JetRacer: Unterschied zwischen den Versionen

Aus HSHL Mechatronik
Zur Navigation springen Zur Suche springen
Zeile 26: Zeile 26:
{| class="wikitable"
{| class="wikitable"
|-
|-
| PC  || NVIDIA® Jetson Nano™, 64-bit Quad-Core ARM A57, 472 GFLOPS @5 W, 128 NVIDIA CUDA® GPU
| PC  || [https://www.arducam.com/nvidia-jetson-nano-b01-update-dual-camera/ NVIDIA® Jetson Nano™], PN: 3450 B01, 4 GB 64-bit LPDDR4 @ 25.6 GB, 64-bit Quad-Core ARM A57, 472 GFLOPS @5 W, 128 NVIDIA CUDA® GPU
|-
|-
| Kamera  || Sony IMX219, 8 MP, 160° Sichtfeld, Auflösung 3280x2464thinsp;pixel  
| Kamera  || Sony IMX219, 8 MP, 160° Sichtfeld, Auflösung 3280x2464thinsp;pixel  

Version vom 31. August 2022, 09:43 Uhr

Abb. 1: JetRacer AI Pro von Waveshare
Abb. 2: JetRacer AI Pro GitHub Projekt
YouTube: Waveshare JetRacer Pro AI Kit


Autoren: Marc Ebmeyer; Prof. Dr.-Ing. U. Schneider

Einleitung

Der JetRacer der Firma Waveshare wird gesteuert von einem NVIDIA® Jetson Nano™. Dieser Mini-Computer ermöglicht es, Millionen von kleinen, energieeffizienten KI-Systemen mit unglaublichen neuen Funktionen auszustatten. So entstehen neue Möglichkeiten für eingebettete IoT-Anwendungen, wie zum Beispiel einfache Netzwerkvideorekorder (NVRs), Haushaltsroboter oder intelligente Gateways mit vollen Analysefähigkeiten.

Jetson Nano ist außerdem das perfekte Werkzeug, um die Grundlagen von KI und Robotik zu erlernen – anhand von vorgefertigten Projekten und mit der Unterstützung einer aktiven und leidenschaftlichen Entwicklergemeinde. In unserem Fall steuert die KI einen JetRacer der Firma Waveshare.

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

Themengebiete sind:

  • Entwicklung auf einem Linux PC
  • Künstliche Intelligenz/Deep Learning

Spezifikation

PC NVIDIA® Jetson Nano™, PN: 3450 B01, 4 GB 64-bit LPDDR4 @ 25.6 GB, 64-bit Quad-Core ARM A57, 472 GFLOPS @5 W, 128 NVIDIA CUDA® GPU
Kamera Sony IMX219, 8 MP, 160° Sichtfeld, Auflösung 3280x2464thinsp;pixel
Motor 37-520 UPM, 1:10 Übersetzung, 12 V, 740 UPM Leerlaufdrehzahl
Servo MG996R, 9 kg/cm Drehmoment bei 4,8 V
Akkus 4 Akkus vom Typ 18650, 3,7 V, 2 parallel und 2 in Serie
Display 0,91 inch ILED, 128x32 pixel
Chassis Aluminiumlegierung
Wireless NIC AC8265, 2,4 GHz/5 GHz, Bluetooth 4.2
AI Frameworks TensorFlow, PyTorch, Caffe/Caffe2, Kera und MXNet

Übersicht

Dokumentation

Hardware

Software

Demos

Weiterführende Links

YouTube: Time Trials for Waveshare Jetracer Pro kit V.S. Traxxas Jetracer "DIY" build
YouTube: Time Trials for Waveshare Jetracer Pro kit V.S. Traxxas Jetracer "DIY" build



→ zurück zum Hauptartikel: Robotik und autonome Systeme