机器人工程本科毕设入门指南：从选题到原型开发的完整技术路径-平芜编程栈

机器人工程本科毕设入门指南：从选题到原型开发的完整技术路径

摘要：很多机器人工程本科生在毕设初期都会陷入“选题模糊、技术栈混乱、软硬件协同困难”的三连坑。本文面向零项目经验的新手，把毕设拆成“选题→技术栈→MVP→仿真→实机→避坑”六步，给出可直接落地的工具链与代码模板，帮你高效做出能跑、能避障、能写论文的差速小车。

1. 毕设常见痛点：为什么总卡在 30 % 进度条

目标不清：老师一句“做个移动机器人”就散会，需求颗粒度堪比“做个淘宝”。
软硬脱节：算法同学只管 MATLAB 仿真，硬件同学只焊板子，最后联调发现 ROS 话题对不上。
调试困难：实机一出问题就抓瞎，没有分块验证，只能“全量祈祷法”。
时间失控：把“买零件”排在第 7 周，快递一延误，毕业直接变延期。

一句话总结：把毕设当工程做，而不是当实验做。

2. 主流技术栈 5 分钟速览

维度	方案 A	方案 B	方案 C	怎么选
中间件	ROS 1 (Melodic/Noetic)	ROS 2 (Humble)	裸 Socket	新手直接 ROS 1，资料多；想长生命周期再迁 ROS 2
主控	Arduino UNO	STM32F4	Raspberry Pi 4	需要浮点+ROS 节点→树莓派；只收编码器→STM32
仿真	Gazebo 11	Webots R2023b	PyBullet	Gazebo 与 ROS 1 无缝，插件现成；Webots 界面友好
语言	C++11	Python 3	图形化	实时性要求>100 Hz 用 C++；快速验证用 Python

经验：先让系统跑通，再谈“优雅”。别一上来就 ROS 2 + micro-ROS，配置能吃掉你两周。

3. MVP 案例：10 周做出“会避障的差速小车”

3.1 系统架构图

高层拆 4 块：感知→决策→控制→执行。
每一块先在仿真里跑通，再换真车，降低“未知变量”数量。

3.2 最小硬件清单（淘宝可一键下单）

小车底盘 + 电机编码器 ×2
树莓派 4B（4 GB）+ 32 GB 卡
RPLIDAR A1（360° 激光雷达）
TB6612 电机驱动板
12 V 锂电池 3 Ah + 降压 5 V 模块
跳线、支架、螺丝若干

预算 ≈ 1 200 元，可复用实验室旧车更省。

3.3 软件包结构（catkin_ws 内）

racecar/
- racecar_description/URDF + 仿真插件
- racecar_gazebo/launch + 世界文件
- racecar_bringup/真机参数、udev 规则
- racecar_nav/避障节点（C++）
- racecar_utils/Python 工具脚本

