智能小车

这是我负责主编的设计指导，2009年9月初的第一版，一年之后出了第二版，现在吧链接放出来，有兴趣的可以参考。 点击此处下载 ourdev_599585DAN8LI.rar(文件大小:3.39M) (原文件名:智能小车设计指导 第二版.rar) 目录 第一章 初识智能小车 .................................................................................................................................. 1 1.1 常见的两种类型 ............................................................................................................................... 1 1.2 智能小车的基本结构 ....................................................................................................................... 1 第二章 车体设计 ............................................

智能小车作为现代的新发明，是以后的发展方向，他可以按照预先设定的模式在一个环境里自动的运作，不需要人为的管理，可应用于科学勘探等等的用途。智能小车能够实时显示时间、速度、里程，具有自动寻迹、寻光、避障功能，可程控行驶速度、准确定位停车，远程传输图像等功能。下面带大家做一个智能蓝牙小车，用手机APP来控制小车前进、后退、向左、向右、停止，本次蓝牙小车的设计在于探索蓝牙智能小车的设计理念及设计方法，学习一下PWM控制电机差速来控制小车的方向，下面就动手搞起来吧！！！！！ 1.效果展示 给大家上视频连接，可以蓝牙控制，可以手柄控制哦 https://v.qq.com/x/page/k0721or47dw.html 2.材料准备 TPYBoard v102 1块 蓝牙串口模块 1个 TPYBoard v102小车扩展板（包含4个车轮，4个电机） 18650电池 2节 数据线 1条 杜邦线 若干 蓝牙APP （http://old.tpyboard.com/download/tool/190.html） 3.蓝牙模块 蓝牙（ Bluetooth）：是一种无线技术标准，可实现固定设备、移动设备和楼宇个人域网之间的短距离数据交换（使用2.4-2.485GHz的ISM波段的UHF无线电波）。 我们在此使用的蓝牙模块(HC-06)已经在内部实现了蓝牙协议，不用我们再去自己开发调试协议

1 课题研究背景、意义以及项目创新 1.1 课题研究背景 近些年，由于人口老龄化的持续加剧，集辅助和防护功能于一体的智能安防机器人已经成为研究热点。智能安全机器人可以连接各种智能家庭环境中的智能及非智能电子设备,方便老人与病人使用。它使老年人能够达到独立生活并提供相应的安全保证，即使在没有其他人参与或只有少量人参与的情况下。而这就要求智能机器人能在各种设备之间转移，可实现自主移动和智能避障，并且只占用很小的空间等。其中智能避障系统不仅扮演着重要角色，而且更是整个系统运行的基础和前提。 跨入21世纪后，随着电子技术的不断提升，无论是高性能的处理芯片，还是高分辨率的摄像头，在我们的身边随处可见，我们已经习惯了与这些电子产品相处，通过现代技术进一步解放我们的生活。正所谓，科技改变生活。正是这些技术的发展使我们进入了一个新的时代，同时技术的产生和发展都会更好地服务我们的生活，利用高新技术去解决人类社会发展中遇到的种种问题，才是我们这些科技工作者一直努力的方向。 近些年机器人技术一直是许多科技工作者的研究方向，使得机器人更加的智能化和数字化是研究者们一直以来努力的目标。通过一代又一代科技人员的不断研究与创新,智能机器人发展愈发成熟，我们可以看到现在的工厂更愿意选择工业机器人来代替人工劳动力，不仅降低了劳动成本，同时还可以提升生产效率

毕业前参加了一个嵌入式得课程，其中，最后涉及到一个嵌入式项目——智能小车，项目具体要求如下，在该课程中我在QT上实现了小车主板树莓派可远程控制客户端，可以在电脑上点击按钮实现小车得前进后退，左右转以及加减速。按下方向键和挡位健，即可启动小车，之后可以换挡和按字母键（A W D Z S Q E）进行前 左 右 后 停 加减速转换，同时可以开启自动驾驶模式，遇到障碍物会启动超声波模块探测作出反应，探测地面黑色胶带路线进行导航，但是转弯没有调整的特别好，小弯转的比较好，大弯容易跑过，可能是马力太大。。。 具体资源链接： https://download.csdn.net/download/l5678go/12182669 Python 智能小车项目 本项目主要锻炼python编程能力，和小车组织控制动手能力，涉及到的内容有： 树莓派的基本使用 ： 系统安装，网络配置，工作安装，远程控制 树莓派主要模块 ： 超声波模块，寻迹模块，电机驱动，网络编程 智能小车满足功能如下 1：组装小车可以独立移动 2：键盘控制前进，后退，左转，右转，加速，减速 3：寻迹导航 4：超声波避障 5：远程控制前进，后退，左转，右转，加速，减速 客户端QT实现，服务器树莓派python实现（采用多线程） QT界面图： 附 ： 循迹模块检测原理：黑线的检测原理红外发射管 发射光线到路面，红外光遇到白底则被反射

