上海中人專業(yè)提供ZRRGZN-03人工智能多維運動控制平臺,是專業(yè)的教學設備生產(chǎn)廠家,我們歡迎您來我們生產(chǎn)基地考察ZRRGZN-03人工智能多維運動控制平臺,并為您提供專業(yè)的解決方案。教學設備可以解決教師教學缺少平臺,學生缺少實操經(jīng)驗的難題。ZRRGZN-03人工智能多維運動控制平臺,是中人公司的品質效益保障教學產(chǎn)品。 文章內容中的圖片為參考圖片,僅供參考,以實物為準.
本文關鍵詞:ZRRGZN-03人工智能多維運動控制平臺
智能網(wǎng)關:
l 處理器:64位四核CORTEX-A57,128核MAXWELL GPU;
l 內存:4GB LPDDR,板載存儲:64GB;
l 接口:USB3.0×4,Micro USB×1, HDMI×1,RJ45×1,DC5.5×2.1電源接口;
l 集成Linux、Python等運行環(huán)境,支持數(shù)字圖像處理、機器視覺、深度學習等算法、硬件、應用的開發(fā)和學習。
l 搭載 7 寸 LVDS 高清屏。
l AI 自動駕駛平臺車體不小于 360mm*210mm*350mm,
l 采用高性能雙路 ARM Cortex-M4 STM32G4 控制器單元,
l 提供電機驅動及傳感驅動。
l 四驅獨立懸掛輪式駕駛底盤,大功率減速電機。
激光雷達
相較于傳統(tǒng)技術,利用紅外激光設備可實現(xiàn)超大屏幕的多點觸摸,其反應更快、精度更高、抗環(huán)境光能力更強。激光雷達作為核心傳感器,可快速獲得環(huán)境輪廓信息,配合SLAMWARE使用,可以幫助機器人實現(xiàn)自主構建地圖、實時路徑規(guī)劃與自動避開障礙物。應用領域智能掃地機、家用機器人。
測量半徑:12米,測量頻率:8000次/秒,掃描頻率:5.5HZ,360度掃描測距
機器視覺-雙目深度體感攝像頭
雙目深度體感攝像頭是VR/AR、機器人和無人駕駛最核心的技術支撐之一,而深度攝像頭就是這類硬件的眼睛。只有機器對“看到的”東西,定位定姿精度更高時,才能更好地識別和做出判斷,從而提升機器的可用性和產(chǎn)品化速度。利用雙目立體視覺成像原理實現(xiàn)三維定位,即可進行手勢、肢體動作的綜
使用距離:0.8m至 3.5m之間,視野:58° H, 45 V, 70° D(水平,垂直,對角),傳感器:深度,深度影像大�。篤GA(640x480) : 30fps,QVGA (320x240): 60fps,接口:USB2.0
工程應用方向
機器導航應用
同時定位與地圖構建(Simultaneous Localization And Mapping,簡稱 SLAM),通常 是指在機器人或者其他載體上,通過對各種傳感器數(shù)據(jù)進行采集和計算,生成對其自身位置姿態(tài)的定位和場景地圖信息的系統(tǒng)。SLAM 技術對于機器人或其他智能體的行動和交互能力至為關鍵,因為它代表了這種能力的基礎:知道自己在哪里,知道周圍環(huán)境如何,進而知道下一步該如何自主行動。 它在自動駕駛、服務型機器人、無人機、AR/VR 等領域有著廣泛的應用,可以說凡是擁 有一定行動能力的智能體都擁有某種形式的 SLAM 系統(tǒng)。 一般來講,SLAM 系統(tǒng)通常都包含多種傳感器和多種功能模塊。而按照核心的功能模 塊來區(qū)分,目前常見的機器人 SLAM 系統(tǒng)一般具有三種形式:基于常規(guī)傳感器的導航、 基于激光雷達的 SLAM(激光 SLAM)和基于視覺的 SLAM(Visual SLAM 或 VSLAM)。
視覺導航
AI 視覺/語言/控制多維平臺通過多維景深攝像頭立體視覺感知完成圖像處理,支持 語音識別、背景移除、增加現(xiàn)實、3D 掃描、目標跟蹤、面部處理等,實現(xiàn)基于 ROS 系統(tǒng) 的深度攝像 SLAM 導航和構圖。
實驗內容
移動機器人控制實驗
l 相機標定
l 動態(tài)目標跟隨
l 基礎運動控制
l 機器人驅動系統(tǒng)
l 視覺巡線
l Gmapping建圖
l 激光雷達建圖與導航
l 交通燈識別
l 交通標志識別
l 車道識別實驗
l 人臉追蹤
機器人檢測與感知實驗
l 機器人視覺感知
l 移動機器人自主定位與姿態(tài)傳感
l 移動機器人未知環(huán)境感知
l 移動機器人視覺測距
綜合應用課程設計
l 基于SVM的交通標志識別系統(tǒng)設計
l 基于深度學習的車道線檢測與自適應巡航設計
l 基于樸素貝葉斯的移動機器人自助避障系統(tǒng)設計
l 基于循環(huán)神經(jīng)網(wǎng)絡的車牌識別系統(tǒng)設計
l 基于CNN與SVM的交通標志的識別系統(tǒng)設計
l 基于HOG與SVM的交通標志識別系統(tǒng)設計
l 基于深度學習的車道線檢測系統(tǒng)設計