安装与配置
系统要求
| 对象 | 推荐 | 支持范围 |
|---|---|---|
| 操作系统 | Ubuntu 22.04 | Ubuntu 20.04 - 24.04 |
| 架构（PC） | x86_64 | x86_64 |
| 架构（机器人） | aarch64 | aarch64 |
| Python | 3.8+ | 3.8 - 3.14 |
| 存储空间 | 16GB | 3GB+ |
模式一：机器人端部署
适用场景： 生产环境部署，实时性要求高的应用
特点： 无网络延迟，通信开销最小
1. 连接机器人网络
1.1 开机后在网络选择界面连接WiFi
1.2 在Network界面查看机器人IP地址
2. 部署SDK到机器人
2.1 在PC上执行部署脚本
cd GalbotSDK
./deploy_to_robot.sh
2.2 根据提示输入连接信息
- 用户名：
galbot - Orin IP地址：例如
192.168.120.180 - 密码：
gb@2023
部署结果
动态库自动安装到：/data/galbot/lib
2.3 验证安装
ssh galbot@<机器人IP>
ls /data/galbot/lib | grep galbot_sdk
预期输出
显示 libgalbot_sdk.so 和 libgalbot_sdk.so.1.8.0
3. 在PC上安装SDK
进入到SDK目录下执行安装脚本
cd GalbotSDK
sudo ./install.sh
4. 编译程序
4.1 在PC上交叉编译（aarch64）
cd examples/cpp/
mkdir -p build
cd build
cmake ../ -DCMAKE_TOOLCHAIN_FILE=../cmake/linux-aarch64-gcc940.cmake
make
4.2 传输可执行文件到机器人的Orin上
scp your_app galbot@<机器人IP>:/userdata
5. 运行程序
5.1 C++程序
ssh galbot@<机器人IP>
cd /userdata
./your_app
5.2 Python程序
export PYTHONPATH=/data/galbot/lib:$PYTHONPATH
python your_app.py
环境变量持久化
echo 'export PYTHONPATH=/data/galbot/lib:$PYTHONPATH' >> ~/.bashrc
source ~/.bashrc
模式二：PC端部署
适用场景： 开发调试，快速迭代
特点： 开发便捷，支持局域网远程控制
1. 物理连接
使用网线连接PC与机器人
2. 配置网络
2.1 配置PC网口IP
- IP地址：
192.168.1.99（或同网段其他地址） - 子网掩码：
255.255.255.0
Ubuntu设置路径：设置 → 网络 → 有线设置 → IPv4 → 手动
验证配置：
ifconfig
预期输出
显示 inet 192.168.1.99
2.2 配置PC端IP配置文件
文件路径：/data/config/embosa_ip_config.json
配置示例（假设PC: 192.168.1.99, XCU: 192.168.1.66, Orin: 192.168.1.88）：
{
"embosa_ip": {
"local_interface": [
"192.168.1.99"
],
"peer_lists": [
"192.168.1.66",
"192.168.1.88"
]
}
}
2.3 配置Orin端IP配置文件
前提条件
需先通过WiFi连接Orin，参考模式一步骤1
2.3.1 登录Orin
ssh galbot@<Orin无线IP>
# 密码：gb@2023
2.3.2 编辑配置文件
vi /data/config/embosa_ip_config.json
2.3.3 配置内容
重要
192.168.100.88 和 192.168.100.66 是Orin与XCU内部直连IP，必须保留
{
"embosa_ip": {
"local_interface": [
"192.168.100.88",
"192.168.1.88"
],
"peer_lists": [
"192.168.100.66",
"192.168.1.99"
]
}
}
2.4 配置XCU端IP配置文件
2.4.1 登录XCU
ssh root@<XCU无线IP>
# 密码：12345678
2.4.2 编辑配置文件
vi /data/config/embosa_ip_config.json
2.4.3 配置内容
{
"embosa_ip": {
"local_interface": [
"192.168.100.66",
"192.168.1.66"
],
"peer_lists": [
"192.168.100.88",
"192.168.1.99"
]
}
}
2.5 验证网络连接
必须操作
配置修改后必须重启机器人
重启后测试连接：
ping 192.168.1.66 # 测试XCU
ping 192.168.1.88 # 测试Orin
预期结果
正常返回ping响应
3. 在PC上安装SDK
进入到SDK目录下执行安装脚本
cd GalbotSDK
sudo ./install.sh
4. 编译程序
在PC上编译（x86_64）
cd examples/cpp/
mkdir -p build
cd build
cmake ../ -DCMAKE_TOOLCHAIN_FILE=../cmake/linux-x86_64-gcc940.cmake
make
5. 运行程序
5.1 配置环境变量
路径说明
/opt/galbot/为默认安装路径，可根据自己的安装路径进行修改
source /opt/galbot/galbot_sdk/linux-x86_64-gcc940/setup.sh
环境变量持久化
echo 'source /opt/galbot/galbot_sdk/linux-x86_64-gcc940/setup.sh' >> ~/.bashrc
source ~/.bashrc
5.2 运行C++程序
cd /userdata # 或程序所在目录
