Überblick
Yahboom Raspbot ist ein KI-Roboterwagen-Kit , das für KI-Anfänger entwickelt wurde und mit dem Raspberry Pi 5 Entwicklungsboard kompatibel ist. Es verwendet eine multifunktionale Roboterwagen-Erweiterungsplatine als Chassis und integriert 4WD TT-Motoren, eine hochauflösende CSI-Kamera, ein Vierkanal-Tracking-Modul und ein Ultraschallmodul für FPV-Fahren und KI-Visionslernen mit Python3 und Open-Source-CV. Die Steuerung ist über Android/iOS-App, Infrarot-Fernbedienung und PC (Jupyter Lab) Web-Programmierung mit Echtzeit-Videoanzeige verfügbar.
Hauptmerkmale
- Einfache Struktur für die Montage und schnelles Lernerlebnis
- FPV-Steuerung aus der Ich-Perspektive mit Echtzeit-Videoübertragung
- Reiche Steuerungsmethoden: APP (iOS & Android), PC (Jupyter Lab), Infrarot-Fernbedienung
- AI-Visionspiel basierend auf Python-Programmierung und Open-Source-CV: visuelle Identität, mobiles Tracking, Autopilot, Objekterkennung, Gestenerkennung, QR-Code-Erkennung/Steuerung, Kennzeichenerkennung, visuelle Linienpatrouille und mehr
- Sensorbasierte Funktionen: Ultraschall- und Infraroterkennung zur Hindernisvermeidung, Infrarot-Tracking-Modus, Summer zum Abspielen von Musik, Ultraschallverfolgung
- Zweiachsige Kameraplattform (PTZ)
Konfigurationsoptionen
- Ohne TF-Karte: Geeignet für Benutzer, die bereits über ein Raspberry Pi 5 Board und eine TF-Karte verfügen
- Mit TF-Karte: Geeignet für Benutzer, die bereits ein Raspberry Pi 5 Board haben; TF-Karten-Systemdatei wurde geschrieben
- Mit TF-Karte und Raspberry Pi 5-4GB: Geeignet für Benutzer, die kein Raspberry Pi 5 Board haben; TF-Karten-Systemdatei wurde geschrieben
- Mit TF-Karte und Raspberry Pi 5-8GB: Geeignet für Benutzer, die kein Raspberry Pi 5 Board haben und mehr Erweiterungsfunktionen wünschen; TF-Karten-Systemdatei wurde geschrieben
Spezifikationen
| Produktgröße (Zeichnung) | Länge 240 mm; Breite 157.99 mm; Höhe 148.4 mm |
| Abmessungen nach der Montage | 240*158*150 mm |
| Montiertes Gewicht | 528 g (ohne Raspberry Pi) |
| Gehäusematerial | Epoxid-Glasfaserplatte |
| Mikroprozessor | Raspberry Pi 5 Broadcom BCM2712 64bit 2.5GHz Quad-Core + VideoCore VII @800MHz |
| CPU (Raspberry Pi 5 Referenz) | Broadcom BCM2712; Quad-Core Cortex-A76 (ARM v8) 64-Bit SoC; Hauptfrequenz 2.4GHz (16nm Prozess) |
| GPU (Raspberry Pi 5 Referenz) | 800MHz VideoCore VII; Unterstützt OpenGLES3.1, Vulkan1.2 |
| KI-Rechenleistung | 500GFLOPS |
| Betriebssystem | raspios-bookworm-arm64 |
| Programmiersprache | Python |
| Antrieb | 4WD-Antrieb |
| Motorparameter | Übersetzungsverhältnis 1:48; 6V Kohlebürsten-TT-Motor |
| Kameraplattform Freiheitsgrade | Zwei Freiheitsgrade; 180 Grad oben, unten, links und rechts |
| Eingang | Weitwinkelkamera; Infrarot-Hindernisvermeidungssensor*2; Infrarot-Empfänger; Ultraschall-Abstandsmesssensor; Vierkanal-Tracking-Sensor; IIC-Schnittstelle*2; serielle Schnittstelle |
| Ausgang | Passiver Summer; 2 PWM-Servos; 4 TT-Gleichstrommotoren |
| Energielösung | 12.6V Power-Akku-Pack |
| Lebensdauer | 180 Minuten |
| Stromschnittstelle | DC-Schnittstelle |
| Fernsteuerungsmethode | Mobile App; PC-Computer; Infrarot-Fernbedienung |
| Kommunikationsmethode | WiFi-Netzwerk; Infrarot-Fernsteuerungskommunikation |
| Schaltungssicherheitsschutz | Verpolungsschutz; Überstromschutz; Niederspannungsschutz; Kurzschlussschutz |
Kameraparameter
| Pixel | 5 Millionen Pixel |
| Bildsensorchip | OV5647 |
| Statische Auflösung | 2592*1944; Unterstützung 1080P@30FPS / 720P@60FPS / 480P@90FPS video Aufnahme |
| Sichtfeld | 65 Grad |
| Größe | 25*24*9 mm |
| Schnittstelle | CSI-Schnittstelle |
| Kabelmaterial | FPC |
| Leitungslänge | 30 cm |
Erweiterungsplatinen-Schnittstellen (Multifunktionale Roboterauto-Erweiterungsplatine)
- Infrarot-Hindernisvermeidungssensor*2
- Serielle Schnittstelle
- I2C PH2.0 Schnittstelle*2
- Raspberry Pi 40-Pin-Schnittstelle
- Kann LED1 (rot), LED2 (blau) ansteuern
- Passiver Summer
- Infrarotempfänger
- Ultraschallmodul-Schnittstelle
- OLED-Schnittstelle
- PWM-Servoschnittstelle*4
- 5V Spannungsanzeige
- Batterieeingangsanzeige
- Schalter
- Gleichstrommotor-Schnittstelle*4
- Linieninspektionsmodul-Schnittstelle
- Gleichstrom-Stromversorgungs-Schnittstelle
- MCU-Statusanzeige
Anwendungen
- Raspberry Pi 5 Robotik-Lern- und KI-Vision-Projekte
- Python3 + OpenCV Praxis (Verfolgung, Erkennung und autonome Fahrdemos)
- FPV-Roboterauto-Programmierung über App und Jupyter Lab
Für Bestellhilfe, Konfigurationsauswahl oder technischen Support kontaktieren Sie https://rcdrone.top/ oder E-Mail [email protected] .
Handbücher
Studien-URL: http://www.yahboom.net/study/Raspbot
- Anleitungshandbuch
- Erster Versuch
- Fernsteuerungskurs
- Vorbereitung
- OpenCV Grundkurs
- Hardware-Steuerungskurs
- KI-Vision-Kurs
- Anhang
- Angezeigte PDFs: Treiber camera.pdf; Farbe recognition.pdf; HSV-Wert test.pdf; Kamerafarbe tracking.pdf; Autofarbe tracking.pdf; Tensorflow-Objekt recognition.pdf; QR-Code recognition.pdf; QR-Code control.pdf; Gesicht recognition.pdf; Autopilot.pdf; Geste recognition.pdf; Kennzeichen recognition.pdf; Autopilot.pdf
Details

