RDK X3暴改机器人：手搓能爬楼的AI快递员会爬楼能唠嗑

随(suí)着(zhe)城(chéng)市(shì)化(huà)进(jìn)程(chéng)的(de)加(jiā)快(kuài)，高(gāo)楼(lóu)越(yuè)来(lái)越(yuè)多(duō)，高(gāo)层(céng)建(jiàn)筑(zhù)的(de)多(duō)层和高人口密度让物品配送变得复杂。虽然配送机器人可以解决“最后一公里”的问题，但现有的机器人主要依赖电梯跨楼层。电梯高峰时段效率低，且占用电梯资源，遇到没有电梯的楼宇更是束手无策。因此，既能搭电梯又能爬楼的配送机器人，正是市场上急需的创新。

一、项目介绍：

这款作品是基于 RDK X3开发板打造的跨楼层智能配送机器人，能轻松切换行驶模式和爬楼模式。配备可伸缩的爬楼轮结构，不论楼梯多陡或多窄，它都能“爬得上去”，跨层配送so easy！不(bù)仅(jǐn)如此，机器人还内建视觉识别和语音识别功能(néng)，可(kě)以(yǐ)和(hé)你(nǐ)“无(wú)声(shēng)无(wú)息(xi)”地(de)互(hù)动(dòng)，快(kuài)递(dì)送(sòng)到(dào)手(shǒu)，连(lián)说(shuō)话(huà)都(dōu)能(néng)省(shěng)力(lì)！——哈(hā)尔(ěr)滨(bīn)工(gōng)程(chéng)大(dà)学(xué) 碧(bì)海(hǎi)小(xiǎo)队(duì)

二(èr)、创(chuàng)新(xīn)点(diǎn)：

目(mù)前(qián)市(shì)场(chǎng)上(shàng)的(de)配(pèi)送(sòng)机(jī)器(qì)人依赖电梯跨楼层，还需要人工手(shǒu)动(dòng)输(shū)入(rù)地(de)址(zhǐ)，这(zhè)让(ràng)配(pèi)送(sòng)变得既不高效又不智能。为了弥补这些不足，本作品着重解决了这些“老大难”问题：

1. 爬楼难题： 针对现有机器人无法爬楼梯的缺点，我们设计了一个四片分离式变形轮，电动推杆一拉一缩，轮毂翻转伸展，轻松上下楼梯。简直是机器人中的“楼梯小能手”！
2. 智能配送： 摆脱手动输入地址的繁琐，我们通过OCR、NLP、ASR技术，操作人员只需拍照或者说话，机器人就能自动获取配送地址。语音反馈当前任务信息，跟机器人聊天就能完成配送任务，人机交互走向“智慧时代”！
3. 路径规划： 通过激光雷达建图与障碍物检测，对A*算法进行了优化，提高了路径规划效率和质量，让机器人不再绕路而是“直达目标”。

三、原理分析 ：

变形轮

为了提高配送效率并避(bì)免(miǎn)占(zhàn)用(yòng)电(diàn)梯(tī)空(kōng)间(jiān)，机(jī)器(qì)人(rén)需(xū)要(yào)能(néng)够(gòu)上(shàng)下(xià)楼(lóu)梯(tī)和(hé)行(xíng)走(zǒu)。我(wǒ)们(men)设(shè)计(jì)了(le)可(kě)扩(kuò)式(shì)四(sì)轮(lún)结(jié)构(gòu)，结(jié)合(hé)电(diàn)动(dòng)推(tuī)杆(gān)和(hé)电(diàn)机(jī)的(de)运(yùn)动(dòng)，使(shǐ)机(jī)器(qì)人(rén)能(néng)够(gòu)轻(qīng)松(sōng)应(yīng)对(duì)楼(lóu)梯(tī)。

当(dāng)需(xū)要(yào)爬(pá)楼(lóu)梯(tī)时(shí)，电(diàn)动(dòng)推(tuī)杆(gān)调(diào)整(zhěng)轮(lún)毂(gǔ)角(jiǎo)度(dù)并(bìng)向(xiàng)外(wài)扩(kuò)张(zhāng)，提(tí)供(gōng)支(zhī)撑(chēng)力(lì)；下(xià)楼(lóu)时(shí)，轮(lún)毂(gǔ)自(zì)动(dòng)调(diào)整(zhěng)，保(bǎo)持(chí)稳(wěn)定(dìng)。通(tōng)过(guò)这(zhè)种(zhǒng)设(shè)计(jì)，机(jī)器(qì)人(rén)能(néng)适(shì)应(yīng)不(bù)同(tóng)楼(lóu)梯(tī)的(de)高(gāo)度(dù)和(hé)角(jiǎo)度(dù)，确(què)保(bǎo)顺(shùn)利(lì)完(wán)成(chéng)楼(lóu)层(céng)间(jiān)的(de)配(pèi)送(sòng)任(rèn)务(wu)。

