基于SLAM的机器人在车间运送中的应用

运送机器人主要通过电机、舵机、激光雷达、微控制器和树莓派等硬件设备组装而成,并在树莓派或计算机端的ROS系统运用建图、定位和路径规划等算法,实现机器人的自动避障和自主导航。实验发现机器人建立的地图能够描绘出机器人环境的大部分物体,路径规划和机器人的响应效果良好,并在误差允许范围内,地图中的定位可精确到70%。因此,可将SLAM机器人应用于车间运送,以提高车间的工作效率,节约人力成本。

基于4G/5G的车辆监测系统

为提高车辆驾驶的安全性,减少事故的发生以及人员、财产的损失,研发了一种基于4G/5G的车辆监测系统。通过STM32f407单片机驱动GPS定位器、气体酒精传感器等多种传感器,进行数据地采集,并通过串口转发到上层的Jetson Nano人工智能处理器、Jetson Nano驱动摄像头以及4G/5G模块,最后将数据上传到后台管理,对车辆进行实时监测。在误差允许的范围内,测试数据的准确率达到了80%,因此可运用此系统来提高车辆驾驶的安全性。

基于人脸识别的车辆安全系统

研究运用卷积神经网络实现对司机的人脸识别,以提高车辆的安全性能。系统事先采集车辆司机的照片,进行模型的训练。在应用当中,通过摄像头采集驾驶位的驾驶人员图片,并运用树莓派上传到云服务器端,将采集到的照片导入已训练的模型,进行图片的识别。如若识别图片为司机,则开启汽车电源,否则将发送消息给车主,并发出警报和关闭汽车电池。经过测试,模型的识别率大于80%,因此可运用人脸识别技术来提高车辆的安全性。

人脸识别技术在安防中的应用

本文将会介绍一种安保识别系统。此系统首先通过终端上的摄像头捕捉当前图像,并对图像进行人脸特征提取,随后传送至云端的服务器中。云端的服务器根据提取的人脸特征进行结果判定,并作出相对应的反应。试验结果显示,系统的识别准确率在85%左右。且系统对硬件的要求不高,具有较好的实用性。