基于 RoboMaster EP 的机器人开发工具包，提供了用于控制机器人移动、获取激光雷达数据、处理摄像头图像等一系列脚本和功能模块（源码） 文件结构 rmep_base/scripts/：包含多个 Python 脚本，用于实现不同的机器人控制功能。 ydlidar_ros_driver-master/：集成 YDLIDAR 的 ROS 驱动，用于获取激光雷达数据。 detection_msgs/：包含自定义消息类型，用于 ROS 节点间通信。 依赖 ROS (Robot Operating System) RoboMaster Python SDK YDLIDAR SDK 安装 RoboMaster Python 库 确保已安装 Python 3.x。 使用 pip 安装 RoboMaster SDK： pip install robomaster 使用说明 发布话题（默认话题名字） /camera/image_raw：摄像头图像数据。 /scan：激光雷达扫描数据。 订阅话题（默认话题名字） /move_cmd：移动控制指令。 发布服务 /start_scan：启动激光雷达扫描。 /stop_scan：停止激光雷达扫描。 其他说明 ztcar.launch：启动机器人基础功能的 ROS 启动文件。 ydlidar.launch：启动 YDLIDAR 的 ROS 启动文件。 ztcar_move.py：包含机器人移动控制函数，如前进、后退、转向等。 ztcar_camera.py：处理摄像头图像并发布图像话题。 ztcar_result.py：处理检测结果话题的回调函数。

轮腿代码编写及调试补充

Robomaster 开发板C型 是大疆创新科技有限公司推出的一款基于 ARM Cortex-M4 内核的开发板。开发板主控芯片为 STM32F407IGH6TR，最高主频为 168Mhz，拥有丰富的扩展接口和通信接口。板载IMU传感器，可配合RoboMaster出品的M3508、 M2006直流无刷减速电机、UWB模块以及妙算等产品使用，亦可配合DJI飞控SDK使用。MCU：STM32F407IGH6TR, 主频 168MHz, 1024KB FLASH, 192KB RAM(含64KB CCM RAM)本章节是为需要在 RT-Thread 操作系统上使用更多开发板资源的开发者准备的。通过使用[ENV 工具](/development-tools/env/env)对 BSP 进行配置，可以开启更多板载资源，实现更多高级功能。本 BSP 为开发者提供 MDK5 和 IAR 工程，并且支持 GCC 开发环境。下面以 MDK5 开发环境为例，介绍如何将系统运行起来。

RoboMaster- 基于DJI2015年步兵底盘模型和A型开发板编写的整车开源代码

机器人大师 计划是由Da-Jiang Innovations（DJI）建立的机器人竞赛和学术交流平台，专门为全球技术爱好者设计。 在比赛中，两支团队的机器人通过在安装在机器人上的装甲板上射击小球，在竞技场上相互搏斗。 机器人上广泛使用计算机视觉来跟踪和检测对手机器人并执行自动瞄准和射击。 可以同时检测蓝色和红色装甲 该模型使用框架进行训练，并预先训练了微小的yolov4权重。

RoboMaster电池架使用说明 配合大疆智能飞行电池TB48S使用

RoboMaster开发板C型嵌入式软件教程文档.pdf

Robomaster2018-SEU-开源 这是东南大学为Robomaster 2018设计的一个项目，其中包括完成自动射击和符文检测任务的完整过程。 包括装甲检测，符文检测，角度求解算法和驱动程序，串行通信。 这基本上是我们在比赛中使用的代码。 1.要求 平台： 杰特逊TX2 ubuntu16.04 环境 QT5 OpenCV3.4.0（Opencv4Tegra） 2.项目框架 Armor ， Rune ＆ Pose ：此处实现了三个核心算法。 您可以在这三个目录下阅读文档。 Darknet ：我们需要运行该项目的深度学习库，您需要首先对其进行编译。 驱动程序：相机驱动程序。 常规：所有程序的常规资源。 串行：与STM32的串行通信协议。 Main ：程序进入。 图：文档的资源文件 3.配置 1.克隆项目 将项目克隆到您执行的目录。 如果不确定，则/home/usrname/就可以了。 2.编译darknet库 darknet库是实现Rune Detection中的深度学习算法所需的依赖库。 为了满足我们的需求，我们对原始库进行了一些更改。 无论如何，请确保先进行

数据集增强(对标自己的robomaster数据集)

手写数字识别(对标大小符robomaster数据集)