一、项目基本信息

本项目为台湾国立清华大学动力机械工程学系 2024 届毕业专题，完整开源于 GitHub，由项目负责人完成全栈软件开发，并主导部分固件、硬件电路开发。项目目标打造一款室内乒乓球场全自主捡球机器人，解决训练时人工捡球耗时、打断训练节奏的痛点，实现无人化场地拾球作业。

二、核心功能目标

1. 全自主捡拾作业：机器人自主识别场地散落乒乓球，规划路径靠近球体，完成吸取收纳，自动抬升储球筐；

2. 远程可视化操控：配套 Web 前端操作界面，可远程下发任务、实时查看相机画面、监控机器人运行状态；

3. 室内自主导航定位：依托深度相机 SLAM 构建场地地图，支持自主避障、定点巡航、重复场地复用地图；

4. 模块化可拓展架构：硬件、固件、软件、模型四层完全解耦，支持单独迭代升级，适配不同尺寸乒乓球场地。

三、整体四层技术架构

1. Hardware 自研硬件层

全套机电硬件自主设计，包含三类自研 PCB 电路板与感知、计算硬件：

• 感知单元：Intel RealSense D435 深度相机、Luxonis OAK-D 嵌入式 AI 视觉相机；

• 计算单元：迷你工控机 IKOOLCORE R2；

• 运动控制：STM32H723 主控芯片，配套自研电源分层板、控制底板、大功率电机驱动板，实现底盘移动、吸球风扇动力输出。

2. Firmware STM32 固件层

基于 STM32CubeIDE 开发 C/C++ 分层嵌入式固件，模块化拆分底层驱动、电机 PID 闭环控制、底盘运动学、中断调度、ROS 通信适配等模块，具备高移植性，负责接收上位机指令、控制电机与传感器采集。

3. Software 软件层（ROS2 + Docker 容器化）

整套软件打包 x86 架构 Docker 镜像，环境一键部署，分为前端、后端两大模块：

• Web 前端（Nextjs）：基于 Framer Motion、Tailwind CSS 搭建可视化交互页面，支持远程操控、画面预览、状态日志查看；

• ROS2 后端五大子系统

  1. 协调器：全局任务调度中枢；

  2. Nav2 导航：路径规划、自主避障；

  3. EdgeNN 视觉：轻量化 YOLOv8 检测乒乓球，融合深度信息计算球体三维坐标；

  4. RTAB-Map：RGBD 深度相机实时 SLAM 建图与全局定位；

  5. 通信桥接：ros1_bridge 实现 STM32 底层 ROS1 与上层 ROS2 双向数据互通。

4. Model 模型层

存放乒乓球检测数据集、量化 YOLO 推理权重、深度视觉网络参数、场地 SLAM 地图文件，配套完整模型训练、部署推理脚本。

四、项目特色与创新点

1. 全自研硬件电路：自主设计全套 PCB，摆脱商用成品驱动板限制，成本可控、功能按需定制；

2. 端侧轻量化 AI 视觉：OAK-D 硬件加速目标检测，单帧乒乓球识别仅 6~10ms，无需占用工控机 GPU 资源；

3. 容器化交付：Docker 打包整套软件环境，规避 ROS 多版本、依赖库复杂配置问题；

4. 跨 ROS 版本兼容：搭建 ROS1/ROS2 双向通信桥，兼顾底层嵌入式驱动与上层现代机器人开发框架；

5. 远程 Web 操控：无需专用手柄，浏览器即可完成机器人全流程监控与任务下发。

五、应用场景

1. 专业乒乓球训练场馆，实现无人自动拾球，降低人工成本；

2. 高校机电、机器人专业教学实训平台，覆盖嵌入式、机器视觉、SLAM 导航、机器人操作系统全技术链路；

3. 家用乒乓球场地自动化辅助设备。

六、License

Apache License, Version 2.0

七、项目地址

https://github.com/pomelo925/TTennis-Pickup-Robot