转载

基于深度学习的自动避障小车_2_架构设计

Introduction

本文从硬件架构和软件架构描述了整套系统的设计。

raspberrypi基于深度学习的自动避障智能小车_目录

1. 硬件结构

基于深度学习的自动避障小车_2_架构设计

该图片采用fritzing绘制,fzz文件在 本项目的github 上有。

1.1 控制核心部件

树莓派3的参数

项目 部件
SoC(系统芯片) BCM2837
CPU ARM Cortex-A53 1.2GHz 四核
GPU Broadcom VideoCore IV, OpenGL ES 2.0, 1080p 30 h.264/MPEG-4 AVC 高清解码器
内存 1GB
USB 2.0 4
视频输出 RCA视频接口输出(仅1代B型有此接口),支持PAL和NTSC制式,支持HDMI (1.3和1.4),分辨率为640 x 350 至 1920 x 1200 支持PAL 和NTSC制式。
音频输出 3.5mm 插孔(Zero无此项), HDMI(高清晰度多音频/视频接口)
SD卡 Micro SD卡接口
网络接入 10/100 以太网接口(RJ45接口),支持WiFi和蓝牙。
扩展接口 40个
最大功率 [email protected]
电源输入 5v,通过MicroUSB或GPIO引脚
总体尺寸 85 x 56 x 17 mm
操作系统 Debian GNU/Linux

1.2 视频信号采集硬件

基于深度学习的自动避障小车_2_架构设计

本文项目使用了CMOS材料的摄像头( CSI接口,非USB摄像头 ),像素都连接着 ADC,不用设计专属通道,也可以转为数字信号使用,像素体积较小,内部可以设置信号处理器,辅助寄存器可以用作缓存,且所需耗电量也少。数字摄像头采集的图像较为准确,可抗干扰,有利于 CMOS 摄像头在智能小车上的实时应用。

  • 无 IR 滤波器
  • 高清图像
  • 高数据容量
  • 8 百万像素固定焦点(包括.焦点调整工具)
  • 支持 1080p、720p60 和 VGA90
  • Sony IMX219PQ CMOS 图像传感器
  • 15 引脚带状电缆 

1.3 小车驱动部件

L298N电机驱动板模块

基于深度学习的自动避障小车_2_架构设计

尺寸 长25.5CM*宽15CM(厚3MM)
电压 电机工作电压3-6V
减速比 1:48的双轴电机
电流 0.5-2A
电机 180转/分 5V电压

2. 软件架构

2.1 修正后的需求

  • 小车捕获摄像头数据
  • PC接收视频图像数据
  • PC处理图像数据分辨出目标物体和障碍物
  • PC利用避障算法获得小车的执行指令
  • 小车接收指令并执行

2.2 架构设计

小车上开启socket server,接收控制端发来的指令,也将图片发送给控制端。

PC上开启httpserver,方便随时随地查看小车摄像头的视频数据,由于motion自带了一个httpserver,可以通过嵌入frame的方式快速实现网页实时监控视频播放。

Car->PC: 图像视频数据
Note left of Car: 小车获取摄像头的数据
Note right of PC: PC利用深度学习框架处理图像数据,并给出合适的方向指令。
PC-->Car: 控制指令
Note left of Car: 小车执行PC发送的指令

基于深度学习的自动避障小车_2_架构设计

原文  http://www.findspace.name/easycoding/1821
正文到此结束
Loading...