具(jù)体(tǐ)来(lái)说(shuō)，每(měi)个(gè)移(yí)动(dòng)单(dān)元(yuán)由(yóu)三(sān)篇(piān)分(fēn)离(lí)式(shì)轮(lún)毂(gǔ)组(zǔ)成(chéng)，为(wèi)了(le)应(yīng)对(duì)不(bù)同(tóng)高(gāo)度(dù)和(hé)宽(kuān)度(dù) 的(de)楼(lóu)梯(tī)，我(wǒ)们(men)采用(yòng)四(sì)杆(gān)机(jī)构(gòu)，通(tōng)过(guò)四(sì)杆(gān)机(jī)构(gòu)的(de)的(de)运(yùn)动(dòng)调(diào)整(zhěng)轮(lún)毂(gǔ)伸(shēn)缩(suō)的(de)距(jù)离(lí)及(jí)角(jiǎo)度(dù)。

上楼梯时：向里侧电动推杆施加正向电流，使得电动推杆伸长，通过左侧三 角板带动连杆向上运动，从而将轮毂翻转一定角度并向外扩张一定距离以适应楼 梯的高度和宽度。

下楼梯时：向外侧电动推杆施加反向电流，使得推杆收缩，通过右侧三角板 带动连杆向下运动，从而将轮毂反方向翻转一定角度并向外扩张一定距离以适应 楼梯的高度和宽度。

行(xíng)走(zǒu)时(shí)：上(shàng)侧(cè)电(diàn)机(jī)通(tōng)过(guò)皮(pí)带(dài)带(dài)动(dòng)右(yòu)侧(cè)轮(lún)毂(gǔ)及(jí)三(sān)角(jiǎo)板(bǎn)一(yī)起(qǐ)旋(xuán)转(zhuǎn)，从(cóng)而(ér)使(shǐ)得(de)机(jī)器(qì) 人(rén)向(xiàng)前(qián)运(yùn)动(dòng)

路径规(guī)划(huà)原(yuán)理(lǐ)

A算(suàn)法(fǎ)是(shì)一(yī)种(zhǒng)启(qǐ)发(fā)式(shì)搜(sōu)索(suǒ)算(suàn)法(fǎ)，通(tōng)过(guò)从(cóng)起(qǐ)点(diǎn)开(kāi)始(shǐ)扩(kuò)展(zhǎn)邻(lín)域节(jié)点(diǎn)，比(bǐ)较(jiào)节(jié)点(diǎn)的(de)代(dài)价(jià)值(zhí)，选择代价最小的节点继续扩展，直到找到目标点，从而避开障碍物，找到最佳路径。传统的A算法存在节点过多、路径冗余以及不够平滑等问题，这不仅影响机器人的稳定性，还降低了路径规划的效率。我们做了以下优化。

1、传统的 A-star算法只考虑了距离问题，没有考虑环境地图上的许多实际因 素。因此 我们在传统 A*算法评价函数的基础上，通过引入节点到起始点和目标 点连线的夹角，对评价函数进行改进。

2、引(yǐn)入(rù)双(shuāng)向(xiàng)搜(sōu)索(suǒ)策(cè)略(è)。在(zài)大(dà)规(guī)模(mó)搜(sōu)索(suǒ)空(kōng)间(jiān)下(xià)，传(chuán)统(tǒng)的 A*算法采用的单向搜索策略存在搜索效率低 搜索节点数量多等问题。

当计算出的中间点位于障碍物内部时，无法有效搜索到起点和目标点，因此需要选择新的中间点。具体步骤如下：

1. 确定中间点的位置。
2. 在中间点处绘制一条水平线和一条竖直线。
3. 计算水平线和竖直线穿越障碍物的跨越长度。
4. 选择跨越长度较长的方向，并找出最早穿越障碍物的点。
5. 将最早穿越障碍物的点作为优化后的中间点。

