Gambaran Keseluruhan
Yahboom Raspbot adalah kit kereta robot AI visi yang direka untuk pemula AI dan serasi dengan papan pembangunan Raspberry Pi 5. Ia menggunakan papan pengembangan kereta robot pelbagai fungsi sebagai casis dan mengintegrasikan motor TT 4WD, kamera CSI definisi tinggi, modul penjejakan empat saluran, dan modul ultrasonik untuk pemanduan FPV dan pembelajaran visi AI dengan Python3 dan CV sumber terbuka. Kawalan boleh dilakukan melalui aplikasi Android/iOS, kawalan jauh inframerah, dan pengaturcaraan web PC (Jupyter Lab), dengan tontonan video masa nyata.
Ciri-ciri Utama
- Struktur mudah untuk pemasangan dan pengalaman pembelajaran yang cepat
- Kawalan pandangan orang pertama FPV dengan pemulangan video masa nyata
- Kaedah kawalan yang kaya: APP (iOS & Android), PC (Jupyter Lab), kawalan jauh inframerah
- Permainan AI visi berdasarkan pengaturcaraan Python dan CV sumber terbuka: identiti visual, penjejakan mudah alih, autopilot, pengecaman objek, pengecaman isyarat, pengecaman/kawalan kod QR, pengecaman plat lesen, rondaan garis visual, dan banyak lagi
- Fungsi berasaskan sensor: penghindaran halangan pengesanan ultrasonik dan inframerah, mod penjejakan inframerah, buzzer untuk memainkan muzik, ultrasound mengikuti
- Platform kamera dua darjah kebebasan (PTZ)
Pilihan Konfigurasi
- Tanpa kad TF: Sesuai untuk pengguna yang sudah mempunyai papan Raspberry Pi 5 dan kad TF
- Dengan kad TF: Sesuai untuk pengguna yang sudah mempunyai papan Raspberry Pi 5; Fail sistem kad TF telah ditulis
- Dengan kad TF dan Raspberry Pi 5-4GB: Sesuai untuk pengguna yang tidak mempunyai papan Raspberry Pi 5; Fail sistem kad TF telah ditulis
- Dengan kad TF dan Raspberry Pi 5-8GB: Sesuai untuk pengguna yang tidak mempunyai papan Raspberry Pi 5 dan ingin melakukan lebih banyak fungsi pengembangan; Fail sistem kad TF telah ditulis
Spesifikasi
| Saiz produk (lukisan) | Panjang 240 mm; Lebar 157.99 mm; Tinggi 148.4 mm |
| Dimensi selepas pemasangan | 240*158*150 mm |
| Berat selepas pemasangan | 528 g (tanpa Raspberry Pi) |
| Bahan badan | Papan gentian kaca epoksi |
| Mikropemproses | Raspberry Pi 5 Broadcom BCM2712 64bit 2.5GHz quad core + VideoCore VII @800MHz |
| CPU (rujukan Raspberry Pi 5) | Broadcom BCM2712; Quad core Cortex-A76 (ARM v8) 64-bit SoC; Frekuensi utama 2.4GHz (proses 16nm) |
| GPU (rujukan Raspberry Pi 5) | 800MHz VideoCore VII; Sokongan OpenGLES3.1, Vulkan1.2 |
| Kuasa pengkomputeran AI | 500GFLOPS |
| Sistem pengendalian | raspios-bookworm-arm64 |
| Bahasa pengaturcaraan | Python |
| Pemanduan | Pemanduan 4WD |
| Parameter motor | Nisbah pengurangan 1:48; motor berus karbon TT 6V |
| Darjah kebebasan platform kamera | Dua darjah kebebasan; 180 darjah ke atas, ke bawah, kiri, dan kanan |
| Input | Kamera sudut lebar; sensor pengelakan halangan inframerah*2; penerima inframerah; sensor pengukuran jarak ultrasonik; sensor penjejakan empat saluran; antara muka IIC*2; antara muka bersiri |
| Output | Pemanggil pasif; 2 servo PWM; 4 motor DC TT |
| Penyelesaian kuasa | 12.Pek bateri kuasa 6V |
| Jangka hayat | 180 minit |
| Antara muka kuasa | Antara muka DC |
| Kaedah kawalan jauh | APP telefon bimbit; komputer PC; kawalan jauh inframerah |
| Kaedah komunikasi | Rangkaian WiFi; komunikasi kawalan jauh inframerah |
| Perlindungan keselamatan litar | Perlindungan sambungan terbalik; perlindungan arus lebih; perlindungan voltan rendah; perlindungan litar pintas |
Parameter Kamera
| Piksel | 5 juta piksel |
| Cip fotosensitif | OV5647 |
| Resolusi statik | 2592*1944; sokongan 1080P@30FPS / 720P@60FPS / 480P@90FPS video rakaman |
| Medan pandangan | 65 darjah |
| Saiz | 25*24*9 mm |
| Antara muka | Antara muka CSI |
| Bahan kabel | FPC |
| Panjang talian | 30 cm |
Antara Muka Papan Pengembangan (Papan Pengembangan Kereta Robot Pelbagai Fungsi)
- Penderia penghindaran halangan inframerah*2
- Port bersiri
- I2C PH2.0 interface*2
- Antara muka Raspberry Pi 40pin
- Boleh memandu LED1 (merah), LED2 (biru)
- Pemanggil pasif
- Penerima inframerah
- Antara muka modul ultrasonik
- Antara muka OLED
- Antara muka servo PWM*4
- Penunjuk voltan 5V
- Penunjuk input bateri
- Suis
- Antara muka motor DC*4
- Antara muka modul pemeriksaan garisan
- Antara muka bekalan kuasa DC
- Penunjuk status MCU
Aplikasi
- Projek pembelajaran robotik Raspberry Pi 5 dan visi AI
- Amalan Python3 + OpenCV (penjejakan, pengecaman, dan demo pemanduan autonomi)
- Pengaturcaraan kereta robot FPV melalui aplikasi dan Jupyter Lab
Untuk bantuan pesanan, pemilihan konfigurasi, atau sokongan teknikal, hubungi https://rcdrone.top/ atau e-mel [email protected] .
Manual
URL Kajian: http://www.yahboom.net/study/Raspbot
- Manual Arahan
- Percubaan Pertama
- Kursus kawalan jauh
- Penyediaan
- Kursus Asas OpenCV
- Kursus Kawalan Perkakasan
- Kursus visi AI
- Lampiran
- PDF ditunjukkan: Pemandu camera.pdf; Warna recognition.pdf; Nilai HSV test.pdf; Warna kamera tracking.pdf; Warna kereta tracking.pdf; Objek Tensorflow recognition.pdf; Kod QR recognition.pdf; Kod QR control.pdf; Muka recognition.pdf; Autopilot.pdf; Isyarat recognition.pdf; Plat lesen recognition.pdf; Autopilot.pdf
Butiran

