Jetbot实战系列01：系统介绍

在2019年NVIDIA推出Jetson Nano边缘计算设备之后，这套开源的Jetbot智能无人车教学系统也随之而生，为市场提供一套最优性价比的教学系统，不仅结合时下最先进的深度学习智能识别系统，并且使用最精简的硬件元件，让总体搭建成本锁定在1,500人民币以内，相较于市面上动辄5,000元以上的搭建成本，Jetbot就显得十分亲民。

这个项目最早出现在NVIDIA GTC 2019年会上，现场演示了“避障”、“循路”与“遇障停止”等功能，吸引众多专业人士的眼球，因为Jetbot系统上只使用一个CSI摄像头，而没有其他任何距离传感设备(sensor)，便能实现这些复杂的功能，这是相当神奇的一件能力，想先体验Jetbot的功能，可以在网上找到很多关于这个项目的视频，感受一下这套小车的强大。

相较于其他智能小车的，整个Jetbot小车大约只用了8个电子相关器件，以及20个左右的螺丝就能完成安装，如下图所示。其他小车都要使用两倍以上的元器件与螺丝，不仅成本差异非常大，并且组装过程十分繁琐。

此外，Jetbot用Jetson Nano（含2GB）将计算与控制集于一身，传统小车大部分是将这两部分交由两个处理设备来独立负责，主要是因为那些计算设备的性能，不足以顺畅地同时执行计算与控制两个工作，但这样的方式也会增加软件上的复杂度，也会影响系统的运行稳定性。

总的来说，Jetbot智能车学习系统不仅在“成本、易用、稳定”这三方面都有明显的优势，还兼备“智、能、美”三大特色于一身：

• 智：NVIDIA 完整的DeepLearning资源

• 能执行绝大部分DeepLearning框架
• TensorRT Inference Engine
• 计算机视觉(CV）库与Camera Subsystem

• 能：上手就能使用，周边扩充容易

• 最优的（计算性能 vs 功耗）
• 最丰富的开发资源与Sample，上手就能使用

• 能直接移植树莓派的绝大部分机电控制应用

• 美：造型美观、成本亲民

• 开源流线造型3D打印输出档
• 使用数量最少的配设备
• 成本最低，组装最简单

在接下去的Jetbot系列文章，就是为大家逐步揭开这个系统的神秘面纱，并引导读者一步一步地完成这个系统的搭建与实验，包括硬件系统组件的细节，以及软件系统的安装、调试与执行，毕竟这样一套作模拟无人车运作的系统，必须每个细节都处理到位，任何一个小地方的疏忽都会影响系统的正常操作。

本文的重点是先为大家剖析一下Jetbot的组成元件列表，并且将这些元件进行分类，这样有助于后面分项细节说明中，可以清楚每个类别所扮演的角色

1. 计算与控制设备：

这是Jetbot系统的核心，用NVIDIA Jetson Nano或2GB版本来担任，二者的机构尺寸与接口位置几乎一致，因此配套的装置是完全通用的。

Jetson Nano（含2GB）透过一组与树梅派兼容的40针扩展引脚，与电子控制设备进行互动，包括传送指令与接收信息，因此Jetson Nano（含2GB）也同时肩负着控制的功能，这样能非常有效地降低设备之间的交互复杂度。

2. 信息接收设备：

Jetbot只使用一个CSI摄像头，完全模拟人类“视觉感知”的理解方法，用最先进的深度学习“图像分类”技术来识别前方的图像，因此不需要其他声纳、红外线、激光雷达之类的空间距离传感设备，这在现今还是非常独特的做法。

目前Jetson Nano（含2GB）支持IMX219芯片的摄像头，俗称“数梅派2代”摄像头，单价在100人民币左右。

3. 网络连线设备：

支持M.2 Key-E与USB2/3等接口的无线网卡，前者主要以Intel 8265NGW芯片为主，后者可使用多种双频的USB网卡。

网络设备的重点是要与上位机控制台（例如笔记本）保持连线，除了一开始透过控制台对Jetbot下达指令之外，还有透过前面所提到的CSI摄像头进行数据集采集的任务，以及Jetbot运行是的监控。

4. 显示设备：PiOLED

这是个树梅派领域使用率很高的设备，因为这些边缘设备并不方便去接显示器，因此需要一个小显示屏来提供一些简单的信息，特别是这个设备目前的IP地址，以及CPU、内存使用率等简单信息。

这个元件如果是自行采购的话，可能需要一些基础焊接的工作，不过这个显示设备并非必要的元件，会在后面的内容中会进一步说明。

5. 电机控制设备：PCA9685+TB6612控制板、TT减速电机

这部分由两个部分所组成：

• PCA9685+TB6612二合一控制版：前者负责接收来自Jetson Nano的I2C信号，后者则根据信号去提供电机所需要的电源，这个控制版的成本大约在40人民币左右，非常实惠。
• 电机驱动的部分：包括两个TT电机与两个配套的外论，前者接受TB6612供应的电流进行不同方向与速度的旋转，带动后者与地面摩擦执行Jetbot的行进。这部分的总成本20元人民币以内。

6. 电源供应设备：

由于Jetbot所使用的电器设备全部都是5V电压，因此可以使用市面上标准的充电宝就可以，不过受到车座所留给放置电源的空间，因此对于充电宝的宽带与高度是有要求的，并且需要两个以上的供电口。

熟悉电源供应的读者，也可以自行制作5V/3A输出的电源方案。

7. 车座机构件：

这个在Jetbot小车官网上有提供开源的3D打印文件，读者可以下载后自行打印，或者在淘宝上这方面的服务供应商去打印也可以。

如果自己有3D打印机，技巧好一点的还可以打出如下图的彩色底座。

但我们完成上述所有硬件的组装之后，就能去执行Jetbot所提供的以下4个开源项目以及2个Jetson Community比较有意思的开源项目：

1. 基本运动：从web浏览器对JetBot进行编程，执行基本的电机控制；
2. 对象跟踪：使用预训练的对象检测模型，对人、杯子或狗等80类物件执行跟踪功能；
3. 避免碰撞：这是Jetbot的经典范例，使用深度学习的“图像分类”功能所实现的功能，主要分为两部分，全部透过一个CSI摄像头来进行：
   1. 透过CSI摄像头收集“障碍(block)”与“无障碍(free)”而分类图形，在Jetson Nano（含2GB）进行模型训练，
   2. 将训练好的模型用在Jetbot上，对CSI摄像头实时读入的图像桢上进行推理识别，进而实行“避免碰撞”的功能。
4. 交通锥循路：这是Jetson社区里的开源项目，基于“避免碰撞”实验的扩展，将收集的数据分为“先前”、“向左”、“向右”、“障碍”四分类，执行与“避免碰撞”相同逻辑与步骤，进行数据集收集、模型训练与推理运作。
5. 道路跟踪：这是使用线性回归(linear regression)的方式来实现“循路”的功能，前提是道路上必须有分割线，才能使用这种方式实现循路的功能，过程中可以使用到游戏摇杆的协助，来收集数据集进行训练。
6. 避障与循路的结合：这也是基于Jetson社区的开源项目，将第3个“避免碰撞”与第5个“道路跟踪”实验相结合，是个实用性非常高的实验。

接着就开启我们的Jetbot系列的内容，全程在Jetson Nano 2GB版上操作，带着大家一起轻松地玩转起来这套结构简单、成本亲民的无人车教学系统。[完]