3、去除冗余节点，在路径规划中，冗余节点可能导致内存占用过多和频繁调整机器人运动。为了解决这个问题，我们采用了一种路径优化方法(fǎ)来(lái)去(qù)除(chú)冗(rǒng)余(yú)节(jié)点(diǎn)。具(jù)体(tǐ)步(bù)骤(zhòu)如(rú)下(xià)：

1. 将(jiāng)起(qǐ)始(shǐ)点(diǎn)作(zuò)为(wèi)开(kāi)始(shǐ)节(jié)点(diǎn)。
2. 沿(yán)路径预(yù)定(dìng)方(fāng)向(xiàng)逐(zhú)一(yī)连(lián)接(jiē)起(qǐ)始(shǐ)点(diǎn)与(yǔ)路径中(zhōng)的(de)各(gè)个(gè)节(jié)点(diǎn)。
3. 如(rú)果(guǒ)连(lián)接(jiē)线(xiàn)段(duàn)与(yǔ)障(zhàng)碍(ài)物(wù)相(xiāng)交(jiāo)，保(bǎo)留(liú)相(xiāng)交(jiāo)节(jié)点(diǎn)的(de)前(qián)一(yī)个(gè)节(jié)点(diǎn)，移(yí)除(chú)与(yǔ)该(gāi)节(jié)点(diǎn)之(zhī)间(jiān)的(de)所(suǒ)有(yǒu)节(jié)点(diǎn)，并(bìng)继(jì)续(xù)连(lián)接(jiē)后续节点。
4. 如果连接线段不与障碍物相交，直到目标点，保留目标点并移除起始点与目标点之间的节点。
5. 将保留的节点依次连接，形成优化后的路径。

人机交互部分

本项目的人机交互部分包括视觉识别和语音识别。首先，通过OCR技术识别配送单据并提取信息，再利用NLP技术获取最终配送地址。也可以通过语音指令下单，语音识别技术将语音转为文本，NLP技术提取出地址信息，并通过语音合成技术将地址反馈给操作员确认。

四、硬件系统设计 ：

4.1硬件选型

4.1.1 RoboMaster M2006本作品中，电机采用 RoboMaster M2006直流无刷电机，其作用主要是控制 机器人的移动，控制机器人运动到达指定位置并实时反馈运动状态信息。 RoboMaster M2006使用C610电调进行驱动，使用CAN通信协议发送接收数据， 电机内置位置传感器，实时反馈转子机械角度、转速和转矩等信息。

4.1.2电动推杆 在本作品中，一个变形轮需要两个电动推杆，电动推杆又有两种状态——伸 出和缩回。一根推杆的伸缩控制变形轮的变大程度，另一根推杆的(de)伸(shēn)缩(suō)控(kòng)制(zhì)变(biàn)形(xíng) 轮(lún)的(de)旋(xuán)转(zhuǎn)角(jiǎo)度(dù)。作(zuò)用(yòng)是(shì)通(tōng)过(guò)推(tuī)杆(gān)的(de)伸(shēn)缩(suō)使(shǐ)轮(lún)子(zi)达(dá)到(dào)特(tè)定(dìng)的(de)扩(kuò)大(dà)程(chéng)度(dù)和(hé)旋(xuán)转(zhuǎn)角(jiǎo)度(dù)。

4.1.3 TFT-LCD触(chù)摸(mō)屏(píng) 在(zài)本(běn)作(zuò)品(pǐn)中(zhōng)，LCD触(chù)摸(mō)屏(píng)的(de)主要(yào)作(zuò)用(yòng)是(shì)显(xiǎn)示(shì)经(jīng) RDK X3 分(fēn)析(xī)处(chù)理(lǐ)后(hòu)的(de)配(pèi)送(sòng) 地(de)址(zhǐ)，取(qǔ)件(jiàn)码(mǎ)等(děng)信(xìn)息(xi)。本(běn)作(zuò)品(pǐn)采用(yòng)的(de)是(shì)正(zhèng)点(diǎn)原(yuán)子(zi) 2.8寸(cùn)的(de) TFTLCD液(yè)晶(jīng)屏(píng)。

4.3硬件电路设(shè)计(jì)

