首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏移动机器人

    myAgv的slam算法学习以及动态

    偶然间在上网的时候买了一台SLAM小车,能够利用2D激光雷达进行建图,自动导航,动态规避等功能。今天我将我在使用这台SLAM小车进行动态功能的实现记录下来。 同时动态障碍物信息是通过sensor topics来发布,然后实时更新cost_map来实现动态。 但是很多场景都有不确定的因素,比如说突然走出来一个人,这个时候站在面前,如果只依靠静态的话,那么它就会直接撞上去,这个时候就需要用到另一种功能,动态动态是指机器人在移动过程中,根据环境变化实时调整路径,避开障碍物的能力。 与静态环境下的不同,动态需要机器人能够实时感知周围环境的变化,并做出相应的调整,以保证机器人的安全移动,从而提高生产效率和安全性。动态我这边主要用到的是DWA和TEB算法。

    1.2K30编辑于 2023-05-25
  • 来自专栏移动机器人

    myAgv的slam算法学习以及动态下篇

    引言在之前的一篇文章中有提到购入了一台myAGV,以树莓派4B为控制核心的移动机器人。上篇文章中向大家介绍了myAGV如何实现建图、导航以及静态,但我们深知,这只是机器人自主导航能力的基础。 在实际应用场景中,机器人需要面对复杂的动态环境,如人流、障碍物等,如何实现可靠的动态,是我们不断探索和挑战的问题。 图片动态动态是指在移动机器人或自动驾驶汽车等智能移动设备在行进过程中,通过实时感知周围环境的变化,采取相应的措施以避免与障碍物发生碰撞的技术。 大象机器人提供的动态算法是基于TEB和DWA算法。TEB算法TEB(Timed-Elastic-Band)是一种用于轨迹优化的算法,可用于机器人的动态和路径规划。 为了解决TEB和DWA算法的局限性,实现更加精细和高效的动态和路径规划,有人提出了TEB-DWA算法,TEB-DWA算法的核心思想是通过将TEB算法和DWA算法的优点结合起来,设计出一种更加精细和高效的动态算法

    1.6K20编辑于 2023-07-19
  • 来自专栏kali blog

    基于Arduino的小车

    基于Arduino的小车,实现超声波和红外。 g_frontDistance; volatile long g_leftDistance; volatile long g_rightDistance; QXMBOT_SR04 g_QXMBOT_SR04Ult1(A4, A5); QXMBOT1_motor g_QXMBOT1_CarControl(2, 3, 4, 7, 5, 6); QXMBOT_cloudServo G_QXMBOT_cloudServo1 (9, OUTPUT); QXMBOT1_avoidSensor g_QXMBOT1_avoidSensor1(12, 13); // 红外 void IR_Avoid() { // 当测距距离大于

    33710编辑于 2025-07-28
  • 来自专栏Postgresql源码分析

    内存的前世今生

    相关 《内存:一个内存乱序实例》 《内存的前世今生》 0 总结 单核下的指令多队列可能造成单核无法保证顺序一致性的问题,如果单核都无法保证,那多核肯定也有一样的问题了。 这里sync语义的命令就是内存。 1 顺序一致性是什么? 顺序一致性是我们自然而然地想到多线程程序的方式。这也是我们看待世界的方式。 参考上一篇中的实例内存fence(一)一个内存乱序实例可知,x86不提供多核场景下的顺序一致性,但保证单核的顺序一致性。 x86单核上多指令队列也是乱序执行的,为什么能保证一致性? . [ Load Memory Barrier ]的必要性:读保证了其他核去L3中拿最新的数据,而不是从自己的缓存里面拿旧数据。 所以当前场景下,上述两个缺一不可。 3.6 X86的内存 Store Memory Barrier 写屏障,等同于前文的StoreStore Barriers 告诉处理器在执行这之后的指令之前,执行所有已经在存储缓存(store

