產(chǎn)品詳情：

多維運動控制平臺以四驅(qū)小車為基礎(chǔ)，集成電機/舵機驅(qū)動控制器，支持小車和機械臂的精準運動控制，同時搭載豐富的傳感器實現(xiàn)環(huán)境、預(yù)警、定位等各種數(shù)據(jù)的采集和監(jiān)控，配合無線通信模塊，實現(xiàn)人工智能感覺、動作系統(tǒng)的開發(fā)和學習。感控單元主控平臺采用 STM32 高性能處理器，可完成嵌入式與傳感器、機器人控制技術(shù)課程的學習。配合智能邊緣計算網(wǎng)關(guān)，能夠完成基于 ROS 系統(tǒng)的機器人協(xié)作開發(fā)課程的學習。
智能網(wǎng)關(guān)：
?處理器：64位四核CORTEX-A57，128核MAXWELL GPU；
?內(nèi)存：4GB LPDDR，板載存儲：64GB；
?接口：USB3.0×4，Micro USB×1， HDMI×1，RJ45×1，DC5.5×2.1電源接口；
?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(yīng)用的開發(fā)和學習。
?搭載 7 寸 LVDS 高清屏。
?AI 自動駕駛平臺車體不小于 360mm*210mm*350mm，
?采用高性能雙路 ARM Cortex-M4 STM32G4 控制器單元，
?提供電機驅(qū)動及傳感驅(qū)動。
?四驅(qū)獨立懸掛輪式駕駛底盤，大功率減速電機。
（1）運動控制模塊
在機器人中用到很多控制器和外設(shè),包括:處理器、激光雷達，STM32控制器，電機、編碼器、雙路驅(qū)動、藍牙、PS2有線手柄、航模遙控、陀螺儀等，同時提供了串口1和CAN接口方便用戶拓展控制，這些控制器與控制器，外設(shè)與控制器之間的連接，如圖所示。
（2）ROS操作系統(tǒng)
ROS操作系統(tǒng)內(nèi)置于中央處理器內(nèi)，通過RTOS完成系統(tǒng)任務(wù)調(diào)度與管理。具體任務(wù)調(diào)度管理流程如圖所示。RTOS任務(wù)調(diào)度器根據(jù)任務(wù)的優(yōu)先級決定任務(wù)的執(zhí)行順序，每個任務(wù)執(zhí)行的時間很短，因此幾乎等效于所有任務(wù)同時執(zhí)行，期間如果發(fā)生中斷則去響應(yīng)中斷。串口2中斷用于APP藍牙控制，串口3中斷用于接收ROS傳過來的信息。
（3）JetsonNano邊緣計算平臺
NVIDIA Jetson Nano是一個小巧卻功能強大的計算機，它可以讓你并行運行多個神經(jīng)網(wǎng)絡(luò)、對象檢測、分割和語音處理等應(yīng)用程序,Jetson Nano搭載四核cortex-A57處理器，128核MaxwellGPU及4GB LPDDR內(nèi)存，帶來足夠的AI計算能力,提供472GFLOP算力,并支持一系列流行的Al框架和算法，比如TensorFlow、Pytorch.caffe/caffe2、Keras、MXNET等
(4)激光雷達
相較于傳統(tǒng)技術(shù)，利用紅外激光設(shè)備可實現(xiàn)超大屏幕的多點觸摸，其反應(yīng)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(gòu)建地圖、實時路徑規(guī)劃與自動避開障礙物。應(yīng)用領(lǐng)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
（5）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(shù)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，深度影像大小：VGA(640x480) : 30fps，QVGA (320x240): 60fps，接口：USB2.0
（7）六自由度機器臂
視覺機械臂以Jetson Nano為主控，Open Source CV為圖像處理庫，以主流的Jupyter Lab為開發(fā)工具,使用Python3為主要編程語言。攝像頭與機械臂機身一體式設(shè)計，“手眼合一”的視覺識別讓機械臂顯得更加靈動，它不僅可以實現(xiàn)顏色識別追蹤與抓取，還能人體特征識別互動，甚至進行垃圾分類模型訓練垃圾分揀;通過RO5機器人操控系統(tǒng)，簡化了6自由度串行總線舵機復雜運動控制。
1080P攝像頭：感光元件尺寸：1/237”最高有效分辨率：1928*1088;數(shù)據(jù)格式：YUY2/MJPG;像素大?。?.0μm*3.0μm;寬動態(tài)范圍：96DB;自動控制：飽和度，對比度，銳度，白平衡，曝光。
機械臂：Cortex-M3內(nèi)核的處理器控制板，自由度桌面式機械臂，大功率串行總線智能舵機，臂展350mm，負載≥300g，帶夾爪，陽極氧化處理鋁合金機身，主要用于工業(yè)機械臂的控制。支持python編程，可靈活和精準調(diào)節(jié)每一關(guān)節(jié)角度和位置；支持PC上位機、手機APP、USB游戲手柄控制；
工程應(yīng)用方向
機器導航應(yīng)用
同時定位與地圖構(gòu)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(shù)對于機器人或其他智能體的行動和交互能力至為關(guān)鍵，因為它代表了這種能力的基礎(chǔ)：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(wù)型機器人、無人機、AR/VR 等領(lǐng)域有著廣泛的應(yīng)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)。
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(gòu)圖。

實驗內(nèi)容
移動機器人控制實驗
?相機標定
?動態(tài)目標跟隨
?基礎(chǔ)運動控制
?機器人驅(qū)動系統(tǒng)
?視覺巡線
?Gmapping建圖
?激光雷達建圖與導航
?交通燈識別
?交通標志識別
?車道識別實驗
?人臉追蹤
機器人檢測與感知實驗
?機器人視覺感知
?移動機器人自主定位與姿態(tài)傳感
?移動機器人未知環(huán)境感知
?移動機器人視覺測距
綜合應(yīng)用課程設(shè)計
?基于SVM的交通標志識別系統(tǒng)設(shè)計
?基于深度學習的車道線檢測與自適應(yīng)巡航設(shè)計
?基于樸素貝葉斯的移動機器人自助避障系統(tǒng)設(shè)計
?基于循環(huán)神經(jīng)網(wǎng)絡(luò)的車牌識別系統(tǒng)設(shè)計
?基于CNN與SVM的交通標志的識別系統(tǒng)設(shè)計
?基于HOG與SVM的交通標志識別系統(tǒng)設(shè)計
?基于深度學習的車道線檢測系統(tǒng)設(shè)計