本(běn)系(xì)统(tǒng)的(de)硬(yìng)件(jiàn)连(lián)接(jiē)方(fāng)式(shì)如(rú)下(xià)：树(shù)莓(méi)派(pài)负(fù)责(zé)读(dú)取(qǔ)相(xiāng)机(jī)图(tú)像(xiàng)数(shù)据(jù)和(hé)地(de)图(tú)建(jiàn)模(mó)，并(bìng)将(jiāng)里(lǐ)程(chéng)计(jì)数(shù)据(jù)发(fā)送(sòng)给(gěi)STM32来控制机器人移动。RDK X3主要处理语音交互和视觉识别，并在屏幕和触摸屏上显示结果。STM32控制机器人的底盘运动，通过CAN总线控制电机转动，通过PWM波控制电动推杆的伸缩，并与树莓派实时通信，反馈机器人运动状态信息。

五、软件设计与流程

5.1建图与规划流程

SLAM建图使用三种地图：点云图、栅格图和八叉树地图。虽然激光雷达只能在二维场景中建图，但它具有较高精度和更远的建图范围，且受外界环境影响较小。路径规划中采用2D占用栅格图模式。激光雷达提供精确的二维信息，而深度相机提供三维信息。为了提高地图精度，本设计结合了激光雷达和RGBD相机的信息来建立栅格图，使用激光雷达和深度相机的融合数据，生成2D栅格地图，并与Cartgrapher算法建立的地图融合，得到最终的综合地图。

5.2人(rén)机(jī)交(jiāo)互(hù)流(liú)程(chéng) 本(běn)项(xiàng)目(mù)的(de)人(rén)机(jī)交(jiāo)互(hù)过(guò)程(chéng)如(rú)图(tú)所(suǒ)示(shì)，通(tōng)过(guò)视(shì)觉(jué)或(huò)语(yǔ)音(yīn)方(fāng)式(shì)识(shi)别出最终配送地点 并传输给树莓派作为最终导航地点。

5.3底盘控制软件流程 在本作品中，底盘控制采用 STM32单片机作为主控芯片，其程序结构图如 图所示。当机器人在运动的过程中，会不断检测前方是否有楼梯，没有检测到楼 梯，变形轮不变形维持原状；当检测到楼梯，根据测量的楼梯尺寸，STM32控制 变形轮变形到特定的扩大程度和旋转角(jiǎo)度(dù)后(hòu)，开(kāi)始(shǐ)爬(pá)楼(lóu)。

六、系统测试

6.1机械结构测试

验证机械结构可行性、操作稳定性及功能完备性。测试确认：

变形轮通过电动推杆伸缩实现轮毂角度与扩张距离调节，满足楼梯尺寸自适应需求。

结构设计合理，通过仿真与实际测试验证，可稳定完成爬楼与行走模式切换。

6.2目标检测测试

流程与结果：

数据集构建：采集图像并标注，转换为YOLOv5s适配格式（图片+txt）。

模型训练：基于YOLOv5s，训练后输出评估指标：

1. Precision: 0.6086
2. Recall: 0.5641
3. mAP@0.5: 0.5703
4. mAP@0.5:0.95: 0.3221

实测效果：成功检测目标，满足基础需求，但精度待优化。

5.3底盘控制测试

电动推杆：PWM控制精度达标，可精准调节变形轮扩张与角度。

里程计：STM32实时读取速度、加速度、位置信息，误差<5%。

结论：底盘控制稳定，满足多模式运动需求。

5.4 SLAM建图测试

方法对比：

激光雷达：建图范围广，但易受环境缝隙干扰。

RGBD相机：受光照影响，边界模糊。

融合方案：激光雷达+RGBD投影融合，生成高精度2D栅格地图，消除缝隙干扰，边界清晰。

5.5路径规划测试

改进A*算法（对比传统A*）：

搜索节点数减少30%，路径长度缩短15%，规划时间降低25%。

冗余节点去除后，路径平滑度提升，内存占用减少20%。

5.6人机交互测试

OCR+NLP：成功从虚拟配送单提取地址，准确率>85%。

ASR+NLP：语音指令中地址抽取准确率>80%，支持模糊语义（如“送到三号楼二层”）。

语音反馈：合成语音播报任务信息，用户可确认指令正确性。

关键结论

• 各模块功能均通过测试，满足跨楼层配送需求。
• 目标检测与路径规划精度待优化，可通过扩展数据集与算法调参进一步提升。

随着城市化进程的加快，高楼越来越多，高层建筑的多层和高人口密度让物品配送变得复杂。虽然配送机器人可以解决“最后一公里”的问题，但现有的机器人主要依赖电梯跨楼层。电梯高峰时段效率低，且占用电梯资源，遇到没有电梯的楼宇更是束手无策。因此，既能搭电梯又能爬楼的配送机器人，正是市场上急需的创新。

