JetRacer ROS AI Robot: Unterschied zwischen den Versionen

Aktuelle Version vom 25. März 2024, 11:16 Uhr

Autor:	Jonas Michael Baisler
Modul:	Projektarbeit, TBD (bitte eintragen)
Starttermin:	19.02.2024
Abgabetermin:	TBD
Prüfungsform:	Modulabschlussprüfung als Hausarbeit (Praxisbericht, Umfang 30-50 Seiten Textteil)
Betreuer:	Prof. Dr.-Ing. Schneider, Tel. 806
Mitarbeiter:	Marc Ebmeyer, Tel. 847

Einführung

Der JetRacer ist ein Modellrennwagen im Maßstab 1:10. Hierbei handelt es sich um ein leistungsstarkes intelligentes KI-Modellfahrzeug, das speziell für Studierende entwickelt wurde, die den Umgang mit dem Robot Operation Systelm (ROS) erlernen möchten. Das System besteht aus zwei Steuereinheiten. Den Host-Controller bildet das JETSON-NANO-DEV-KIT-A und als Sub-Controller wird ein Raspberry Pi RP2040-Mikrocontroller verwendet. Die Hauptplatine integriert die OLED, den Servomotor-Antriebsschaltkreis, den Batterieschutzschaltkreis, einen Audioausgangsschaltkreis usw., das lästige Löten des Schaltkreises erspart, das Entladen und Laden unterstützt und kein wiederholtes Entfernen des Akkus erfordert. Der verbauter IMU-Lagesensor und DC-Encodermotor regelt die Geschwindigkeit über einen PID-Regler und kann einen Radkilometerzähler ausgeben. Die Software ist mit dem Open-Source-Projektprogramm NVIDIA Jetbot kompatibel und unterstützt AI Deep Learning, SLAM-Mapping und -Navigation, visuelle OpenCV-Verarbeitung, intelligente Sprachinteraktion und andere Funktionen.

Aufgabenstellung

Einarbeitung in den JetRacer
Ansteuerung des Antriebs und der Lenkung
Einlesen der Sensoren
Fokus auf eines der Schwerpunktgebiete
1. SLAM LiDAR Mapping
2. Bahnplanung, Autonome Navigation, dynamische Hindernisbehandlung
3. Bildverarbeitung
4. Mensch-Roboter Sprachinteraktion
Systemtest
Optimierung
Dokumentation der Vorgehensweise im HSHL-Wiki

Durchführung

Nachvollziehen/Durchführung der Anleitung auf der WaveShare Website

Anforderungen

Das Projekt erfordert Vorwissen in den nachfolgenden Themengebieten. Sollten Sie die Anforderungen nicht erfüllen müssen Sie sich diese Kenntnisse anhand im Rahmen der Arbeit anhand von Literatur/Online-Kursen selbst aneignen.

Umgang mit Linux
C-Programmierung
Dokumentenversionierung mit SVN
Optional:
- AI Deep Learning mit NVIDIA Jetson Nano
- OpenCV Vision Processing
- Simulation mit WeBots
- Umgang mit ROS2
- Partikel Filter SLAM
- Mensch-Roboter Sprachinteraktion

Anforderungen an die wissenschaftliche Arbeit

Wissenschaftliche Vorgehensweise (Projektplan, etc.), nützlicher Artikel: Gantt Diagramm erstellen
Wöchentlicher Fortschrittsberichte (informativ), aktualisieren Sie das Besprechungsprotokoll - Live Gespräch mit Prof. Schneider
Projektvorstellung im Wiki
Tägliche Sicherung der Arbeitsergebnisse in SVN
Tägliche Dokumentation der geleisteten Arbeitsstunden
Studentische Arbeiten bei Prof. Schneider
Anforderungen an eine wissenschaftlich Arbeit

