务端）通信相结合来实现本课题。首先客户端用来接受kinenct所采集的图像，将障碍识别到服务器；其次服务器端实时的对图像进行计算处理，利用机器人跟踪技术,并将产生的控制命令返回给客户端，最终远程实现对机器人的跟踪控制。
关键词：目标跟踪；ROS机器人程序设计；C/S通信框架；远程控制；云机器人
Abstract
The development of intelligent robots has penetrated into the daily aspects of people's daily life, and increasingly plays an important role in people's daily life, and intelligent robot tracking technology is an important research direction in the field of robot research. Cloud computing is being applied to a variety of scenes, the traditional robot computing storage capacity is limited by its onboard equipment, cloud computing and robot combination for the promotion of robot capability is one of the future development trend of the robot.
Based on Python to achieve the robot target tracking, the need to migrate object recognition to the cloud server, cloud service real-time through the image calculation to make mobile instructions, and ultimately achieve the target tracking.
I use the robot operating system (ROS) and Client / Server (client / server) communication to achieve this problem. First, the client is used to accept the image collected by kinenct, and the object is recognized to the server. Secondly, the server realizes the mobile instruction by using the robot tracking technology and returns the result to the server to do the logical processing and generate the control command, The final remote implementation of the robot tracking control.
Key words: target tracking; ROS robot programming; C/S communication framework; remote control; cloud robot
目 录
基于Python的智能机器人障碍识别及目标路径规划系统
摘要
Research and Prototype Realization of Object Recognition and Tracking Technology for Intelligent
Abstract
目 录
1 绪 论
1.1研究背景
1.2智能机器人（Python）与云机器人
1.3机器人操作系统（ROS）
1.3.1 什么是机器人操作系统（ROS）
1.3.2 ROS的核心概念
1.3.3 ROS的核心模块
2 相关环境的搭建
2.1硬件和软件环境的搭建
2.1.1硬件环境的搭建
2.1.2软件环境的搭建
2.2 Ubuntu操作系统和ROS的安装
2.3 Kinect2驱动安装
2.3.1 kinect2驱动包版本
2.3.2 kinect2驱动安装步骤
2.4 测试环境是否搭建成功
3 基于ROS的控制移动
3.1 基于ROS的坐标系
3.2 运动控制水平
3.3运动命令Twist
4 基于ROS图像采集
4.1 ROS中图像处理的相关类库
4.1 在ROS中使用Kinect摄像头
4.2 使用rviz显示图像
4.3 ROS中sensor_msgs/Image的消息格式
5 ROS中的Nodelet节点
5.1 Nodelet节点的特点
5.2 nodelet基类
6 项目整体架构设计
6.1 项目整体架构
6.1.1 云应用框架
6.1.2 图象识别云应用
6.1.3 项目各函数的功能介绍
6.2 客户端/服务器模块
6.2.1环境说明
6.2.2客户端TCP协议通信的步骤
6.2.3服务器端TCP协议通信的步骤
6.3 机器人实时跟踪模块
6.4 配置项目的CMakeLists.txt文件
8 项目结果测试
8.1硬件设备连接测试
8.2测试结果
8.3项目运行ROS节点状态图
9 结论与展望
参考文献
致 谢
附 录
