一、全文概括

该手册是基于 ROS 系统（机器人操作系统）的农业机器人底盘使用指南，涵盖 13 大核心功能模块，适配 Jetson 系列开发板，主要用于农业场景中的移动控制、环境感知、特定作业（灌溉 / 授粉）等操作。核心信息与功能如下：

1. 基础配置：提供 SSH/VNC 连接、热点网络等登录信息，是所有操作的前提；
2. 核心控制：含键盘手动控制、车道线自动循迹、YOLO 目标识别联动控制，覆盖 “手动 - 半自动 - 全自动” 三种运动模式；
3. 环境感知：支持雷达测距、摄像头图像采集与 WEB 预览，为自主决策提供数据；
4. 硬件拓展：包含 5 自由度机械臂的控制（预设动作、自定义动作），以及智能灌溉、智能授粉两大农业场景 demo；
5. 辅助工具：提供风扇启动（保障硬件散热）、资源监视器（查看 CPU/GPU 状态）等运维工具。

整体逻辑：以 ROS 话题通信为核心（如/cmd_vel控制底盘运动），通过 Launch 文件一键启动多节点，配合参数文件灵活配置，实现 “感知 - 决策 - 执行” 的完整机器人作业流程。

二、核心代码 / 指令通俗易懂详解

以下按功能模块，拆解关键指令、配置文件和代码，用 “作用 + 步骤 + 原理” 的方式解释，零基础也能理解。

（一）基础连接与环境准备

核心信息（必须记牢）

用途	信息
SSH 登录	用户名：epaicar，密码：ncut1234
网络连接	热点：Talos_AiCAR，密码：ncut1234，主机 IP：192.168.20.100
VNC 连接	密码：ncut1234（远程桌面控制用）

作用：通过电脑 / 手机连接机器人主机，远程操作机器人（无需直接接显示器）。

（二）底盘运动控制（最核心模块）

1. 键盘手动控制（入门必备）

关键指令（分 2 步，需打开 2 个终端）

bash

运行

# 终端1：启动底盘底层驱动（ROS与硬件通信的桥梁）
roslaunch eprobot_start AIcar_joy.launch

# 终端2：启动键盘控制节点
rosrun teleop_twist_keyboard teleop_twist_keyboard.py

代码 / 指令详解

• 第一步指令作用：roslaunch是 ROS 的 “一键启动工具”，AIcar_joy.launch文件会自动启动 2 个核心功能：
  1. ROS 与底盘控制器的串口通信节点（源码：~/talos_ws/src/eprobot_start/script/ai_racecar.py）；
  2. 监听/cmd_vel话题（机器人运动指令的 “信号通道”），将指令转换成硬件能识别的串口数据。
• 第二步指令作用：启动键盘控制程序，你按键盘上的方向键（如↑前进、←左转），程序会自动向/cmd_vel话题发布运动指令，底层驱动接收后控制底盘动起来。

手动发布运动指令（进阶：不用键盘，直接用指令控制）

bash

运行

rostopic pub /cmd_vel geometry_msgs/Twist "linear:
 x: 0.4  # 直行速度（正数前进，负数后退，范围0-1，越大越快）
 y: 0.0  # 横向速度（农业机器人一般不用，固定0）
 z: 0.0  # 垂直速度（忽略，底盘不会上下动）
angular:
 x: 0.0  # 横滚角（忽略）
 y: 0.0  # 俯仰角（忽略）
 z: 2.0" # 转弯速度（正数左转，负数右转，范围0-3，越大转得越急）

• 原理：rostopic pub是 ROS 中 “手动发布话题” 的指令，geometry_msgs/Twist是运动指令的数据格式（固定模板），只需改linear.x（直行）和angular.z（转弯）即可。

2. 车道线自动循迹

关键指令（分 2 步）

bash

运行

# 第一步：启动车道线识别（输出偏移量）
roslaunch velpub detect_line.launch

# 第二步：启动自动循迹控制（根据偏移量调整方向）
roslaunch velpub AIcar_move.launch

代码详解

• 第一步：车道线识别（detect_line.py核心逻辑）

  python

  运行

  # 源码路径：~/talos_ws/src/velpub/scripts/detect_line.py
  cv2.imwrite("result/start.jpg",frame)  # 可选：保存摄像头原图（调试用）
  # 核心功能：用UNet神经网络识别图像中的车道线
  # 计算小车中心与车道线中心的偏移量（比如偏移+5代表偏右，-3代表偏左）
  offset = calculate_offset(frame)  # 自定义函数：计算偏移量
  print("偏移量：", offset)  # 终端实时打印
  # 保存偏移量和识别结果（给循迹程序用）
  with open("result/note.txt", "w") as f:
      f.write(str(offset))
  cv2.imwrite("result/mask.jpg", mask)  # 保存车道线识别后的图像（看识别效果）
  

