基于RDK X3和OriginBot的手势控制机器人应用案例
功能介绍
通过视觉进行人手检测、跟踪和手势识别，根据手势类别生成不同运动控制指令并控制机器人运动，包括左右旋转和前后平移运动。该功能支持机器人实物和Gazebo仿真两种体验方式。
支持的控制手势和对应的功能定义如下：
机器人实物
物料清单
以下机器人均已适配RDK X3。
使用方法
准备工作
1.机器人具备运动底盘、相机及RDK套件，硬件已经连接并测试完毕；
2.已有ROS底层驱动，机器人可接收/cmd_vel指令运动，并根据指令正确运动。
机器人组装
以下操作过程以OriginBot为例，满足条件的其他机器人使用方法类似。参考机器人官网的使用指引，完成机器人的硬件组装、镜像烧写及示例运行，确认机器人的基础功能可以顺利运行。
安装功能包
1.参考OriginBot说明，完成OriginBot基础功能安装
2.安装功能包
启动机器人后，通过终端或者VNC连接机器人，复制如下命令在RDK的系统上运行，完成相关Node的安装。
tros foxy版本
tros humble版本
运行手势控制功能
1.启动机器人底盘
启动机器人，如OriginBot的启动命令如下：
tros foxy版本
tros humble版本
2.启动手势控制
启动一个新的终端，通过如下指令启动手势控制功能：
tros foxy版本
tros humble版本
启动成功后，站在机器人摄像头前，需要让机器人识别到手部，通过“666手势/Awesome”手势控制小车前进，“Yeah/Victory”手势控制小车后退，“大拇指向右/ThumbRight”手势控制小车右转，“大拇指向左/ThumbLeft”手势控制小车左转。其中左转/右转分别是向人的左/右方向（大拇指的指向）转动。
3.查看视觉识别效果
打开处于同一网络下电脑的浏览器，访问http://IP:8000即可看到视觉识别的实时效果，其中IP为RDK的IP地址。
Gazebo仿真
Gazebo仿真适用于持有RDK X3但没有机器人实物的开发者体验功能。
物料清单
使用方法
准备工作
在体验之前，需要具备以下基本条件：
开发者有RDK套件实物，及配套的相机
PC电脑端已经完成ROS Gazebo及Turtlebot机器人相关功能包安装
和地平线RDK在同一网段（有线或者连接同一无线网，IP地址前三段需保持一致）的PC，PC端需要安装的环境包括：
tros foxy版本
Ubuntu 20.04系统
ROS2 Foxy桌面版
Gazebo和Turtlebot3相关的功能包，安装方法：
tros humble版本
Ubuntu 22.04系统
ROS2 Humble桌面版
Gazebo和Turtlebot3相关的功能包，安装方法：
安装功能包
启动RDK X3后，通过终端或者VNC连接机器人，复制如下命令在RDK的系统上运行，完成手势控制相关Node的安装。
tros foxy版本
tros humble版本
运行手势
控制功能
1.启动仿真环境及机器人
在PC端Ubuntu的终端中使用如下命令启动Gazebo，并加载机器人模型：
tros foxy版本
tros humble版本
启动成功后，仿真环境中小车效果如下：
2.启动手势控制
在RDK的系统中，启动终端，通过如下指令启动功能：
tros foxy版本
tros humble版本
启动成功后，站在机器人摄像头前，需要让机器人识别到手部，通过“666手势/Awesome”手势控制小车前进，“yeah/Victory”手势控制小车后退，“大拇指向右/ThumbRight”手势控制小车右转，“大拇指向左/ThumbLeft”手势控制小车左转。其中左转/右转分别是向人的左/右方向（大拇指的指向）转动，效果点击跳转。
3.查看视觉识别效果
打开同一网络电脑的浏览器,访问http://IP:8000即可看到视觉识别的实时效果，其中IP为RDK的IP地址。
接口说明
订阅话题
发布话题
参数
原理简介
手势控制机器人功能由MIPI图像采集、人体检测和跟踪、人手关键点检测、手势识别、手势控制策略、图像编码、Web展示端组成，流程如下图：
参考资料
手势控制参考：开发者说 | 地平线程序员奶爸带你玩转机器人开发平台 —— 第一期 手势控制
常见问题
1.Ubuntu下运行启动命令报错-bash: ros2: command not found
当前终端未设置tros.b环境，执行命令配置环境：
tros foxy版本
tros humble版本
在当前终端执行ros2命令确认当前终端环境是否生效：
如果输出以上信息，说明ros2环境配置成功。
注意！对于每个新打开的终端，都需要重新设置tros.b环境。
2.做出控制手势，机器人无反应
2.1确认是否有运动控制消息发布
在RDK的系统中，启动终端，使用ros2 topic echo /cmd_vel命令确认是否有/cmd_vel话题消息发布，如果无，再确认是否识别到手势。
2.2检查是否识别到手势
做出控制手势后，查看输出log中“tracking_sta”关键字值是否为1，同时gesture值是否大于0，或者查看电脑浏览器上是否有手势识别渲染结果，否则按照“功能介绍”部分手势动作举例确认手势是否标准。
- |
- +1 赞 0
- 收藏
- 评论 0
