ربات آموزشی HW-JetAuto
ربات آموزشی خودروی JetAuto مجهز به Jetson Nano با صفحه نمایش لمسی دوربین عمقسنج لیدار، پشتیبانی از نقشه برداری SLAM و ناوبری
| وزن |
3.5 کیلوگرم |
|---|---|
| ابعاد |
302*260*256mm |
| باتری |
11.1V 6000mAh Lipo battery |
| جنس بدنه |
براکت تمام فلزی آلیاژ آلومینیوم سخت (آنودایز) |
| سیستم عامل |
Ubuntu 18.04 LTS + ROS Melodic |
| نرم افزار |
نرمافزار اندروید و IOS |
| حالت کنترل |
تلفن و دسته کنترل |
| رابط |
USB/WiFi/Ethernet |
| زبان |
Python/C/C++/JavaScript |
| حافظه |
32GB TF card |
HW-JetAuto
ربات آموزشی JetAuto یک ماشین ربات ROS است که برای آموزش ROS طراحی شده است. این دستگاه مجهز به NVIDIA Jetson Nano، موتور رمزگذار با کارایی بالا، پان-تیلت قابل چرخش، Lidar، دوربین عمق سه بعدی و صفحه نمایش 7 اینچی است که قابلیت های بیشتری را ارائه میکند.
کنترل حرکت ربات، نقشه برداری و ناوبری، برنامه ریزی مسیر، ردیابی و اجتناب از موانع، رانندگی خودمختار، تشخیص ویژگیهای انسانی، تعامل حسی جسمی و تعامل صوتی همه قابل دستیابی هستند!
ترکیب متنوع سختافزار، JetAuto را به یک پلتفرم ایدهآل تبدیل میکند که در آن میتوانید عملکرد روباتیک SLAM را یاد بگیرید و همچنین راهحل توسعه ROS را دریافت کنید.
سیستم کنترل نانو جتسون
NVIDIA Jetson Nano قادر است فریم ورکهای اصلی یادگیری عمیق، مانند TensorFlow، PyTorch، Caffe/Caffe2، Keras، MXNet را اجرا کند. ارائه توان محاسباتی قدرتمند برای پروژههای عظیم هوش مصنوعی. JetAuto با پشتیبانی از Jetson Nano، میتواند تشخیص تصویر، تشخیص و موقعیت یابی اشیا، تخمین اشاره، تقسیم بندی معنایی، تجزیه و تحلیل هوشمند و سایر عملکردهای متعالی را اجرا کند.
توابع Lidar
نقشه برداری و ناوبری دوبعدی Lidar
JetAuto به Lidar با کارایی بالا مجهز شده است که از نقشه برداری با الگوریتمهای متنوع از جمله Gmapping، Hector، Karto و Cartographer پشتیبانی میکند. علاوه بر این، برنامه ریزی مسیر، ناوبری نقطه ثابت و همچنین اجتناب از موانع در میان ناوبری میتواند اجرا شود.
ناوبری تک نقطهای، ناوبری چند نقطهای
JetAuto از Lidar برای شناسایی محیط اطراف در لحظه برای دستیابی به ناوبری تک نقطهای و همچنین ناوبری چند نقطهای استفاده میکند.
برنامهریزی مسیر TEB، اجتناب از برخورد با موانع
این برنامه از برنامهریزی مسیر TEB پشتیبانی میکند و میتواند مانع را در زمان ناوبری در زمان واقعی نظارت کند. بنابراین میتواند مسیر را مجددا برنامهریزی کند تا از برخورد با مانع جلوگیری کند و به حرکت ادامه دهد.
نقشه برداری اکتشافی خودمختار RRT
با اتخاذ الگوریتم RRT، JetAuto میتواند نقشهبرداری اکتشافی را تکمیل کند، نقشه را ذخیره کند و به طور مستقل به نقطه شروع برگردد، بنابراین نیازی به کنترل دستی نیست.
ردیابی لیدار
لیدار با اسکن جسم متحرک جلویی، ربات را قادر به ردیابی هدف میکند.
نگهبانی لیدار
از محیط اطراف محافظت کنید و هنگام شناسایی متجاوز، زنگ هشدار را به صدا درآورید.
دوربین تشخیص عمق
نقشه برداری و ناوبری سه بعدی RTAB-VSLAM
دوربین عمقی از نقشهبرداری سه بعدی به دو صورت، دید خالص RTAB و تلفیقی دید و Lidar پشتیبانی میکند که به JetAuto اجازه میدهد در نقشه سهبعدی حرکت کند و از مانع جلوگیری کند، و همچنین مکانیابی مجدد را در سطح وسیع انجام دهد.
ORBSLAM2 + ORBSLAM3
ORB-SLAM یک چارچوب SLAM منبع باز برای دوربینهای تک چشمی، دوچشمی و RGB-D است که قادر است مسیر دوربین را در لحظه محاسبه کند و محیط سه بعدی را بازسازی کند و در حالت RGB-D میتوان ابعاد واقعی شی را بدست آورد.
داده های نقشه عمق، ابر نقطه
از طریق API مربوطه، JetAuto میتواند نقشه عمق، تصویر رنگی و ابر نقطه دوربین را دریافت کند.
یادگیری عمیق، رانندگی خودمختار
با JetAuto، میتوانید یک سناریوی رانندگی مستقل برای پیادهسازی ROS طراحی کنید، که به شما امکان میدهد عملکردهای اصلی رانندگی خودران را بهتر درک کنید.
تشخیص علائم جاده
از طریق آموزش کتابخانه مدل یادگیری عمیق، JetAuto میتواند رانندگی خودکار با دید هوش مصنوعی را درک کند.
حفظ خطوط
JetAuto قادر به تشخیص خطوط در دو طرف برای حفظ فاصله ایمن بین خود و خطوط است.
پارک اتوماتیک
همراه با الگوریتم یادگیری عمیق، JetAuto میتواند علامت پارکینگ را تشخیص دهد، سپس خود را به طور خودکار به جای پارک هدایت کند.
تصمیم گیری
با توجه به خطوط، علائم جاده و چراغ های راهنمایی، JetAuto ترافیک را تخمین میزند و تصمیم میگیرد.
توسعه MediaPipe، تعامل هوش مصنوعی ارتقا یافته
بر اساس چارچوب MediaPipe، JetAuto میتواند تشخیص بدن انسان، تشخیص نوک انگشت، تشخیص چهره، تشخیص سه بعدی و موارد دیگر را انجام دهد.
تشخیص مسیر نوک انگشت
تشخیص بدن انسان
تشخیص سه بعدی
نقد و بررسیها
پاکسازی فیلترهنوز بررسیای ثبت نشده است.