  • 作用：通过摄像头采集图像，用 AI 模型识别车道线，输出小车相对于车道线的偏移量，并存到note.txt文件中。
  • 调试技巧：取消cv2.imwrite("result/start.jpg",frame)的注释，可查看摄像头角度是否对准车道线。

• 第二步：自动循迹（AIcar_move.launch配置）该文件是配置文件（无需写代码，直接改参数），核心参数：

  xml

  <param name="linear_x" value="0.3" />  <!-- 直行速度（建议0.3，太快容易冲出车道） -->
  <param name="steer_coeff" value="0.5" />  <!-- 转向系数（越大，对偏移的反应越灵敏） -->
  <param name="max_angular_z" value="1.5" />  <!-- 最大转弯速度（防止急转弯） -->
  

  • 原理：循迹程序读取note.txt中的偏移量，比如偏移 + 5（偏右），就发布angular.z=-1.0（左转），偏移 - 3（偏左）就发布angular.z=0.8（右转），实现 “自动纠偏”。

（三）环境感知（雷达 + 摄像头）

1. 雷达测试（测距用）

关键指令

bash

运行

# 启动雷达驱动（激光雷达LD06）
roslaunch ldlidar_stl_ros ld06.launch

# 打开RViz可视化雷达点云（看周围障碍物）
rviz

# 运行Python脚本，打印两侧距离
python get_scan_data.py  # 路径：~/talos_ws/src/agrc_base_arm/script

代码详解（get_scan_data.py核心逻辑）

python

运行

import rospy
from sensor_msgs.msg import LaserScan

def scan_callback(data):
    # data.ranges是雷达所有方向的距离数据（列表，长度360，对应0-360度）
    left_distance = data.ranges[90]  # 90度方向（小车左侧）的距离
    right_distance = data.ranges[270]  # 270度方向（小车右侧）的距离
    print("左侧距离：{:.2f}m，右侧距离：{:.2f}m".format(left_distance, right_distance))

if __name__ == "__main__":
    rospy.init_node("scan_data_node")  # 初始化ROS节点
    rospy.Subscriber("/scan", LaserScan, scan_callback)  # 订阅雷达话题"/scan"
    rospy.spin()  # 持续运行，等待雷达数据

• 作用：雷达实时扫描周围环境，/scan话题发布所有方向的距离数据，脚本订阅该话题后，提取左侧（90 度）和右侧（270 度）的距离，打印到终端（用于避障或精准停靠）。

2. 摄像头 WEB 预览（实时看图像）

关键指令（分 2 步）

bash

运行

# 第一步：启动摄像头驱动
roslaunch usb_cam usb_cam-test.launch

# 第二步：启动WEB服务器
rosrun web_video_server web_video_server

访问方式

• 机器人主机上打开浏览器：http://localhost:8080/
• 手机 / 电脑（连同一热点）：http://192.168.20.100:8080/

更换外接摄像头（如果自带相机不好用）

1. 查外接摄像头设备号：

   bash

   运行

   ll /dev/video*  # 插入USB摄像头前后各执行一次，新增的就是（比如/dev/video1）
   

2. 修改配置文件：路径：~/talos_ws/src/usb_cam/launch/usb_cam-test.launch找到这行，把video0改成video1：

   xml

   <param name="device" value="/dev/video1" />  <!-- 摄像头设备号 -->
   

（四）YOLO 目标检测（识别农作物 / 障碍物）

关键指令

bash

运行

# 进入YOLO部署目录
cd /opt/nvidia/deepstream/deepstream-6.0/sources/DeepStream-Yolo

# 启动YOLO识别（基于DeepStream加速，适合Jetson硬件）
deepstream-app -c deepstream_app_config.txt

配置文件修改（关键）

• 打开图像显示：修改deepstream_app_config.txt

  ini

  [sink0]
  enable=1  # 1=显示图像，0=不显示
  type=2    # 2=窗口显示
  
  [osd]
  enable=1  # 1=显示识别框和标签，0=不显示
  

• 更换摄像头：修改[source0]部分

  ini

  camera-v4l2-dev-node=1  # 改成你的摄像头设备号（比如1对应/dev/video1）
  

• 识别结果保存：程序自动把识别到的目标（比如 “花”“草”“障碍物”）存到yolosign.txt文件中，路径：

  plaintext

  /opt/nvidia/deepstream/deepstream-6.0/sources/DeepStream-Yolo/nvdsinfer_custom_impl_Yolo/yolosign.txt
  