本文由雪飘梦飞转载自D-Robotics官网，原文标题为:手势控制机器人，本站所有转载文章系出于传递更多信息之目的，且明确注明来源，不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
相关推荐
智能语音聊天机器人功能及使用指南
智能语音聊天机器人通过识别用户语音，调用ChatGPT API获取答复并播放，实现语音聊天。需地平线RDK、ChatGPT API Key及音频板等物料。准备、组装后，安装功能包并运行，配置音频和ChatGPT API Key。常见问题包括设备连接、音频驱动、配置文件及网络访问等。
设计经验 发布时间 : 2024-10-18
基于RDK X3的机械臂物体拾取操作实例
本文介绍RDK X3该功能包接收用户选择方块数字的请求，通过yolov5检测目标，在Z轴距离确定的情况下解算出物体的三维坐标，并请求仿真机械臂控制节点夹取物体的应用实例。
设计经验 发布时间 : 2024-10-28
地平线RDK实现智能循线机器人应用示例
巡线任务，即机器人小车能够自主跟着一条引导线向前运行。地平线RDK通过摄像头获取小车前方环境数据，图像数据通过训练好的CNN模型进行推理得到引导线的坐标值，然后依据一定的控制策略计算小车的运动方式，通过UART向小车下发运动控制指令实现整个系统的闭环控制。
设计经验 发布时间 : 2024-11-12
基于RDK平台的YOLOv10目标检测算法示例
YOLO功能介绍YOLO目标检测算法示例使用图片作为输入，利用BPU进行算法推理，发布包含目标类别和检测框的算法msg。YOLO目标检测算法示例使用图片作为输入，利用BPU进行算法推理，发布包含目标类别和检测框的算法msg。目前支持yolov2、yolov3、yolov5、yolov5x四个版本。
应用方案 发布时间 : 2024-11-13
双机械臂四转四驱机器人设计与实现
该研究设计了一种创新的双机械臂四转四驱机器人，旨在突破传统轮式机器人的限制。该机器人底盘采用四转四驱设计，显著提升了灵活性和负载能力，使其能够在复杂环境中精确移动和执行任务。双机械臂系统使机器人能够高效与现实生活互动，完成复杂任务。
应用方案 发布时间 : 2024-10-29
多模态感知仿生机械手项目案例
本项目提供了一款五指仿生机器手，其仿照人手的外观与自由度，使其能够作为人形机器人的末端执行器，完成人手所能完成的任务。
应用方案 发布时间 : 2024-10-29
NodeHub快速入门
NodeHub是地平线为机器人爱好者打造的智能机器人应用中心，旨在以更加简单、高效、开放的方式协助机器人爱好者开发自己的智能机器人。
技术探讨 发布时间 : 2024-10-30
RDK X3 机械臂捡垃圾经验分享
hobot_arm package 是基于 mono2d_trash_detection package 开发的2D垃圾目标检测+机械臂抓取的应用示例。在地平线的旭日X3派上利用BPU进行模型推理获得感知结果，利用幻尔机械臂作为下位机，进行垃圾抓取的示例。
设计经验 发布时间 : 2024-10-30
NodeHub快速入门示例：小海龟绘画
NodeHub快速入门示例，通过键盘控制小乌龟进行绘画。
设计经验 发布时间 : 2024-11-11
基于RDK X3开发板设计并实现的手持slam建图设计
这里使用RDK X3开发板设计并实现了一款SLAM手持建图设备，它使用RDK X3开发板的计算性能，通过激光雷达实现一个纯激光里程计，通过IMU对激光数据进行畸变矫正和对SLAM的姿态矫正，实现一个手持的SLAM建图功能。
设计经验 发布时间 : 2024-11-04
基于RDK X3的人体跟随机器人功能示例
本示例通过视觉进行人体目标检测与跟踪，并生成运动控制指令控制机器人自动跟随目标运动。该功能支持机器人实物和Gazebo仿真两种体验方式。
设计经验 发布时间 : 2024-11-08
镭神激光雷达驱动
镭神激光雷达驱动设计方案及应用介绍， LSLIDAR ROS2驱动链接RDK X3，以ROS2标准消息格式发送激光雷达数据。
设计经验 发布时间 : 2024-11-09
连接RDK X3操作奥比中光Astro Pro相机驱动示例
基于RDK X3的奥比中光Astro Pro相机驱动操作方案介绍。
设计经验 发布时间 : 2024-11-08
人形机器人目标检测实例
基于深度学习的方法识别小球和底座，使用模型为YOLOv5s使用方法准备工作具备TonyPi机器人，包含相机及RDK套件，并且能够正常运行。
设计经验 发布时间 : 2024-10-21
基于地平线RDK模型YOLOv5s深度学习的方法进行赛道障碍物检测应用实例
该功能为基于深度学习的方法识别赛道中的障碍物，使用模型为YOLOv5s。地平线RDK通过摄像头获取小车前方环境数据，图像数据通过训练好的YOLO模型进行推理得到障碍物的图像坐标值并发布。
设计经验 发布时间 : 2024-11-08
电子商城
授权代理品牌：集成电路
授权代理品牌：分立元件
授权代理品牌：接插件及结构件
授权代理品牌：部件、组件及配件
授权代理品牌：电源及模块
授权代理品牌：电子材料
授权代理品牌：仪器仪表及测试配组件
授权代理品牌：电工工具及材料
授权代理品牌：机械电子元件
授权代理品牌：加工与定制
我要提问
登录 | 立即注册
提交评论