HRMRP具备丰富的传感器和执行器，在该平台的基础上，我们设计并实现了机器人SLAM、自主导航、人脸识别、机械臂控制等功能。在设计开发完成之初，我们参加了2013年的OpenHW大赛，并且获得了全国一等奖，此外还在中国智能机器人学术会议上发表学术论文一篇，获得了会议的十佳论文奖。这个机器人陪伴我走过了研究生的三年时光，接下来的几篇博客，我会详细介绍HRMRP从设计到实现方面的很多细节。就机器人的性能来讲，很多方面是超越已有同等级的很多机器人的，但是由于我们开发能力、时间的限制，并没有在最终的应用中充分发挥他的潜力，这也给我留下了一些遗憾。
废话不多说，先让大家对该机器人有一个整体的印象：
2. HRMRP的总体架构
如下图所示，我们根据层次化、模块化的思想，设计的HRMRP的总体架构。
3. 硬件层
3.1 机械平台
HRMRP 主体结构为铝合金材质，尺寸为 316mm×313mm×342mm （高×宽×长），装配两个驱动轮与一个万向轮。驱动轮由两个 30W 的直流电机带动，转速可达 83 转/分钟，机器人最快速度 1.5m/s。HRMRP 还装有一个六自由度机械臂， 可以完成三维空间内的夹取操作。
3.2 控制平台
嵌入式系统具备小型化、低功耗、低成本、高灵活性等显著的特点， 电子技术的 发展，也促使可编程门阵列FPGA在嵌入式系统中 得到了越来越广泛的应用，很大程度上改善了嵌入式系统硬件的灵活度与繁琐计算的 实时化。 HRMRP的控制平台即基于 Xilinx 最新一代集成 FPGA 与 ARM 的片上系统 （System-on-Chip，SoC）——Zynq。
Zynq 由处理系统（Processor System， PS）与可编程逻辑（Programmable Logic， PL）两部分组成。其中 PS 基于 ARM Cortex-A9 双核处理器构建，包含常用的外设接口，例如网络、 USB、内存控制器等。而 PL 由 Xilinx 的 7 系列 FPGA 构成，支持动 态重配置，可以使用 Verilog 语言编程使用。在HRMRP 中，PS通过操作系统控制所 有功能正常有序的实现，而 PL作为协处理器一方面可以对复杂的运算并行加速处理， 另一方面可以进行 I/O 接口扩展，为多传感器和执行器设计统一的接口，提高系统硬 件配置的灵活性。
3.3 传感器系统
在机器人核心传感器的选择上， HRMRP使用了高性价比、高集成度的微软 Kinect 传感器。 除此还装配有超声波、加速度、里程计、陀螺仪等多种传感器， 确保机器人 平台可以采集到丰富的传感信息。
4. 驱动层
驱动层的主要工作是采集或预处理硬件层的数据，下发操作系统层的指令，为底层硬件与上层功能模块提供相应的数据传输通道。由于我们采用的“ARM+FPGA”异构控制平台，为配合硬件层硬件功能，驱动层也分为两部分，分别放置于硬件的PS端和PL端。
PS端主要驱动连接到ARM处理器的外设，例如通过PS中的OpenNI驱动 Kinect， 并且提供 PL 端到 PS 端的接口。而在PL端中，利用可编程硬件的灵活性和并行处理能力，来进行 I/O 扩展与算法的硬件加速， 如下图所示。
在I/O 扩展方面，在传统的设计实现当中，由于种类繁多的传感器、 执行器对接口的要求各不相同，会占用大量 I/O 资源，增加处理器的负担。而在HRMRP的ARM+FPGA系统当中，通过定义一组标准的硬件接口， 连接传感器和电机等外设，可使用编程逻辑取代繁杂的电路连接工作，满足各种不同需求的硬件外设。
在硬件加速方面，一般来说PS端适合常用接口的驱动、网络数据的处理等功能，而PL端适合于规律性的算法处理，在HRMRP中主要负责Kinect的数据预处理工作（这里我们将OpenNI中的部分代码放入FPGA中进行加速）。PS与PL相互配合，提高了系统数据处理的实时性。
5. 操作系统层
操作系统层是机器人平台的控制核心，集成了机器人的功能模块，负责行为控制、 数据上传、指令解析、人机交互等功能。为与 ROS 通讯接口保持一致，使用Ubuntu12.04作为操作系统，运行于Zynq的PS端ARM处理器之中。ROS为用户的不同需求提供了大小和功能不同的多种安装包，为了减少ARM端的执行压力， HRMRP编译移植了仅包括 ROS 基本通讯机制的核心库。继承了ROS的优势，机器人平台具备ROS通讯以及功能包运行的能力，与上层网络指令无缝连接，结合开源软件库，极大的丰富了机器人的功能模块与应用范围。
HRMRP是一种较为典型的高性能、低成本机器人平台。与现在研究和应用中使用较为广泛的TurtleBot、 Pioneer等机器人相比，HRMRP具有相似的结构与尺寸，同样可以完成多种多样的机器人应用，但是在接口的可扩展性、传感器的丰富度以及成本控制等方面，具备更好的综合性能。
今天就针对HRMRP的设计写到这里，下篇继续针对细节实现进行分析。