    1K10编辑于 2023-03-23
  • 来自专栏C++开发学习交流

    【Arduino】Arduino智能循迹小车

    1.功能说明 Arduino智能循迹停小车是自动驾驶车辆的微型化,用几个简单的电子元器件实现循迹、停、绕等功能,由于时间精力有限,后期还可以在PID控制、各种交叉路口决策、多功能集成等方面做一些工作 学习路线: 4.功能调试 由于部分硬件采购DFRobot商家,相关代码可参考DF创客空间网页的Tutorial。 相关的模块接好线后,应该先进行单个功能的测试,最后用集成代码测试小车跑动。 代码都放在ArduinoCar_Code,重点参考以下几个程序: 1-blink-点灯 3-URM37-超声波测试 4-duoji-function-舵机测试 5-xunji-PID-循迹模块小车跑动代码 6-zonghe-5-xt-循迹+停小车代码 8-huoer-霍尔模块测试 blink点灯示例: // digital pin 2 has a LED_BLINK attached to it

    1.9K11编辑于 2024-07-24
  • 来自专栏人人都是极客

    激光雷达小车的制作

    master线程负责创建其它子线程,以及处理各种子线程处理后的信息. eaix4线程控制激光雷达上传到消息队列里的消息,将激光雷达的版本信息,状态,以及扫描数据解析出来. mpu9250线程通过dmp姿态解算出 几个主要的命令 命令 功能 eaix4cmd -gvf 输出激光雷达版本信息. eaix4cmd -sc 小车开始扫描,启动功能. eaix4cmd -s 激光雷达停止扫描,但是不会停车. carMove

    1.9K20发布于 2018-07-26
  • 来自专栏企鹅号快讯

    无人机的技术实现方式

    红外: 红外线的应用我们并不陌生:从电视、空调的遥控器,到酒店的自动门,都是利用的红外线的感应原理。而具体到无人机上的应用,红外线的常见实现方式就是「三角测量原理」。 精灵4Pro上的五向 精灵4Pro上的五向可以说是大疆无人机技术的集中体现,因此我们以精灵4Pro举例说明。 P4P前后的都采用了双目视觉系统,相比精灵4而言,仅双目视觉部分的数据量就翻了一倍。向下采用双目视觉+超声波的组合,以提高在不同环境中飞行的稳定性和安全性。 Flight Autonomy系统 精灵4Pro的五向并非各自独立,前后视的双目视觉、下视双目+超声波和左右红外共同构成了大疆的FlightAutonomy系统,这个系统赋予了精灵4Pro对三维环境的记忆能力 这其中对飞行路径周围环境的记忆,就是精灵4Pro智能之处的另一个体现。 实现的难点 功能从构思到实现,走的每一步几乎都便随着无数的难题。

    2K00发布于 2017-12-27
  • 来自专栏嵌入式项目开发

    基于STM32设计的寻迹小车

    通过比较,我选取第二种方案来实现循迹 图2.3 红外对管 2.4 模块 2.4.1 红外线 方案一:在小车的中央使用红外线管。 但是在右侧会有部分死角,不利于小车完美。最终没有采纳这个方案。 方案四:把一个包括有舵机的红外线管装置在小车的头部。 2.4.2 超声波 方案一:串联电阻转速控制系统。 方案二:静态可控整流器。V-M系统简称。 方案三:脉宽调制系统。 原理与直线相同。 ,小于转弯半径视为不能转弯,小车原地后退,然后停车由此来避免障碍物做到功能。

    2.9K21编辑于 2023-03-06
  • 来自专栏Postgresql源码分析

    内存fence(一)一个内存乱序实例

    assert_fail_base () from /lib64/libc.so.6 #3 0x00007fa19107e252 in __assert_fail () from /lib64/libc.so.6 #4

    72820编辑于 2023-03-17
  • 来自专栏全栈程序员必看

    智能小车设计规划_智能循迹小车设计

    采用超声波和红外传感器共同完成寻迹、功能,并将相关信号传送给单片机,经单片机控制系统分析判断后控制驱动芯片驱动直流电机实现小车前进、后退、左转、右转,停止。 通过多次测试使小车能无线遥控、、循迹功能。 方案有超声波、红外线。但因超声波传播的方向存在一定的偏差,而且电路复杂,成本高。红外线必涨是使用简单,成本低,性能较为稳定,而且传播的距离较远,因此选择红外线。 红外传感器主要安装在小车的下端和前端。 与此同时,信号输出给单片机,单片机根据电平的变化控制电机工作实现。 电源模块 该arduino控制单片机、电机驱动等芯片的供电采用4节1.5v干电池提供6V电压供电。