./your_app
5.3 运行Python程序
python your_app.py
python相关库安装
在运行python example时依赖一些库，所以请先运行下面的脚本保证相关库已安装：
cd GalbotSDK
./install_python_deps.sh
术语说明
配置完成后可以开始探索机器人的示例和接口了，但在正式使用之前，如果不了解相关术语，可以参照下面的内容熟悉：
1. 机器人本体硬件
机器人的物理组成部分和相关硬件概念。
| 术语 | 英文 | 说明 |
|---|---|---|
| XCU | X Computing Unit | 基础运算单元，机器人的"小脑"，负责底层电机控制、运动控制等实时任务 |
| HPU / Orin | High-Performance Unit / NVIDIA Jetson Orin | 高算力运算单元，机器人的"大脑"，负责图像处理、AI 推理、运动规划等计算密集型任务 |
| 基座 / Base | Base / Chassis | 机器人的底盘，包含移动轮子和电源系统 |
| 躯干 / Torso | Torso | 机器人身体的主体部分，连接头部、手臂和基座 |
| 头部 / Head | Head | 机器人的头部 |
| 手臂 / Arm | Arm | 机器人的手臂，由多个连杆和关节组成，如左臂 (left_arm)、右臂 (right_arm) |
| 腿部 / Leg | Leg | 机器人的腿部结构，用于支撑身体上下运动和腰部转动 |
| 关节 / Joint | Joint | 连接两个连杆的可动部分，由电机驱动 |
| 连杆 / Link | Link | 连接两个关节的刚性部件 |
| 关节组 / Joint Group | Joint Group | 一组相关关节的集合，如 left_arm 包含左臂所有关节，用于协同控制 |
| 末端执行器 / End-Effector | End-Effector | 机械臂末端的工具，如夹爪 (Gripper)、吸盘 (Suction Cup) |
| 自由度 / DOF | Degrees of Freedom | 描述关节可独立运动的方向数量。如手臂有 7-DOF |
| 工具中心点 / TCP | Tool Center Point | 末端工具的工作点，如夹爪的中心点，用于精确控制操作位置 |
| 传感器 / Sensor | Sensor | 感知环境的设备，包括相机、LiDAR、IMU、力传感器等 |
| RGB 相机 | RGB Camera | 彩色相机，捕捉可见光图像 |
| 深度相机 | Depth Camera | 可输出深度图（每个像素的距离），用于三维感知 |
| LiDAR / 激光雷达 | Light Detection and Ranging | 通过激光测距生成周围环境的点云地图 |
| IMU / 惯性测量单元 | Inertial Measurement Unit | 包含加速度计和陀螺仪，测量机器人的加速度、角速度和姿态 |
| 点云 / Point Cloud | Point Cloud | 三维空间中大量点的集合，每个点有 (x,y,z) 坐标，由 LiDAR 或深度相机生成 |
2. 机器人学基础
描述机器人运动和空间关系的核心理论概念。
| 术语 | 英文 | 说明 |
|---|---|---|
| 坐标系 / Frame | Reference Frame | 描述位置和姿态的参考坐标系。想象成固定在空间某处的"标尺" |
| 世界坐标系 / World | World Frame | 全局固定的坐标系，通常以地图原点或初始位置为基准 |
| 基座坐标系 / Base | Base Frame | 固定在机器人基座上的坐标系，随机器人移动而移动 |
| 末端坐标系 | End-Effector Frame | 固定在机械臂末端的坐标系，随手臂运动而运动 |
| 关节空间 | Joint Space | 由各个关节角度定义的空间，是机器人"原生"的控制方式 |
| 笛卡尔空间 | Cartesian Space | 用 (x, y, z) 坐标描述的三维空间，人类更直观的理解方式 |
| 位姿 / Pose | Pose | 位置 (Position) + 姿态 (Orientation) 的完整描述，即"在哪里"+"朝哪边" |
| 位置 / Position | Position | 物体在 3D 空间中的坐标 (x, y, z)，单位通常是米 (m) |
| 姿态 / Orientation | Orientation | 物体的旋转状态，描述朝向哪个方向 |
| 四元数 / Quaternion | Quaternion | 用 4 个数 (qx, qy, qz, qw) 表示旋转，避免万向锁问题，适合计算机处理 |
| 欧拉角 / Euler Angles | Euler Angles | 用三个角度 (roll, pitch, yaw) 即 (横滚, 俯仰, 偏航) 表示旋转，更直观 |
| 正运动学 / FK | Forward Kinematics | 已知关节角度，计算末端位姿（手在哪里）— 有唯一解 |
| 逆运动学 / IK | Inverse Kinematics | 已知目标位姿，计算所需关节角度（手要到那里，关节怎么转）— 可能多解或无解 |
| 轨迹 / Trajectory | Trajectory | 机器人从起点到终点的完整运动路径，包含每个时刻的位置、速度、加速度 |
| 路点 / Waypoint | Waypoint | 轨迹中的关键节点，机器人会依次经过这些点，类似导航的"途经点" |
| 插值 / Interpolation | Interpolation | 在路点之间计算平滑过渡，生成连续的运动轨迹 |
| SLAM | Simultaneous Localization and Mapping | 同时定位与建图：机器人一边移动一边建地图，同时确定自己在地图中的位置 |
| 自碰撞 | Self-Collision | 机器人不同部位之间发生碰撞，如左手碰到右手 |
| 环境碰撞 | Environment Collision | 机器人与周围障碍物发生碰撞 |