联动控制（根据识别结果让小车动作）

bash

运行

# 启动联动控制节点
roslaunch velpub get_yolo_rst.launch

• 核心逻辑（velpub.py）：

  python

  运行

  # 订阅车道线循迹的速度指令（/cmd_vel_1）
  rospy.Subscriber("/cmd_vel_1", Twist, cmd_vel_callback)
  # 读取YOLO识别结果（yolosign.txt）
  with open("yolosign.txt", "r") as f:
      target = f.read().strip()  # 比如读到"flower"（花）或"obstacle"（障碍物）
  # 根据目标调整运动指令
  if target == "obstacle":
      # 遇到障碍物，停止前进
      cmd_vel.linear.x = 0.0
      cmd_vel.angular.z = 0.0
  elif target == "flower":
      # 识别到花，减速并转向靠近
      cmd_vel.linear.x = 0.2
      cmd_vel.angular.z = -0.8  # 右转靠近
  # 发布最终的运动指令（/cmd_vel）
  pub.publish(cmd_vel)
  

• 作用：把 YOLO 识别结果和车道线循迹结合，实现 “识别到障碍物就停，识别到目标就靠近” 的智能控制。

（五）机械臂控制（农业作业核心执行机构）

关键前提（必须做！）

1. 开机前：把机械臂大臂的 “对准位” 和云台的 “对准位” 靠在一起（防止舵机复位卡死）；
2. 查串口：连接机械臂 USB 线后，执行ll /dev/ttyUSB*，确认机械臂串口（默认/dev/ttyUSB2）；
3. 改权限（避免串口无法通信）：

   bash

   运行

   sudo chmod 777 /dev/ttyUSB2  # 给串口读写权限
   

核心指令

bash

运行

# 启动机械臂驱动（自动回到初始位置）
roslaunch agrc_base_arm agrc_base_arm.launch

控制方式（3 种，从简单到复杂）

1. 话题发布预设动作（最常用）

bash

运行

# 发布指令：让机械臂执行“初始位姿”（data=1）
rostopic pub /arm_cmd std_msgs/Int32 "data: 1"

• 动作对应表（改data后的数字即可）：

  功能	data 值
  初始位姿（待机）	1
  动作组 1（比如 “伸臂”）	2
  动作组 2（比如 “抓取”）	3
  ...	...
  获取各轴角度和扭矩	20
  关闭关节锁死（可手动掰）	99
  打开关节锁死（固定位置）	100

2. 键盘手动控制

按键	功能
y	打印各轴角度和扭矩
r	关闭关节锁死（手动调整）
t	打开关节锁死（固定位置）

3. 自定义动作（添加新动作组）

步骤：

1. 按r：关闭关节锁死，手动把机械臂掰到目标位置（比如 “授粉姿势”）；
2. 按t：锁死关节，固定位置；
3. 按y：终端打印 5 个关节的位置信息（比如P1=180, P2=90...）；
4. 改参数文件（~/talos_ws/src/agrc_base_arm/config/base_arm.yaml）：

   yaml

   action_groups:
     17:  # 新动作组编号（16之后的数字）
       - P1: 180  # 关节1位置（刚才打印的数值）
         P2: 90   # 关节2位置
         P3: 60   # 关节3位置
         P4: 120  # 关节4位置
         P5: 180  # 关节5位置（夹爪）
         speed: 200  # 运动速度
   

5. 保存后，重新启动机械臂驱动，发布data=17即可执行新动作。

（六）智能灌溉 Demo（农业场景实战）

核心流程（硬件安装 + 软件运行）

1. 硬件安装要点

• 水泵接线：进水口接带过滤头的管道（放水瓶里），出水口接喷嘴（固定在机械臂夹爪）；
• 供电：水泵用单独 12V 锂电池（防短路），水泵控制器 USB 插到底盘的 USB-HUB；
• 查水泵串口：执行ll /dev/ttyUSB*，水泵控制器一般是/dev/ttyUSB3（最后插入的设备）。

2. 关键指令（按顺序启动 4 个终端）

bash

运行

# 终端1：启动底盘驱动
roslaunch eprobot_start AIcar_joy.launch

# 终端2：启动机械臂驱动
roslaunch agrc_base_arm agrc_base_arm.launch

# 终端3：启动雷达（精准停靠用）
roslaunch ldlidar_stl_ros ld06.launch

# 终端4：启动灌溉Demo
roslaunch agrc_base_arm compitation_irrigate_demo.launch

3. 参数配置（compitation_irrigate_demo.yaml）

无需改代码，改配置文件即可调整效果：

yaml

linear_x: 0.3  # 小车直行速度（慢一点，精准停靠）
anglular_z: 1.0  # 转向速度
pump_serial: /dev/ttyUSB3  # 水泵串口（必须和实际一致）
pump_on_time: 2.0  # 单次灌溉时间（2秒，根据需要调整）
pump_off_time: 1.0  # 灌溉后关闭延时（1秒）
# 行进时间配置：[前进时间（秒），停留时间（秒）]
go_along_time:
  - [2.5, 5.0]  # 方案1：前进2.5秒，停留5秒（给灌溉留时间）
  - [3.0, 4.5]  # 方案2：前进3秒，停留4.5秒
# A区任务：10次行进+停留，每次用go_along_time中的第n个方案
task_A_go_along: [0,0,1,1,0,0,1,1,0,0]  # 0=方案1，1=方案2