一、项目介绍：

这款作品是基于 RDK X3开发板打造的跨楼层智能配送机器人，能轻松切换行驶模式和爬楼模式。配备可伸缩的爬楼轮结构，不论楼梯多陡或多窄，它都能“爬得上去”，跨层配送so easy！不仅如此，机器人还内建视觉识别和语音识别功能，可以和你“无声无息”地互动，快递送到手，连说话都能省力！——哈尔滨工程大学 碧海小队

二、创新点：

目前市场上的配送机器人依赖电梯跨楼层，还需要人工手动输入地址，这让配送变得既不高效又不智能。为了弥补这些不足，本作品着重解决了这些“老大难”问题：

1. 爬楼难题： 针对现有机器人无法爬楼梯的缺点，我们设计了一个(gè)四(sì)片(piàn)分(fēn)离(lí)式(shì)变(biàn)形(xíng)轮(lún)，电(diàn)动(dòng)推(tuī)杆(gān)一(yī)拉(lā)一(yī)缩(suō)，轮(lún)毂(gǔ)翻(fān)转(zhuǎn)伸(shēn)展(zhǎn)，轻(qīng)松(sōng)上(shàng)下(xià)楼(lóu)梯(tī)。简(jiǎn)直(zhí)是(shì)机(jī)器(qì)人(rén)中(zhōng)的(de)“楼(lóu)梯(tī)小(xiǎo)能(néng)手(shǒu)”！
2. 智(zhì)能(néng)配(pèi)送(sòng)： 摆(bǎi)脱(tuō)手(shǒu)动(dòng)输(shū)入(rù)地(de)址(zhǐ)的(de)繁(fán)琐(suǒ)，我(wǒ)们(men)通(tōng)过(guò)OCR、NLP、ASR技(jì)术(shù)，操(cāo)作(zuò)人(rén)员(yuán)只(zhǐ)需(xū)拍(pāi)照(zhào)或(huò)者(zhě)说(shuō)话(huà)，机(jī)器(qì)人(rén)就(jiù)能(néng)自(zì)动(dòng)获(huò)取(qǔ)配(pèi)送(sòng)地(de)址(zhǐ)。语(yǔ)音(yīn)反(fǎn)馈(kuì)当(dāng)前(qián)任(rèn)务(wu)信(xìn)息(xi)，跟(gēn)机(jī)器(qì)人(rén)聊(liáo)天(tiān)就(jiù)能(néng)完(wán)成(chéng)配(pèi)送(sòng)任(rèn)务(wu)，人(rén)机(jī)交(jiāo)互(hù)走(zǒu)向(xiàng)“智(zhì)慧(huì)时(shí)代(dài)”！
3. 路径规(guī)划(huà)： 通(tōng)过(guò)激(jī)光(guāng)雷(léi)达(dá)建(jiàn)图(tú)与(yǔ)障(zhàng)碍(ài)物(wù)检(jiǎn)测(cè)，对(duì)A*算(suàn)法(fǎ)进(jìn)行(xíng)了(le)优(yōu)化(huà)，提(tí)高(gāo)了(le)路径规(guī)划(huà)效(xiào)率(lǜ)和(hé)质(zhì)量(liàng)，让(ràng)机(jī)器(qì)人(rén)不(bù)再(zài)绕(rào)路而(ér)是(shì)“直(zhí)达(dá)目(mù)标(biāo)”。

三(sān)、原(yuán)理(lǐ)分(fēn)析(xī) ：

变(biàn)形(xíng)轮(lún)

为了提高配送效率并避免占用电梯空间，机器人需要能够上下楼梯和行走。我们设计了可扩式四轮结构，结合电动推杆和电机的运动，使机器人能够轻松应对楼梯。

当需要爬楼梯时，电动推杆调整轮毂角度并向外扩张，提供支撑力；下楼时，轮毂(gǔ)自(zì)动(dòng)调(diào)整(zhěng)，保(bǎo)持(chí)稳(wěn)定(dìng)。通(tōng)过(guò)这(zhè)种(zhǒng)设(shè)计(jì)，机(jī)器(qì)人(rén)能(néng)适(shì)应(yīng)不(bù)同(tóng)楼(lóu)梯(tī)的(de)高(gāo)度(dù)和(hé)角(jiǎo)度(dù)，确(què)保(bǎo)顺(shùn)利(lì)完(wán)成(chéng)楼(lóu)层(céng)间(jiān)的(de)配(pèi)送(sòng)任(rèn)务(wu)。