Mulakan pembelajaran visi AI pada Raspberry Pi 5 dengan kereta robot 4WD yang menggabungkan pemanduan FPV, kamera pan/tilt, dan sensor onboard.

Permainan Python + CV sumber terbuka merangkumi pengiktirafan visual, penjejakan, dan pemanduan autonomi, dengan kawalan FPV dan sokongan aplikasi mudah alih.

Dibina untuk prestasi Raspberry Pi 5, menyokong pemprosesan kamera yang lebih lancar untuk projek pembelajaran penglihatan komputer.

Pilih konfigurasi kit berdasarkan sama ada anda sudah mempunyai kad microSD (TF) untuk Raspberry Pi 5.

Pilihan pakej tersedia dengan kad TF yang telah dimuatkan dan Raspberry Pi 5 (4GB) untuk persediaan yang lebih pantas.

Untuk lebih ruang untuk berkembang, pakej Raspberry Pi 5 (8GB) dipasangkan dengan kad TF yang telah ditulis untuk permulaan cepat.

Cara yang menjimatkan untuk meneroka visi AI pada Raspberry Pi, menggabungkan kamera CSI, pemasangan PTZ, dan casis robot dalam satu binaan.

Pandu dalam mod FPV dari iOS/Android dengan pemulangan video masa nyata dan antara muka kawalan jauh pada skrin.

Kawal dengan cara anda—aplikasi mudah alih untuk memandu, pengaturcaraan web PC dalam JupyterLab, atau alat kawalan jauh inframerah yang disertakan.

Demo yang telah dibina membantu anda berlatih penjejakan warna, mengikuti tingkah laku, dan kawalan kod QR menggunakan rutin penglihatan berasaskan Python.

Rutin autopilot menggunakan pemprosesan OpenCV dan konsep kawalan PID untuk menyokong eksperimen pemanduan automatik.

Permainan berasaskan sensor termasuk pengelakan halangan, penjejakan garis inframerah, mengikuti ultrasound, dan kesan bunyi buzzer.

Perkakasan teras mengintegrasikan papan pengembangan pelbagai fungsi dengan pemacu 4WD, pan/tilt kamera, pengukuran ultrasonik, dan modul penjejakan.

Pelajaran langkah demi langkah dan dokumen yang boleh dimuat turun menyokong pemasangan, pengkodan, dan eksperimen penglihatan.

Periksa dimensi dan spesifikasi utama sebelum membina, termasuk butiran antara muka kamera dan saiz keseluruhan yang dipasang.

Segala yang diperlukan untuk pemasangan disenaraikan, termasuk elektronik casis, motor, sensor, kabel, alat kawalan jauh, dan alat (pilihan berbeza).
Related Collections
