人工智能视觉控制机器人
多维运动控制平台以四驱小车为基础，集成电机/舵机驱动控制器，支持小车和机械臂的精准运动控制，搭载丰富的传感器实现环境、预警、定位等各种数据的采集和监控，配合无线通信模块，实现人工智能感觉、动作系统的开发和学习。感控单元主控平台采用STM32 高性能处理器，可完成嵌入式与传感器、机器人控制技术课程的学习。配合智能边缘计算网关，能够完成基于ROS 系统的机器人协作开发课程的学习。
智能网关：
l 处理器：64位四核CORTEX-A57，128核MAXWELL GPU；
l 内存：4GBLPDDR，板载存储：64GB；
l 接口：USB3.0×4，Micro USB×1，HDMI×1，RJ45×1，DC5.5×2.1电源接口；
l 集成Linux、Python等运行环境，支持数字图像处理、机器视觉、深度学习等算法、硬件、应用的开发和学习。
l 搭载 7 寸 LVDS 高清屏。
l AI 自动驾驶平台车体不小于360mm*210mm*350mm，
l 采用高性能双路 ARMCortex-M4 STM32G4 控制器单元，
l 提供电机驱动及传感驱动。
l 四驱独立悬挂轮式驾驶底盘，大功率减速电机。
（1）运动控制模块
在机器人中用到很多控制器和外设,包括:处理器、激光雷达，STM32控制器，电机、编码器、双路驱动、蓝牙、PS2有线手柄、航模遥控、陀螺仪等，提供了串口1和CAN接口方便用户拓展控制，这些控制器与控制器，外设与控制器之间的连接，如图所示。
（2）ROS操作系统
ROS操作系统内置于中央处理器内，通过RTOS完成系统任务调度与管理。具体任务调度管理流程如图所示。RTOS任务调度器根据任务的优先级决定任务的执行顺序，每个任务执行的时间很短，几乎等效于所有任务执行，期间如果发生中断则去响应中断。串口2中断用于APP蓝牙控制，串口3中断用于接收ROS传过来的信息。
（3）JetsonNano边缘计算平台
NVIDIAJetson Nano是一个小巧却功能强大的计算机，它可以让你并行运行多个神经网络、对象检测、分割和语音处理等应用程序,JetsonNano搭载四核cortex-A57处理器，128核MaxwellGPU及4GB LPDDR内存，带来足够的AI计算能力,提供472GFLOP算力,并支持一系列流行的Al框架和算法，比如TensorFlow、Pytorch.caffe/caffe2、Keras、MXNET等
(4) 激光雷达
相较于传统技术，利用红外激光设备可实现超大屏幕的多点触摸，其反应更快、精度更高、抗环境光能力更强。激光雷达作为核心传感器，可快速获得环境轮廓信息，配合SLAMWARE使用，可以帮助机器人实现自主构建地图、实时路径规划与自动避开障碍物。应用领域智能扫地机、家用机器人。
测量半径：12米，测量频率：8000次/秒，扫描频率：5.5HZ，360度扫描测距
（5）机器视觉-双目深度体感摄像头
双目深度体感摄像头是VR/AR、机器人和无人驾驶Zui核心的技术支撑之一，而深度摄像头就是这类硬件的眼睛。只有机器对“看到的”东西，定位定姿精度更高时，才能更好地识别和做出判断，从而提升机器的可用性和产品化速度。利用双目立体视觉成像原理实现三维定位，即可进行手势、肢体动作的综
使用距离：0.8m至 3.5m之间，视野：58° H, 45 V, 70° D(水平，垂直,对角)，传感器：深度，深度影像大小：VGA(640x480) :30fps，QVGA (320x240):60fps，接口：USB2.0
（7）六自由度机器臂
视觉机械臂以Jetson Nano为主控，Open Source CV为图像处理库，以主流的Jupyter Lab为开发工具,使用Python3为主要编程语言。摄像头与机械臂机身一体式设计，“手眼合一”的视觉识别让机械臂显得更加灵动，它不仅可以实现颜色识别追踪与抓取，还能人体特征识别互动，甚至进行垃圾分类模型训练垃圾分拣;通过RO5机器人操控系统，简化了6自由度串行总线舵机复杂运动控制。
1080P摄像头：感光元件尺寸：1/237”Zui高有效分辨率：1928*1088;数据格式：YUY2/MJPG;像素大小：3.0μm*3.0μm;宽动态范围：96DB;自动控制：饱和度，对比度，锐度，白平衡，曝光。
机械臂：Cortex-M3内核的处理器控制板，自由度桌面式机械臂，大功率串行总线智能舵机，臂展350mm，负载≥300g，带夹爪，阳极氧化处理铝合金机身，主要用于工业机械臂的控制。支持python编程，可灵活和精准调节每一关节角度和位置；支持PC上位机、手机APP、USB游戏手柄控制；