具(jù)体(tǐ)来(lái)说(shuō)，每(měi)个(gè)移(yí)动(dòng)单(dān)元(yuán)由(yóu)三(sān)篇(piān)分(fēn)离(lí)式(shì)轮(lún)毂(gǔ)组(zǔ)成(chéng)，为(wèi)了(le)应(yīng)对(duì)不(bù)同(tóng)高(gāo)度(dù)和(hé)宽(kuān)度(dù) 的(de)楼(lóu)梯(tī)，我(wǒ)们(men)采用(yòng)四(sì)杆(gān)机(jī)构(gòu)，通(tōng)过(guò)四(sì)杆(gān)机(jī)构(gòu)的(de)的(de)运(yùn)动(dòng)调(diào)整(zhěng)轮(lún)毂(gǔ)伸(shēn)缩(suō)的(de)距(jù)离(lí)及(jí)角(jiǎo)度(dù)。

上楼梯时：向里侧电动推杆施加正向电流，使得电动推杆伸长，通过左侧三 角板带动连杆向上运动，从而将轮毂翻转一定角度并向外扩张一定距离以适应楼 梯的高度和宽(kuān)度(dù)。

下楼梯时：向外侧电动推杆施加反向电流，使得推杆收缩，通过右侧三角板 带动连杆向下运动，从而将轮毂反方向翻转一定角度并向外扩张一定距离以适应 楼梯的高度和宽度。

行走时：上侧电机通过皮带带动右侧轮毂及三角板一起旋转，从而使得机器 人向前运动

路径规划原理

A算法是一种启发式搜索算法，通过从(cóng)起(qǐ)点开始扩展邻域节点，比较节点的代价值，选择代价最小的节点继续扩展，直到找到目标点，从而避开障碍物，找到最佳路径。传统的A算法存在节点过多、路径冗余以及不够平滑等问题，这不仅影响机器人的稳定性，还降低了路径规划的效率。我们做了以下优化。

1、传统的 A-star算法只考虑了距离问题，没有考虑环境地图上的许多实际因 素。因此 我们在传统 A*算法评价(jià)函(hán)数(shù)的(de)基(jī)础(chǔ)上(shàng)，通(tōng)过(guò)引(yǐn)入(rù)节(jié)点(diǎn)到(dào)起始点和目标 点连线的夹角，对评价函数进行改进。

2、引入双向搜索策略。在大规模搜索空间下，传统的 A*算法采用的单向搜索策略存在搜索效率低 搜索节点数量多等问题。

当计算出的中间点位于障碍物内部时，无法有效搜索到起点和目标点，因此需要选择新的中间点。具体步骤如下：

1. 确定中间点的位置。
2. 在中间点处绘制一条水平线和一条竖直线。
3. 计算水平线和竖直线穿越障碍物的跨越长度。
4. 选择跨越长度较长的方向，并找出最早穿越障碍物的点。
5. 将最早穿越障碍物的点作为优化后的中间点。

3、去除冗余节点，在路径规划中，冗余节点可能导致内存占用过多和频繁调整机器人运动。为了解决这个问题，我们采用了一种路径优化方法来去除冗余节点。具体步骤如下：

1. 将起始点作为开始节点。
2. 沿路径预定方向逐(zhú)一(yī)连(lián)接(jiē)起(qǐ)始(shǐ)点(diǎn)与(yǔ)路径中(zhōng)的(de)各(gè)个(gè)节(jié)点(diǎn)。
3. 如(rú)果(guǒ)连(lián)接(jiē)线(xiàn)段(duàn)与(yǔ)障(zhàng)碍(ài)物(wù)相(xiāng)交(jiāo)，保(bǎo)留(liú)相(xiāng)交(jiāo)节(jié)点(diǎn)的(de)前(qián)一(yī)个(gè)节(jié)点(diǎn)，移(yí)除(chú)与(yǔ)该(gāi)节(jié)点(diǎn)之(zhī)间(jiān)的(de)所(suǒ)有(yǒu)节(jié)点(diǎn)，并(bìng)继(jì)续(xù)连(lián)接(jiē)后(hòu)续(xù)节(jié)点(diǎn)。
4. 如(rú)果(guǒ)连(lián)接(jiē)线(xiàn)段(duàn)不(bù)与(yǔ)障(zhàng)碍(ài)物(wù)相(xiāng)交(jiāo)，直(zhí)到(dào)目(mù)标(biāo)点(diǎn)，保(bǎo)留(liú)目(mù)标(biāo)点(diǎn)并移除起始点与目标点之间的节点。
5. 将保留的节点依次连接，形成优化后的路径。

