本物流机器人采用linux系统，通过终端执行任务；区别于以往用openmv对二维码进行识别，本机器人利用opencv中的zeb库来对二维码进行识别；在物料识别方面，本物流机器人通过HSV色域区别物料的颜色；本机器人通过激光测距模块与电子罗盘进行定位，保证将物料精准放置到指定位置。不同于一般的物流机器人采用循迹方案与openmv，我们团队创新地运用了激光测距模块与电子罗盘来保证机器人的正确行进路线与物料的精准投放，还运用opencv来进行二维码的识别，只为得到更好的效果。

因基于树莓派的强大算力，我们只需在机械爪中间添加一个普通摄像头，并且通过opencv识别即可做到二维码识别与物料识别定位，省去了二维码模块和减少在小车其他地方安装摄像头。

使用 Raspberry pi 4B作为主控，I2C作为通讯协议，由TOF400F激光测距并且坐标定位，罗盘作为航向纠正，mpu9250九轴姿态传感器进行惯性导航，摄像头接收到 二维码信息，最后利用所有传感器进行pid闭环控制麦克纳姆轮的直流电机与机械臂。

器件选择及实施方案

一．主控：raspberry pi 4B (4GB),采用linux系统，通过终端执行任务；

二．电机：驰海直流130减速电机

三．电机驱动板：采用两个二路的7886EH5E9X电机驱动IC控制电机；

四．机械臂：五自由度运动，使用的舵机型号为DS3230，30kg扭力，确保有足够力矩支撑机械臂；

五．舵机驱动板：常用的舵机驱动板型号pca9685，通信协议为I2C；

六．传感器：mpu9250九轴姿态传感器，用于惯性导航；GY-271电子罗盘，用于航向纠正；TOF400F激光测距用于定位；

七．车体底盘：采用287mm×238mm规格的钣金非标设计

八．电源及电源模块：12V 2200mah 航模锂电池  LM2596S直流可调稳压模块

特色（1）路径规划：惯性导航与互补滤波相融合，加上蚁群算法，通过pid闭环控制，GPS精准定位小车所在位置，再借助电子罗盘来纠正航线，小车路径可达到最优化，提高工作效率。

（2）惯性导航：利用惯性元件（加速度计）来测量运载体本身的加速度，经过积分运算得到速度和位置，对运载体进行导航定位。惯性导航系统的设备都安装在运载体内，工作时不依赖外界信息，也不向外界辐射能量，不易受到干扰。

（3）图像模拟传输对时间（包括空间）和幅度连续变化的模拟图像信号作信源和信道处理，通过模拟信道传输或通过模拟记录装置实现存储的过程。一般用扫描拾取图像信息和压缩频带等信源处理方法得到图像基带信号，再用预均衡、调制等信道处理方法形成图像通带信号。

（4）计算机视觉：机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。物料机器人中所使用的是基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库opencv，通过它来实现视觉躲避障碍物，颜色和形状识别等功能。