WiFi小车制作： 我做的WiFi小车是利用blinker软件进行操控的。小车是一个电机，一个舵机，因为这样控制方便程序比较简洁，线路接线少。我用到的控制板是wifiduino，和PM-R3拓展版（拓展版可以是其他的）。 WiFiduino大概就是这个样子： 这时要注意背面对应的引脚1 编程时定义的引脚是用背面的数值定义的。 现在先讲讲如何使用arduino IDE对wifiduino板子进行编程。 第一步：打开arduino IDE 找到文件→首选项。找到附加开发板管理器网址然后将网址输入http://arduino.esp8266.com/stable/package_esp8266com_index.json 并保存。 第二步：在arduino IDE上找到工具→开发板→开发板管理器。点击开发板管理器： 搜索8266然后出现这个： 然后安装一个版本2.4.1或者最新版本（我安装的是最新版本） 安装好后选中工具→开发板，找到wifiduino并选中还有在工具里面找到编程器并选择第一个AVR ISP。在网上下载一个blinker库以espressif。具体网址我找不到了。 第三步：在手机上下载一个blinker软件。注册一个账号，进入软件点击在右上角的加号，添加一个Ardino设备，选择WiFi接入则会出现一个Secret Key，将该密匙几下，并放回我的设备

简介 本项目的 GitHub链接 本项目是学校项目设计课程内的项目，要求是使用一个基于树莓派的小车来实现一些简单的功能。 本项目适合初次接触树莓派，希望利用树莓派及小车配件实现一些简单功能的同学们。 目前我们实现的功能有： 自动避障：基于超声波和红外，使小车在运行过程中不会撞上障碍物； 实时图像传输：将树莓派摄像头拍摄到的视频流传到PC端，并在PC端查看； 视觉车道循迹：基于视觉，使小车沿车道线行驶； 目标检测：识别并定位摄像头图像中的各类常见物体； 网球追踪：基于视觉，使小车追踪一个移动的网球，并与网球保持一定距离。 学校提供的小车的商家是 慧净电子 ，商家提供了一些使用教程，适合初学，基于C语言，实现了一些简单的红外避障、红外寻迹、超声波避障和摄像头调用。 本项目选用Python作为编程语言，有几点原因：Python相比较C语言更简明；我们对Python的掌握情况更好一些（C语言没学好啊）；方便之后使用tensorflow做一些深度学习的功能。但同时带来的缺点就是运行速度会差一点。 下面我们会对小车配置、功能实现和使用方法进行详细的介绍。本文结构如下： 配置要求 项目架构 准备工作 硬件调试 功能实现（原理介绍） 功能实现（使用教程） 若想成功实现本项目的功能，请: 首先确保完成 准备工作 之后进行 硬件调试 之后在阅读过 功能实现-原理介绍 的基础上 根据 功能实现-使用教程

【飞桨开发者说】吴东昱，北京钢铁侠科技深度学习算法工程师，主要研究深度学习、无人驾驶等。 我在观察历届智能车竞赛以及教学实验中发现，采用传统视觉算法的视觉智能车只能在特定赛道中行驶，一旦赛道环境改变，必须修改大量的代码才能运行。算法适应性差是制约智能车场景化适配的重要因素。而“AI智能车”借助深度学习算法，通过真实数据采集到模型新训练恰恰能够解决这一问题。基于飞桨平台，我们快速研制出了“无人驾驶智能车”，已经实现了道路检测以及交通标识识别（红绿灯/限速牌/人行道/停车位）等功能。在本文中，我将为大家揭秘“基于飞桨的无人驾驶智能车”的具体实现过程和效果。 第一步：如图1所示，在智能车硬件配置上，高性能处理器是实现深度学习算法运行的必备条件，目前通用流行的高性能处理器如：intel CPU、NVDIA GPU、百度Edgeboard系列、NXP i.MX8系列，在这里我们选择了基于百度Edgeboard系列的高性能板卡作为智能车的主处理器。 图1.智能车硬件框架 第二步：在解决了处理器的问题之后，要实现智能车对道路和交通标识的识别就要面临深度学习框架和深度学习算法的选择。目前通用流行的深度学习框架有Tensorflow、飞桨（PaddlePaddle）、Caffe、PyTorch等。我们选择了飞桨，飞桨作为国产化的深度学习框架，配合一站式开发平台AI Studio