SVN-Repositorium

TBD

Getting started

Lesen Sie zum Einstieg diese Artikel

Nützliche Artikel

→ zurück zum Hauptartikel: Studentische Arbeiten

@@ Zeile 1: / Zeile 1: @@
-[[Datei:Ace2_basicc125_lens_basler_sodavision-1-1-1.jpg|thumb|rigth|300px|Abb. 1: Basler GigE Vision System]]
+[[Datei:Waveshare_JetRacer_Professional_ROS_AI_Kit.png|thumb|rigth|300px|Abb. 1: JetRacer ROS AI Roboter von [https://www.waveshare.com/product/robotics/mobile-robots/jetson-nano-ai-robots/jetracer-ros-ai-kit.htm#none; Waveshare]]]
 [[Kategorie:AMR]]
+[[Kategorie:JetRacer ROS AI Roboter]]
 {|
 |-
-| '''Autor:'''  || Nils Koch
+| '''Autor:'''  || Jonas Michael Baisler
 |-
-| '''Modul:''' || Projektarbeit, MTR-B-2-6.01
+| '''Modul:''' || Projektarbeit, TBD (bitte eintragen)
 |-
-|  '''Starttermin''': || 29.01.2024
+|  '''Starttermin''': || 19.02.2024
 |-
 |  '''Abgabetermin''': || TBD
@@ Zeile 18: / Zeile 19: @@
 |}
 == Einführung ==
-Für das SDE Praktikum werden drei autonome Fahrzeuge im Maßstab 1:10 aufgebaut. Zwei davon verfügen bereits über dieselbe Kamera (). Da diese nicht mehr lieferbar ist, wird das dritte Fahrzeug mit einer [[Basler_GigE_Vision_System|Basler acA2000-50gc Kamera]] ausgestattet. Die Bildverarbeitung soll zukünftig für alle Systeme identisch sein. Bei Start der Kamerasoftware auf dem Fahrzeug-PC soll die verbaute Kamera automatisch identifiziert werden und die dazugehörigen Parameter geladen werden.
+Der JetRacer ist ein Modellrennwagen im Maßstab 1:10. Hierbei handelt es sich um ein leistungsstarkes intelligentes KI-Modellfahrzeug, das speziell für Studierende entwickelt wurde, die den Umgang mit dem Robot Operation Systelm (ROS) erlernen möchten. Das System besteht aus zwei Steuereinheiten. Den Host-Controller bildet das [https://developer.nvidia.com/embedded/jetson-nano-developer-kit JETSON-NANO-DEV-KIT-A] und als Sub-Controller wird ein [https://de.wikipedia.org/wiki/RP2040 Raspberry Pi RP2040-Mikrocontroller] verwendet. Die Hauptplatine integriert die OLED, den Servomotor-Antriebsschaltkreis, den Batterieschutzschaltkreis, einen Audioausgangsschaltkreis usw., das lästige Löten des Schaltkreises erspart, das Entladen und Laden unterstützt und kein wiederholtes Entfernen des Akkus erfordert. Der verbauter IMU-Lagesensor und DC-Encodermotor regelt die Geschwindigkeit über einen PID-Regler und kann einen Radkilometerzähler ausgeben. Die Software ist mit dem Open-Source-Projektprogramm NVIDIA Jetbot kompatibel und unterstützt AI Deep Learning, SLAM-Mapping und -Navigation, visuelle OpenCV-Verarbeitung, intelligente Sprachinteraktion und andere Funktionen.
 == Aufgabenstellung ==
 # Einarbeitung in den JetRacer
-# Morphologischer Kasten der möglichen Optionen (Version von openCV, VisualStudio, Kameratreiber, x64,...)
+# Ansteuerung des Antriebs und der Lenkung
-# Bewertung und Auswahl einer Option - Besprechung mit Prof. Schneider
+# Einlesen der Sensoren
-# Umsetzung in Visual Studio mit OpenCV
+# Fokus auf eines der Schwerpunktgebiete
-# Übernahme der bestehenden Bildverarbeitungssoftware im neuen System
+## SLAM LiDAR Mapping
-# Systemtests (Kompatibilitätstests) aller 3 Fahrzeuge
+## Bahnplanung, Autonome Navigation, dynamische Hindernisbehandlung
+## Bildverarbeitung
+## Mensch-Roboter Sprachinteraktion
+# Systemtest
 # Optimierung
-# Dokumentation im HSHL-Wiki
+# Dokumentation der Vorgehensweise im HSHL-Wiki
+== Durchführung ==
+# Nachvollziehen/Durchführung der Anleitung auf der WaveShare Website
+#
 == Anforderungen ==
 Das Projekt erfordert Vorwissen in den nachfolgenden Themengebieten. Sollten Sie die Anforderungen nicht erfüllen müssen Sie sich diese Kenntnisse anhand im Rahmen der Arbeit anhand von Literatur/Online-Kursen selbst aneignen.
-* Bildverarbeitung mit openCV
+* Umgang mit Linux
-* Programmierung C++
+* C-Programmierung
 * Dokumentenversionierung mit SVN
+* Optional:
+**AI Deep Learning mit NVIDIA Jetson Nano
+**OpenCV Vision Processing
+**Simulation mit [https://cyberbotics.com/ WeBots]
+**Umgang mit [[ROS2_Tutorial|ROS2]]
+**[[Partikelfilter_SLAM_für_ein_AMR|Partikel Filter SLAM]]
+**Mensch-Roboter Sprachinteraktion
 == Anforderungen an die wissenschaftliche Arbeit ==
@@ Zeile 47: / Zeile 60: @@
 == SVN-Repositorium ==
-*[https://svn.hshl.de/svn/MTR_SDE_Praktikum/trunk SVN-Repositorium]
+* TBD
 == Getting started ==
 Lesen Sie zum Einstieg diese Artikel
-*[[Basler_GigE_Vision_System]]
+*[https://www.waveshare.com/wiki/JetRacer_ROS_AI_Kit JetRacer ROS AI Kit]
-*Kismann, J.; König, D: [[OSE:_Bildverarbeitung_mit_Spurerkennung]]
 *[[Gantt-Diagramm| Gantt Diagramm erstellen]]
 *[[Wiki-Artikel_schreiben | Tipps zum Schreiben eines Wiki-Artikels]]
@@ Zeile 60: / Zeile 72: @@
 == Nützliche Artikel ==
+*[https://www.waveshare.com/product/robotics/mobile-robots/jetson-nano-ai-robots/jetracer-ros-ai-kit.htm#none; Waveshare: JetBot Professional Version ROS AI Kit]
+*[https://www.waveshare.com/wiki/JetRacer_ROS_AI_Kit Waveshare: JetRacer ROS AI Kit Wiki]
 ----
 → zurück zum Hauptartikel: [[Studentische_Arbeiten|Studentische Arbeiten]]