人机交互部分

本项目的人机交互部分包括视觉识别和语音识别。首先，通过OCR技术(shù)识别配送单据(jù)并(bìng)提(tí)取信息，再利用NLP技术获取最终配送地址。也可以通过语音指令下单，语音识别技术将语音转为文本，NLP技术提取出地址信息，并通过语音合成技术将地址反馈给操作员确认。

四、硬件系统设计 ：

4.1硬件选型

4.1.1 RoboMaster M2006本作品中，电机采用 RoboMaster M2006直流无刷电机，其作用主要是控制 机器人的移动，控制机器人运动到达指定位置并实时反馈运动状态信息。 RoboMaster M2006使用C610电调进行驱动，使用CAN通信协议发送接收数据， 电机内置位置传感器，实时反馈转子机械角度、转速和转矩等信息。

4.1.2电动推杆 在本作品中，一个变形轮需要两个电动推杆，电动推杆又有两种状态——伸 出(chū)和(hé)缩(suō)回(huí)。一(yī)根(gēn)推(tuī)杆(gān)的(de)伸(shēn)缩(suō)控(kòng)制(zhì)变(biàn)形轮的变大程度，另一根推杆的伸缩控制变形 轮的旋转角度。作用是通过推杆的伸缩使轮子达到特定的扩大程度和旋转角度。

4.1.3 TFT-LCD触摸屏 在本作品中，LCD触摸屏的主要作用是显示经 RDK X3 分析处理后的配送 地址，取件码等信息。本作品采用的是正点原子 2.8寸的 TFTLCD液晶屏。

4.3硬(yìng)件(jiàn)电(diàn)路设(shè)计(jì)

本(běn)系(xì)统(tǒng)的(de)硬(yìng)件(jiàn)连(lián)接(jiē)方(fāng)式(shì)如(rú)下(xià)：树(shù)莓(méi)派(pài)负(fù)责(zé)读(dú)取(qǔ)相(xiāng)机(jī)图(tú)像(xiàng)数(shù)据(jù)和(hé)地(de)图(tú)建(jiàn)模(mó)，并(bìng)将(jiāng)里(lǐ)程(chéng)计(jì)数(shù)据(jù)发(fā)送(sòng)给(gěi)STM32来(lái)控(kòng)制(zhì)机(jī)器(qì)人(rén)移(yí)动(dòng)。RDK X3主要(yào)处(chù)理(lǐ)语(yǔ)音(yīn)交(jiāo)互(hù)和(hé)视(shì)觉(jué)识(shi)别(bié)，并(bìng)在(zài)屏(píng)幕(mù)和(hé)触(chù)摸(mō)屏(píng)上(shàng)显(xiǎn)示结果。STM32控制机器人的底盘运动，通过CAN总线控制电机转动，通过PWM波控制电动推杆的伸缩，并与树莓派实时通信，反馈机器人运动状态信息。

五、软件设计与流程

5.1建图与规划流程

SLAM建图使用三种地图：点云图、栅格图和八叉树地图。虽然激光雷达只能在二维场景中建图，但它具有较高精度和更远的建图范围，且受外界环境影响较小。路径规划中采用2D占用栅格图模式。激光雷达提供精确的二维信息，而深度相机提供(gōng)三(sān)维(wéi)信(xìn)息(xi)。为(wèi)了提高地图精度，本设计结合了激光雷达和RGBD相机的信息来建立栅格图，使用激光雷达和深度相机的融合数据，生成2D栅格地图，并与Cartgrapher算法建立的地图融合，得到最终的综合地图。

5.2人机交互流程 本项目的人机交互过程如图所示，通过视觉或语音方式识别出最终配送地点 并传输给树莓派作为最终导航地点。

5.3底盘控制软件流程 在本作品中，底盘控制采用 STM32单片机作为主控芯片，其程序结构图如 图所示。当机器人在运动的过程中，会不断检测前方是否有楼梯，没有检测到楼 梯，变形轮不变形维持原状；当检测到楼梯，根据测量的楼梯尺寸，STM32控制 变形轮变形到特定的扩大程度和旋转角度后，开始爬楼。