Beginnen Sie mit dem Lernen von KI-Vision auf dem Raspberry Pi 5 mit einem 4WD-Roboterauto, das FPV-Fahren, Kamera-Schwenk/Neigung und Onboard-Sensoren kombiniert.

Python + Open-Source-CV-Gameplay umfasst visuelle Erkennung, Verfolgung und autonomes Fahren mit FPV-Steuerung und mobiler App-Unterstützung.

Entwickelt für die Leistung des Raspberry Pi 5, unterstützt eine reibungslosere Kameraverarbeitung für Computer-Vision-Lernprojekte.

Wählen Sie eine Bausatzkonfiguration basierend darauf, ob Sie bereits eine microSD (TF) Karte für Raspberry Pi 5 haben.

Bundle-Optionen sind mit einer vorinstallierten TF-Karte und Raspberry Pi 5 (4GB) für eine schnellere Einrichtung verfügbar.

Für mehr Erweiterungsmöglichkeiten wird das Raspberry Pi 5 (8GB) Bundle mit einer vorbeschriebenen TF-Karte für einen schnellen Start kombiniert.

Eine kostengünstige Möglichkeit, AI Vision auf Raspberry Pi zu erkunden, indem eine CSI-Kamera, PTZ-Halterung und ein Roboterchassis in einem Aufbau kombiniert werden.

Fahren Sie im FPV-Modus von iOS/Android mit Echtzeit-Videoübertragung und einer Fernsteuerungsoberfläche auf dem Bildschirm.

Steuern Sie es auf Ihre Weise—Mobile App zum Fahren, PC-Webprogrammierung in JupyterLab oder die mitgelieferte Infrarot-Fernbedienung.

Vorgefertigte Demos helfen Ihnen, Farbverfolgung, Verhaltensverfolgung und QR-Code-Steuerung mit Python-basierten Vision-Routinen zu üben.

Autopilot-Routinen verwenden OpenCV-Verarbeitung und PID-Kontrollkonzepte, um automatische Fahrversuche zu unterstützen.

Sensorbasiertes Spielen umfasst Hindernisvermeidung, Infrarot-Linienverfolgung, Ultraschallverfolgung und Summer-Soundeffekte.

Die Kernhardware integriert eine Multifunktions-Erweiterungsplatine mit 4WD-Antrieb, Kamera-Schwenk/Neigung, Ultraschallmessung und einem Verfolgungsmodul.

Schritt-für-Schritt-Lektionen und herunterladbare Dokumente unterstützen Montage, Programmierung und Vision-Experimente.

Überprüfen Sie die Abmessungen und die wichtigsten Spezifikationen vor dem Bau, einschließlich Kameraschnittstellendetails und der gesamten montierten Größe.

Alles, was für die Montage benötigt wird, ist aufgelistet, einschließlich Chassis-Elektronik, Motoren, Sensoren, Kabel, Fernbedienung und Werkzeuge (Optionen variieren).
Related Collections