    2.8K40编辑于 2022-11-02
  • 来自专栏深度学习和计算机视觉

    机器人视觉原来是这样的

    是指移动机器人在行走过程中,通过传感器感知到在其规划路线上存在静态或动态障碍物时,按照 一定的算法实时更新路径,绕过障碍物,最后达到目标点。 ? 常用哪些传感器? ---- 不管是要进行导航规划还是,感知周边环境信息是第一步。就来说,移动机器人需要通过传感器 实时获取自身周围障碍物信息,包括尺寸、形状和位置等信息。 常用算法原理 ---- 在讲算法之前,我们假定机器人已经有了一个导航规划算法对自己的运动进行规划,并按照规划的路径行走。 势场法(PFM) 实际上,势场法不仅仅可以用来,还可以用来进行路径的规划。 类似这样传统的方法还有很多,除此之外,还有许多其他的智能技术,比如神经网络、模糊逻辑等。

    1.6K20发布于 2019-11-12
  • 来自专栏张国平_玩转树莓派

    树莓派综合项目2:智能小车(五)红外

    本实验中将使用HJ-IR2红外光电传感器,探测到物体即输出脉冲,输入到树莓派中处理,再对电机驱动模块进行控制,实现壁的功能,这样的小车又称为简单的机器人。    HJ-IR2红外光电传感器   本实验原理和超声波相似,红外传感器就是一个红外对射开关,通电状态下,红外发射头发射红外信号,经过目标反射后接收头接收此信号,并输出一个低电平信号,树莓派采集这个低电平信号后采取相应措施 关于红外传感器的基础知识请参见树莓派基础实验28:红外传感器实验。 四、实验步骤 第1步: 连接电路。这里对红外外的连线方法不在累述,请参考树莓派综合项目2:智能小车(四)超声波。 加装红外模块的小车 第2步: motor_4w.py,moving_control.py,sbus_receiver_pi.py,ultrasonic.py文件的编码这里不再累述,参考树莓派综合项目 2:智能小车(四)超声波

    1.7K10发布于 2021-03-02
  • 来自专栏全栈程序员必看

    智能小车_单片机智能小车程序

    HC-SR04: 4、电源模块,我使用的是一个可以把12v转成5v 3.3v 也可以12v输出,这个模块还是很好用的,但是!! 这也是给自己鸣了一个警钟,以后在接线以及使用模块的时候一定要小心,毕竟这模块才4元左右,芯片也就几毛钱,但是以后几千的板子烧了后果一定很惨烈。。

    1K80编辑于 2022-11-02
  • 来自专栏张国平_玩转树莓派

    树莓派综合项目2:智能小车(五)红外

    树莓派综合项目2:智能小车(四)超声波,实现了超声波传感器实时感知小车前方障碍物的距离,当距离近于某个阈值时,小车自动减速,再低于某个阈值时自动刹车,然后倒车至安全距离。    本实验中将使用HJ-IR2红外光电传感器,探测到物体即输出脉冲,输入到树莓派中处理,再对电机驱动模块进行控制,实现壁的功能,这样的小车又称为简单的机器人。    ,经过目标反射后接收头接收此信号,并输出一个低电平信号,树莓派采集这个低电平信号后采取相应措施。 关于红外传感器的基础知识请参见树莓派基础实验28:红外传感器实验。 四、实验步骤   第1步: 连接电路。这里对红外外的连线方法不在累述,请参考树莓派综合项目2:智能小车(四)超声波。 )超声波。   

    3.1K00发布于 2021-02-10
  • 来自专栏张国平_玩转树莓派

    树莓派基础实验28:红外传感器实验

    ---- 二、组件 ★Raspberry Pi主板*1 ★树莓派电源*1 ★40P软排线*1 ★红外传感器模块*1 ★面包板*1 ★跳线若干 三、实验原理 ? 红外传感器 ? 红外模块原理图    红外测距都是采用三角测距的原理。红外发射器按照一定角度发射红外光束,遇到物体之后,光会反向回来,检测到反射光之后,通过结构上的几何三角关系,就可以计算出物体距离D。    该传感器的探测距离可以通过电位器调节、具有干扰小、便于装配、使用方便等特点,可以广泛应用于机器人小车、流水线计数及黑白线循迹等众多场合。 四、实验步骤 第1步:连接电路。 树莓派 T型转接板 红外传感器 GPIO0 G17 OUT(SIG) 5V 5V VCC GND GND GND ? 红外传感器电路图 ? 红外传感器实验接线图 第2步:编写控制程序。 当红外传感器检测到障碍物,输出低电平,打印"Detected Barrier!";当没有障碍物时输出高电平,打印“Nothing!”。 #!