3.4 核心节点：lidar_based_avoidance.cpp

/* * 订阅 /scan (sensor_msgs/LaserScan) * 发布 /cmd_vel (geometry_msgs/Twist) * 算法：最小安全距离 + 右手规则 * 实时性：10 ms 定时器，约 100 Hz */ #include <ros/ros.h> #include <sensor_msgs/LaserScan.h> #include <geometry_msgs/Twist.h> class LidarAvoid { public: LidarAvoid() : nh_("~") { scan_sub_ = nh_.subscribe("/scan", 1, &LidarAvoid::scanCB, this); vel_pub_ = nh_.advertise<geometry_msgs::Twist>("/cmd_vel", 1); timer_ = nh_.createTimerimer(ros::Duration(0.01), &LidarAvoid::update, this); safe_dist_ = 0.35; // m max_speed_ = 0.25; // m/s } private: void scanCB(const sensor_msgs::LaserScan::ConstPtr& msg) { scan_ = *msg; // 缓存最新数据 } void update(const ros::TimerEvent&) { if (scan_.ranges.empty()) return; geometry_msgs::Twist cmd; // 1. 找最小距离 float min_dist = scan_.range_max; int min_idx = -1; const int center = scan_.ranges.size() / 2; const int view = 90 / (scan_.angle_increment * 180/M_PI); // ±45° for (int i = center - view; i < center + view; ++i) { if (std::isfinite(scan_.ranges[i]) && scan_.ranges[i] < min_dist) { min_dist = scan_.ranges[i]; min_idx = i; } } // 2. 决策 if (min_dist < safe_dist_) { cmd.linear.x = 0; cmd.angular.z = (min_idx < center) ? 0.3 : -0.3; // 右转/左转 } else { cmd.linear.x = max_speed_; cmd.angular.z = 0; } vel_pub_.publish(cmd); } ros::NodeHandle nh_; ros::Subscriber scan_sub_; ros::Publisher vel_pub_; ros::Timer timer_; sensor_msgs::LaserScan scan_; double safe_dist_, max_speed_; }; int main(int argc, char** argv) { ros::init(argc, argv, "lidar_avoid"); LidarAvoid core; ros::spin(); return 0; }

代码要点：
类封装，职责单一；
魔法数放构造函数参数，可动态重载；
10 ms 定时器保证实时性，避免 ROS spinOnce 漂移。

3.5 编译与运行

把代码放到racecar_nav/src/
catkin_make -DCMAKE_EXPORT_COMPILE_COMMANDS=1
roslaunch racecar_gazebo racecar_lidar.launch
仿真里插入障碍物，小车应自动绕开。
真机端roslaunch racecar_bringup robot.launch
同一节点零修改直接跑，验证“仿真-实机”一致性。

4. 仿真→实机：性能与实时性 checklist

计算负载：树莓派 4 跑 100 Hz 激光避障 CPU < 15 %，余量留给后续视觉。
通信延迟：rostopic delay /cmd_vel应 < 5 ms；若超标，把tcpNoDelay打开。
时钟同步：真机用ntp对时，避免tf跳变。
控制频率：电机空载 5 ms 响应，带载 10 ms，与算法周期匹配，杜绝“命令丢帧”。
数据落盘：用rosbag记录/scan + /cmd_vel + /odom，回实验室再复现，调参不用二次搬车。

5. 生产环境避坑指南

串口权限
udev 规则新增SUBSYSTEM=="tty", ATTRS{idVendor}=="10c4", MODE="0666"，避免每次sudo chmod。
节点启动顺序
雷达上电慢于树莓派，launch 里加<node pkg="racecar_utils" type="wait_for_lidar.py" />>，防止空指针。
电源管理
电机启动电流可达 2 A，电池加 470 μF 电解电容，防止瞬间压降重启树莓派。
TF 漂移
若用机器人自带轮速里程计，把odom->base_link发布频率固定在 50 Hz，低于 20 Hz 时amp 会累积漂移。
Git 大文件
URDF 的 STL 贴图易超 100 MB，用git-lfs或单独models/目录，避免仓库克隆龟速。

6. 把 MVP 扩展成论文的 3 条路线

局部路径规划：把“固定转角”换成 DWA 或 TEB，跑通后对比轨迹平滑度，可出图、有数据。
视觉增强：加装单目，跑 ORB-SLAM2，与激光避障做融合，定位精度提升 30 % 就有故事。
多机协同：同门再做一辆，跑 ROS 多机通信，实验“谁当主机”“如何分布式避障”，直接蹭“群体智能”热点。

7. 结语：先跑起来，再完美

把上面的小车从零到能避障，大约 10 周，每周 10 h 左右，足够写论文+拍演示视频。别急着堆功能，先让车每天稳定跑 100 圈不出错，你的信心、日志、数据自然就来。后续想加视觉、抓夹、甚至 Ros-OpenCV 深度学习，都在同一框架下插件式升级。代码记得推到 GitHub，开源才是毕业设计最好的“致谢”。祝你毕设一遍过，答辩不烧脑。