1. 研究目的与意义
近年来，随着机器人技术的飞速发展，国家对机器人技术和人工智能等高新技术的发展越来越重视，其中对抗机器人就是其一重要发展方向。
但是，在当前阶段下一方面由于对抗机器人在比赛中始终处于高速动态状态，进行自主导航和定位较为复杂，另一方面因为机器人在高速动态环境下对敌方目标进行目标检测与识别、目标跟踪，对嵌入式平台的性能要求较高，深度学习算法不易实现的原因，当今，对抗性机器人大多数都是半自动的对抗机器人，可以被远程操控。
本课题要求基于DJIRoboMaster对抗机器人，拟采用NvidiaJetsonTX2高性能嵌入式平台设计制作一款全自主对抗机器人，可在5m*8m的铺设不同功能机关道具场地中，基于机器视觉、图像识别、深度学习算法等技术，我方机器人可在场地中自主运动，障碍规避，能够对攻击目标进行自主识别，并全自动发射弹丸与敌方机器人进行对抗。
2. 课题关键问题和重难点
关键问题：1、本系统车轮采用全向轮，轮子运动与车体非线性，通过轮子的合力进行运动，可以进行全方位移动并具有原地转向能力，需要受力分析和建模，若车辆运动的模型不准确，会导致车辆运行出现偏差。
因此，车辆运动模型的搭建是本系统需研究的第一个关键问题。
2、因JetsonTX2的CPU核心是由2颗Nvidia的高性能Denver核加4颗ARM Corte-A57核构成，且本系统需在JetsonTX2平台上的Linux系统下进行嵌入式开发编程，需要编译内核以及编译安装OpenCV、Tensorflow等所需的开发环境，所以，本系统环境搭建是需研究的第二个关键问题。
3. 国内外研究现状（文献综述）
要解决本课题车辆运动模型建立、开发环境的搭建、ROS开发、OpenCV机器视觉开发、Tensorflow框架下的深度学习、Python语言应用等关键问题及难点，需要查阅大量相关方面的资料和文献，从文献资料中的出方案，并对我们的方案进行论证。
1、因为任务要求，要实现如此庞大的系统和功能对主控的运算能力提出了很高的要求，所以我们选择Nvidia在2017推出的Jetson TX2处理器，其CPU核心是由2颗Nvidia的高性能Denver核加4颗ARM Corte-A57核构成，GPU最新帕斯卡架构的256个流处理器构成。
支持最多8GB LPDDR4内存、32GB eMMC/SDIO/SATA存储、四条PCI-E 2.0总线、两个DisplayPort 1.2/HDMI 2.0/eDP 1.4输出接口等，也支持USB 3.0、802.11ac、蓝牙等功能。
4. 研究方案
1、整体设计方案系统框图如下 图3 系统总体原理框图车辆底盘采用，全向轮独立驱动设计，通过can总线进行通信。
全向轮设计，可以使车辆进行全方位运动，移动轻便灵活。
采用can总线通信，can总线是应用最广泛的现场总线之一，尤其是在汽车工业中更是标准总线。
5. 工作计划
第 1 周 接受任务书，领会课题含义，按要求查找相关资料；第 2 周 继续查阅相关资料，并翻译不少于3000字的外文文献，论证设计的可行性，研究设计方案和设计思路；第 3 周 确定设计方案和关键技术，拟定采取的解决措施，撰写毕业设计开题报告；第 4 周 设计系统组成原理框图，绘制系统总体功能原理图；第 5~6 周 完成障碍规避，自主运动模块的调试工作；第 7~8 周 完成目标识别、攻击及躲避攻击的调试工作；第 9 周 软硬件联调/软件调试；第10周 撰写论文；第11周 修改论文；第12周 提交论文，接收验收成果，接受答辩资格审查；第13周 评阅教师评阅论文；第14周 准备参加答辩。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
