算力強勁的人工智能主機
深度學習教學平臺主機采用性價比極高的英偉達計算主機Jetson Nano，配置高性能的四核64位ARM CPU，可用于各種機器人控制算法的實現，同時搭載128核的NVIDIA GPU，可提供472 GFLOPS的計算性能，還包括4GB LPDDR4存儲器，采用高效，低功耗封裝，具有5W / 10W功率模式和5V DC低電壓輸入能力。具有圖形加速能力，內置NVIDIA CUDA Toolkit和TensorRT等庫。SDK包括主流的開源機器學習(ML)框架，如TensorFlow，PyTorch，Caffe，Keras和MXNet，以及計算機視覺和機器人開發的框架，如OpenCV和ROS;
自主研發的高性能運動控制器
底盤控制器采用STM32F407高性能ARM處理器，主頻高、資源豐富。可實現板載陀螺儀數據采集與解算、4路直流減速電機編碼器數據采集與車速PID/MFAC閉環控制、四輪差速底盤運動解析及控制接口、與車載計算模塊的數據通信;控制器進行深度定制，不僅支持c/c++開發，同時可支持python語言開發;
靈活易用的開源實時操作系統
底盤控制器搭載國產優秀的嵌入式實時操作系統RT-Thread，實現所有內核功能模塊調用、Finsh shell命令行交互模塊。可擴展文件系統管理、網絡系統管理、支持Python編程的MicroPython系統框架、基于四輪差速底盤智能車的控制系統框架;提供RT-Thread操作系統的完整例程和教學課程;
豐富的人工智能和機器視覺案例
深度學習教學平臺支持Web頁面瀏覽攝像頭;基于openCV的人臉識別、車道線識別、巡線;Yolo交通標識識別、手勢識別、物體識別;Unet語義分割實現車道線檢測;語音交互與聲源定位;3D視覺建圖與導航;多機器人編隊;深度視覺跟隨;
完善的ROS機器人系統功能
車載計算主機搭載Ubuntu18.04版本Linux操作系統，配置ROS及相關開發工具，實現ROS核心通信機制及組件、對底盤狀態監測及運動控制、ROS分布式遠程開發、攝像頭數據采集與處理、SLAM建圖與導航、聲源定位、語音識別、Gazebo仿真環境，提供完整代碼。
?
京公網安備11010702001991號