4. 核心代码逻辑（compitation_irrigate_demo.py）

python

运行

# 读取参数文件
config = rospy.get_param("/compitation_irrigate_demo")
linear_x = config["linear_x"]
pump_on_time = config["pump_on_time"]

# 雷达数据回调（精准停靠）
def scan_callback(data):
    left_dist = data.ranges[90]
    right_dist = data.ranges[270]
    print("两侧距离：", left_dist, right_dist)
    # 若检测到花盆（距离小于0.5米），停止前进
    if left_dist < 0.5 and right_dist < 0.5:
        stop_car()  # 停止小车

# 灌溉动作
def irrigate():
    # 控制机械臂转到灌溉姿势（发布动作组指令）
    rospy.Publisher("/arm_cmd", Int32, queue_size=10).publish(5)  # 动作组5=灌溉姿势
    # 打开水泵
    pump_serial.write(b"ON")  # 向水泵控制器发“开”指令
    rospy.sleep(pump_on_time)  # 保持开启pump_on_time秒
    # 关闭水泵
    pump_serial.write(b"OFF")
    rospy.sleep(config["pump_off_time"])

# 主流程
def main():
    for i in range(len(task_A_go_along)):
        # 按方案前进
        go_time, wait_time = go_along_time[task_A_go_along[i]]
        move_car(linear_x, 0.0, go_time)  # 直行go_time秒
        rospy.sleep(wait_time)  # 停留
        irrigate()  # 执行灌溉
    # A区完成后，去B区...

• 作用：小车按预设方案在 A 区、B 区移动，通过雷达检测花盆位置，停靠后控制机械臂调整姿势，开启水泵灌溉，完成后继续前进。

（七）智能授粉 Demo（类似灌溉，简化版）

核心差异

1. 硬件：无需水泵，只需把水笔固定在机械臂夹爪（模拟授粉）；
2. 软件：动作组不同（授粉动作 vs 灌溉动作），参数文件中停留时间可缩短（授粉比灌溉快）。

关键指令（最后一步换 Demo）

bash

运行

# 终端4：启动授粉Demo（其他3步和灌溉一样）
roslaunch agrc_base_arm compitation_pollination_demo.launch

（八）辅助工具（保障机器人稳定运行）

1. 开启风扇（Jetson 散热必备）

Jetson 开发板运行 AI 模型时会发热，需手动开启风扇：

bash

运行

# 1. 创建并编辑启动文件
sudo touch /etc/rc.local
sudo gedit /etc/rc.local

# 2. 在文件中输入以下内容（复制粘贴即可）
#!/bin/bash  # 必须有，告诉系统这是bash脚本
sleep 10  # 开机10秒后执行（等系统启动完成）
sudo /usr/bin/jetson_clocks  # 开启Jetson性能模式
sudo sh -c 'echo 200 > /sys/devices/pwm-fan/target_pwm'  # 风扇转速（200是中等转速，范围0-255）

# 3. 给文件加执行权限
sudo chmod 755 /etc/rc.local

• 作用：开机自动启动风扇，防止因过热导致机器人死机。

2. 资源监视器（查看硬件状态）

bash

运行

jtop  # 直接在终端输入

• 功能：实时显示 CPU、GPU、内存、风扇转速、温度等信息，比如：
  • 若 GPU 使用率 100%，说明 AI 模型（YOLO / 车道线识别）在正常运行；
  • 若温度超过 85℃，需调大风扇转速（把 200 改成 255）。

三、核心总结

1. ROS 核心逻辑：所有控制都通过 “话题” 通信（如/cmd_vel控制运动，/scan传输雷达数据），Launch 文件负责一键启动多节点，参数文件负责灵活配置；
2. 操作优先级：先连接网络→启动底层驱动（底盘 / 机械臂）→启动感知模块（雷达 / 摄像头）→启动上层控制（循迹 / YOLO / 作业 Demo）；
3. 调试技巧：遇到问题先看终端报错→检查硬件接线（串口 / 电源）→确认参数文件（串口号、速度）→查看识别 / 测距结果（mask.jpg、终端打印）。

按手册步骤操作，即可实现农业机器人的自主移动、环境感知和农业作业，如需自定义功能（如新增作物识别、调整动作），可基于现有代码修改参数或添加逻辑。