机器人学是与机器人设计、制造和应用相关的科学,随着社会的进步,第四次工业革命的高速发展,人工智能技术的崛起,机器人扮演着越来越重要的角色,关于教育机器人的研究也越来越成为科研界的热门问题。教育机器人可分为轮式机器人、履带式机器人以及足式机器人,由于轮式机器人运动模型较为简单,自由度比较低,因此本文将选用轮式教育机器人作为研究对象,提出基于ROS的轮式教育机器人软硬件框架,并针对机器人在深度相机下室内环境路径规划做出了研究。室内环境下教育机器人可通过SLAM(同步定位与地图构建)技术存储实时地图信息,通过己存的全局地图选择相应的算法进行从当前位置到指定点的规划称为全局路径规划,但是在不确定的环境中会遇到实时变化的障碍物,仅仅依靠全局路径规划进行导航是不可行的,此时需要借助视觉传感器或者激光雷达传感器检测障碍物,并局部改变规划路径。关于机器人的路径规划问题,在进行室内环境信息收集时,多采用单线程激光雷达或深度相机作为环境传感器,本文则采用深度相机的方式,对室内路径规划做出以下研究:(1)在测试轮式教育机器人行进的过程中,会产生机器人不走直线以及速度控制误差问题,本文提出了 PID控制算法改进方案并加以调试,PID控制算法主要是通过从比例积分,从而减少了机器人的速度控制误差。(2)本文利用英特尔RealSense R200深度相机收集的点云数据,对机器人局部范围内的路径规划进行了研究,机器人在沿着既定的全局导航路径行进的过程中若有检测到障碍物,则启动深度摄像机抓取障碍物周围的环境空间,选择其中宽度较大的一侧作为绕行空间,生成绕行点以及绕行路径,同时将映射后绕行路径的终点和原始全局路径的下一个节点进行连接,从而完成实时性避障。文章的主要创新点是:提出了基于视觉传感器的轮式教育机器人软硬件框架集成,其中包含可扩展的多传感器上位机模块以及控制运动的下位机模块;采用RealSense R200作为轮式机器人的视觉传感器,对机器人全局路径规划以及局部实时路径规划进行了研究。研究以及实验结果表明,基于深度相机RealSense的轮式教育机器人可以准确地完成局部实时避障,并且可以返回原始全局规划路线。