3. 控制与接口
SDK 中使用的常见参数和概念说明：
| 术语 | 英文/参数名 | 说明 |
|---|---|---|
| SDK | Software Development Kit | 软件开发工具包，包含库、工具和文档 |
| API | Application Programming Interface | 应用程序接口，定义程序之间交互的规则 |
| SSH | Secure Shell | 远程登录协议，用于从 PC 连接到机器人 |
| 交叉编译 | Cross Compilation | 在 PC (x86) 上编译出机器人 (ARM) 可运行的程序 |
| 单例模式 / Singleton | Singleton | 设计模式，确保全局只有一个机器人实例，通过 get_instance() 获取 |
| 阻塞模式 / Blocking | is_blocking=True | 函数调用后等待操作完成才返回。例如：navigate_to_goal(..., is_blocking=True) 会等待导航完成才返回，期间无法执行其他操作 |
| 非阻塞模式 / Non-blocking | is_blocking=False | 函数调用后立即返回，不等待操作完成。例如：navigate_to_goal(..., is_blocking=False) 立即返回，可通过 is_localized() 等函数查询状态 |
| base_pose | base_pose: [x, y, yaw] | 机器人基座的位姿，包含 (x, y) 位置（米）和 yaw 偏航角（弧度） |
| frame_id | frame_id | 目标坐标系 ID，可选值："base_link"（机器人基座）、"odom"（里程计）、"map"（地图） |
| reference_frame_id | reference_frame_id | 参考坐标系 ID，指定位姿所属的坐标系 |
| goal_pose | goal_pose: [x, y, z, qx, qy, qz, qw] | 目标位姿，包含位置 (x, y, z)（米）和四元数 (qx, qy, qz, qw) 表示 Orientation |
| start_pose | start_pose | 起始位姿，格式同 goal_pose |
| init_pose | init_pose | 初始位姿估计，用于重定位 |
| reference_frame | reference_frame | 相对坐标系名称，如 "base_link"、"world"、运动链名称 |
| target_frame | target_frame | 目标坐标系，用于坐标变换 |
| base_link | base_link | 机器人基座坐标系，所有机械臂/头部等部件都以此为参考 |
| odom | odom | 里程计坐标系，基于轮式编码器的相对位姿估计 |
| map | map | 地图坐标系，SLAM 建立的全局一致坐标系 |
| joint_groups | joint_groups | 关节组名称列表，如 ["left_arm", "right_arm", "chassis"] |
| joint_names | joint_names | 具体关节名列表，优先于 joint_groups，如 ["left_arm_j1", "left_arm_j2"] |
| joint_positions | joint_positions | 关节位置数组（弧度），顺序与 get_joint_names() 返回一致 |
| waypoints | waypoints | 轨迹路点列表，每个路点包含目标位置和到达时间 |
| time_from_start_s | time_from_start_s | 从轨迹开始到该路点的时间（秒），用于控制运动节奏 |
| timeout_s | timeout_s | 超时时间（秒），阻塞模式下等待操作完成的最大时间 |
| timestamp_ns | timestamp_ns | 纳秒级时间戳，用于数据同步 |
| safe_margin | safe_margin | 碰撞检测安全距离（米），如 0.1 表示与障碍物保持 10cm |
| enable_collision_check | enable_collision_check | 是否启用碰撞检测，True 表示启用 |
| obstacle_id | obstacle_id | 障碍物唯一标识符，添加/删除障碍物时使用 |
| ignore_collision_link_names | ignore_collision_link_names | 碰撞检测忽略的连杆列表 |
| pose | pose | 位姿数据，长度 7 的数组 [x, y, z, qx, qy, qz, qw] |
| reference_base_pose | reference_base_pose | 机器人基座在地图坐标系中的位姿 |
| linear_velocity | linear_velocity: [vx, vy, vz] | 线速度数组（米/秒），vx 前进速度，vy 侧向速度，vz 垂直速度 |
| angular_velocity | angular_velocity: [wx, wy, wz] | 角速度数组（弧度/秒），wz 为偏航角速度 |
| status_string | status_string | 状态描述字符串，如 "SUCCESS"、"FAIL"、"TIMEOUT"、"MOVING" |
| is_localized | is_localized() | 导航状态检查函数，返回 True 表示机器人已在地图中定位 |
| get_frame_names() | get_frame_names() | 获取所有可用坐标系名称列表 |
| quaternion | [qx, qy, qz, qw] | 四元数表示旋转，单位四元数满足 sqrt(qx²+qy²+qz²+qw²) = 1 |
| euler | [roll, pitch, yaw] | 欧拉角表示旋转，单位弧度，顺序为横滚-俯仰-偏航 |