    3.9K30发布于 2020-09-27
  • 来自专栏CreateAMind

    实时反馈控制无人机飞向目标 代码讲解

    与传统的机器学习方法不同,传统的机器学习方法通常被动地接收数据并调整内部参数以优化性能,主动推理代表了一种动态的交互式框架,在该框架中,代理主动与环境互动以收集信息并实时做出决策。 在机器人技术中,主动推理为开发机器人提供了一种有前途的方法,即使在不可预测的动态环境中,也可以实时适应和学习。 pre-existing data to be analyzed. 3 DATA PREPARATION There is no pre-existing data to be prepared. 4 4.3 转向系统/环境/生成过程 系统引导/环境/生成过程是具有 4 维状态向量的无人机: 无人机将通过转弯/偏航动作进行转向。 4.5.3.1 无人机的生成模型 下一个代码块中的代码定义了代理对外部动态的内部信念以及环境的概率模型,通过直接使用上面定义的函数来准确对应。

    35110编辑于 2024-04-12
  • 来自专栏C++干货基地

    Apollo规划器 :路径规划 | 轨迹生成 | 与遵循交规

    文章目录 引言 一、Apollo规划器概览 二、Apollo规划器设计原理 2.1 路径搜索算法 2.2 运动规划 2.3 与交规遵循 三、示例代码演示 四、 应用场景 复杂城市交通 高速公路驾驶 与遵循交规: 根据感知模块提供的障碍物信息,避免碰撞,并根据交通规则规划车辆行为。 2.3 与交规遵循 规划器通过感知模块提供的障碍物信息,避免碰撞并保证路径的安全性。同时,遵循交通规则,如遵守交叉口信号灯、礼让行人等,确保车辆在复杂交通场景中的合规性。

    1.9K10编辑于 2023-12-31
  • 来自专栏机器人网

    无人机问题原来这么容易解决,我服了……

    近年来,机器人领域一直有个老大难问题:如何将感应器和算法结合起来,让无人机实现。 要是无法,我们又怎么能让无人机在30分钟内,将货物送达消费者手中呢? 由此,他们提出了一个帮小型无人机实现导航和的简易方法:给它们安一个减震结构,让它们自个儿飞去吧,不会有事儿的。 “不会有事儿的”——这其实是一种处事哲学。

    1.2K80发布于 2018-04-16
  • 来自专栏全栈程序员必看

    基于stm32的智能小车(远程控制、、循迹)

    原理与红外循迹差不多,用了三个模块。 网上还有很多其他楼主,是用的一个舵机带动一个超声波模块做的,但是那种遇到障碍时,必须停下来,然后转动舵机 从而让超声波模块转动,测那边没有障碍,从而往那边走。 程序: elude.c () #include "elude.h" u8 S_Elude_Input = 0 ; // 三个红外模块的返回值 // 红外初始化(将PA1、PA2、PA3初始化为上拉输入 //-------------------------------------------------------------- // 红外情况 //----------------------- void Elude_detect_barrier(void); // 红外检测函数 #endif /* __ELUDE_H*/ 智能小车完整工程:https://item.taobao.com/

    4.8K153编辑于 2022-11-02
  • 来自专栏张国平_玩转树莓派

    树莓派综合项目2:智能小车(四)超声波

    = Motor_4w() #创建树莓派小车对象 motor_4w.setGPIO() #初始化引脚 ENA_pwm=motor_4w.pwm(motor_4w.ENA motor_4w.clockwise(motor_4w.IN3,motor_4w.IN4) if B_direction == "00": #控制 B(右边车轮)逆时针信号 motor_4w.counter_clockwise(motor_4w.IN3,motor_4w.IN4) if direction motor_4w.stop_car(motor_4w.IN3,motor_4w.IN4) continue #跳出本次循环 # 通过输入的两位数字设置占空比 smp_car.destroy(ENA_pwm,ENB_pwm) finally: smp_car.destroy(ENA_pwm,ENB_pwm) [2wm09s164r.gif] 超声波

    2.1K40发布于 2020-12-23
领券