六、系统测试

6.1机械结构测试

验证机械结构可行性、操作稳定性及功能完备性。测试确认：

变形轮通过电动推杆伸缩实现轮毂角度与扩(kuò)张(zhāng)距(jù)离(lí)调(diào)节(jié)，满(mǎn)足(zú)楼(lóu)梯(tī)尺(chǐ)寸(cùn)自(zì)适(shì)应(yīng)需(xū)求(qiú)。

结(jié)构(gòu)设(shè)计合理，通过仿真与实(shí)际(jì)测(cè)试(shì)验(yàn)证(zhèng)，可(kě)稳定完成爬楼与行走模式切换。

6.2目标检测测试

流程与结果：

数(shù)据(jù)集构(gòu)建(jiàn)：采集图像并标注，转换为YOLOv5s适配格式（图(tú)片(piàn)+txt）。

模(mó)型训练：基于YOLOv5s，训练后输出评估指标：

1. Precision: 0.6086
2. Recall: 0.5641
3. mAP@0.5: 0.5703
4. mAP@0.5:0.95: 0.3221

实测效果：成功检测目标，满足基础需求，但精度待优化。

6.3底盘控制测试

电动推杆：PWM控制精度达标，可精准调节变形轮扩张与角度。

里程计：STM32实时读取速度、加速度、位置信息，误差<5%。

结论：底盘控制稳定，满足多模式运动需求。

6.4 SLAM建(jiàn)图(tú)测(cè)试(shì)

方(fāng)法(fǎ)对(duì)比(bǐ)：

激(jī)光(guāng)雷(léi)达(dá)：建(jiàn)图(tú)范(fàn)围(wéi)广(guǎng)，但(dàn)易(yì)受(shòu)环(huán)境(jìng)缝(fèng)隙(xì)干(gàn)扰(rǎo)。

RGBD相(xiāng)机(jī)：受(shòu)光(guāng)照(zhào)影(yǐng)响(xiǎng)，边(biān)界(jiè)模(mó)糊(hu)。

融(róng)合(hé)方(fāng)案(àn)：激(jī)光(guāng)雷(léi)达(dá)+RGBD投(tóu)影(yǐng)融(róng)合(hé)，生(shēng)成(chéng)高(gāo)精(jīng)度(dù)2D栅(zhà)格(gé)地(de)图(tú)，消(xiāo)除(chú)缝(fèng)隙(xì)干(gàn)扰(rǎo)，边(biān)界(jiè)清(qīng)晰(xī)。

6.5路径规划测试

改进A*算法（对比传统A*）：

搜索节点数减少30%，路径长度缩短15%，规划时间降低25%。

冗余节点去除后，路径平滑度提升，内存占用减少20%。

6.6人(rén)机(jī)交(jiāo)互(hù)测(cè)试(shì)

OCR+NLP：成(chéng)功(gōng)从(cóng)虚(xū)拟(nǐ)配(pèi)送(sòng)单(dān)提(tí)取(qǔ)地(de)址(zhǐ)，准(zhǔn)确(què)率(lǜ)>85%。

ASR+NLP：语(yǔ)音(yīn)指(zhǐ)令(lìng)中(zhōng)地(de)址(zhǐ)抽(chōu)取(qǔ)准(zhǔn)确(què)率(lǜ)>80%，支(zhī)持(chí)模(mó)糊(hu)语(yǔ)义(yì)（如(rú)“送(sòng)到(dào)三(sān)号(hào)楼(lóu)二(èr)层(céng)”）。

语(yǔ)音(yīn)反(fǎn)馈(kuì)：合(hé)成(chéng)语(yǔ)音(yīn)播(bō)报(bào)任(rèn)务(wu)信(xìn)息(xi)，用(yòng)户可确认指令正确性。

关键结论

• 各模块功能均通过测试，满足跨楼层配送需求。
• 目标检测与路径规划精(jīng)度(dù)待(dài)优(yōu)化(huà)，可(kě)通(tōng)过(guò)扩(kuò)展(zhǎn)数(shù)据(jù)集与(yǔ)算(suàn)法(fǎ)调(diào)参(cān)进(jìn)一(yī)步(bù)提(tí)升(shēng)。