Autonomer Mobiler Roboter: Unterschied zwischen den Versionen

Aus HSHL Mechatronik
Zur Navigation springen Zur Suche springen
Keine Bearbeitungszusammenfassung
Zeile 30: Zeile 30:
|-
|-
| [[Datei:Topcon company logo.png|80px]]||Referenzmesssystem
| [[Datei:Topcon company logo.png|80px]]||Referenzmesssystem
| [[Datei:Python_Logo.png]] || Im Gegensatz zu HTML, CSS und Javascript ist [https://www.python.org/ Python]  eine Allzwecksprache, so dass es für verschiedene Arten der Programmierung verwendet werden kann, nicht nur für die Webentwicklung. Dies kann die Backend-Entwicklung, das Erstellen von Software und das Schreiben von Skripts umfassen.
|-
|-
| [[Datei:TensorRT_Logo.png]] || [https://developer.nvidia.com/tensorrt TensorRT] ist ein Framework für maschinelles Lernen. Es wurde von NVIDIA herausgegeben, um auf deren Hardware KI Algorithmen zu verwenden. TensorRT wurde optimiert um auf NVIDIA GPUs ausgeführt zu werden. Dies ist vermutlich der schnellste Weg Algorithmen auszuführen.
| [[Datei:Python_Logo.png]] || Anwendungsprogrammierung in Python
|-
| [[Datei:Keras_Logo.png]] || [https://keras.io/ Keras] ermöglicht die schnelle Implementierung neuronaler Netzwerke für Anwendungen des Deep Learnings. Es handelt sich um eine Open-Source-Bibliothek, die in Python geschrieben ist und zusammen mit Frameworks wie TensorFlow oder Theano verwendet werden kann.
|-
| [[Datei:PyTorch_Logo.png]] || [https://pytorch.org/ PyTorch] ist zur Zeit eines der populärsten Frameworks zur Entwicklung und zum Trainieren von neuronalen Netzwerken. Es zeichnet sich vor allem durch seine hohe Flexibilität und die Möglichkeit aus, Standard-Python-Debugger einzusetzen. Dabei müssen keinerlei Abstriche bezüglich der Trainingsperformance gemacht werden.
 
|}
|}


Version vom 20. Oktober 2022, 11:54 Uhr

Abb. 1: JetRacer AI Pro von Waveshare
Abb. 1: Mobile Roboterplattform

Autor: Prof. Dr.-Ing. U. Schneider
Ort: Campus Lippstadt
Art: Praxissemester, Projektarbeit, Bachelorarbeit, Masterarbeit (die Schwierigkeitsstufe ist skalierbar)

Einleitung

Abb. 1 zeigt unseren Prototypen eines autonomen Mobilen Roboters. Dieser verfügt über zwei Antriebsrädern mit Inkrementalgebern, zwei Stützräder, einer Intertialen Messeinheit (IMU), einem LiDAR zur Umfelderkennung sowie einem Raspberry Pi. Mittels robot Operating System (ROS2) ist der Roboter imstande:

  • sein Umfeld zu Kartografieren,
  • sich in der Karte zu lokalisieren und
  • zu Wunschpositionen zu navigieren.

In diesem Bereich gibt es zahlreiche Themengebiete für studentische Arbeiten.


Entwicklung auf einem Linux PC
NVIDIA Künstliche Intelligenz/Deep Learning (Jetson AI)
Modellbasierte Entwicklung in der Simulationsumgebung Webots
Ortung und Navigation mit ROS2
Umfeldsensorik (LiDAR, IMU, ToF,...)
Referenzmesssystem
Anwendungsprogrammierung in Python

Melden Sie sich bei Prof. Schneider wenn Sie an diesem Projekt mit einer studentischen Arbeit teilnehmen möchten.


  • (ubuntu)
  • (Webots)
  • Künstliche Intelligenz/Deep Learning (Jetson AI)
  • Ortung und Navigation mit ROS2
  • (Topcon)
Abgerufen von „https://wiki.hshl.de/wiki/index.php?title=Autonomer_Mobiler_Roboter&oldid=96034“