【飞桨开发者说】吴东昱，北京钢铁侠科技深度学习算法工程师，主要研究深度学习、无人驾驶等。 我在观察历届智能车竞赛以及教学实验中发现，采用传统视觉算法的视觉智能车只能在特定赛道中行驶，一旦赛道环境改变，必须修改大量的代码才能运行。算法适应性差是制约智能车场景化适配的重要因素。而“AI智能车”借助深度学习算法，通过真实数据采集到模型新训练恰恰能够解决这一问题。基于飞桨平台，我们快速研制出了“无人驾驶智能车”，已经实现了道路检测以及交通标识识别（红绿灯/限速牌/人行道/停车位）等功能。在本文中，我将为大家揭秘“基于飞桨的无人驾驶智能车”的具体实现过程和效果。 第一步：如图1所示，在智能车硬件配置上，高性能处理器是实现深度学习算法运行的必备条件，目前通用流行的高性能处理器如：intel CPU、NVDIA GPU、百度Edgeboard系列、NXP i.MX8系列，在这里我们选择了基于百度Edgeboard系列的高性能板卡作为智能车的主处理器。 图1.智能车硬件框架 第二步：在解决了处理器的问题之后，要实现智能车对道路和交通标识的识别就要面临深度学习框架和深度学习算法的选择。目前通用流行的深度学习框架有Tensorflow、飞桨（PaddlePaddle）、Caffe、PyTorch等。我们选择了飞桨，飞桨作为国产化的深度学习框架，配合一站式开发平台AI Studio

【飞桨开发者说】吴东昱，北京钢铁侠科技深度学习算法工程师，主要研究深度学习、无人驾驶等。 我在观察历届智能车竞赛以及教学实验中发现，采用传统视觉算法的视觉智能车只能在特定赛道中行驶，一旦赛道环境改变，必须修改大量的代码才能运行。算法适应性差是制约智能车场景化适配的重要因素。而“AI智能车”借助深度学习算法，通过真实数据采集到模型新训练恰恰能够解决这一问题。基于飞桨平台，我们快速研制出了“无人驾驶智能车”，已经实现了道路检测以及交通标识识别（红绿灯/限速牌/人行道/停车位）等功能。在本文中，我将为大家揭秘“基于飞桨的无人驾驶智能车”的具体实现过程和效果。 第一步：如图1所示，在智能车硬件配置上，高性能处理器是实现深度学习算法运行的必备条件，目前通用流行的高性能处理器如：intel CPU、NVDIA GPU、百度Edgeboard系列、NXP i.MX8系列，在这里我们选择了基于百度Edgeboard系列的高性能板卡作为智能车的主处理器。 图1.智能车硬件框架 第二步：在解决了处理器的问题之后，要实现智能车对道路和交通标识的识别就要面临深度学习框架和深度学习算法的选择。目前通用流行的深度学习框架有Tensorflow、飞桨（PaddlePaddle）、Caffe、PyTorch等。我们选择了飞桨，飞桨作为国产化的深度学习框架，配合一站式开发平台AI Studio

【飞桨开发者说】吴东昱，北京钢铁侠科技深度学习算法工程师，主要研究深度学习、无人驾驶等。 我在观察历届智能车竞赛以及教学实验中发现，采用传统视觉算法的视觉智能车只能在特定赛道中行驶，一旦赛道环境改变，必须修改大量的代码才能运行。算法适应性差是制约智能车场景化适配的重要因素。而“AI智能车”借助深度学习算法，通过真实数据采集到模型新训练恰恰能够解决这一问题。基于飞桨平台，我们快速研制出了“无人驾驶智能车”，已经实现了道路检测以及交通标识识别（红绿灯/限速牌/人行道/停车位）等功能。在本文中，我将为大家揭秘“基于飞桨的无人驾驶智能车”的具体实现过程和效果。 第一步：如图1所示，在智能车硬件配置上，高性能处理器是实现深度学习算法运行的必备条件，目前通用流行的高性能处理器如：intel CPU、NVDIA GPU、百度Edgeboard系列、NXP i.MX8系列，在这里我们选择了基于百度Edgeboard系列的高性能板卡作为智能车的主处理器。 图1.智能车硬件框架 第二步：在解决了处理器的问题之后，要实现智能车对道路和交通标识的识别就要面临深度学习框架和深度学习算法的选择。目前通用流行的深度学习框架有Tensorflow、飞桨（PaddlePaddle）、Caffe、PyTorch等。我们选择了飞桨，飞桨作为国产化的深度学习框架，配合一站式开发平台AI Studio