Caméra monoculaire 2DOF

MentorPi est équipé d'une caméra monoculaire 2DOF et de deux servos antiblocage LFD-01, permettant une vision complète à 360° sans angles morts lorsqu'il est combiné avec son châssis polyvalent.

Contrôleur Raspberry Pi 5

La voiture robot Hiwonder MentorPi est alimentée par Raspberry Pi 5, ce qui vous permet de commencer par le contrôle du mouvement, la vision artificielle et les projets OpenCV.

STL-19P TOF Lidar

Équipé du Lidar haute performance, le robot MentorPi M1 utilise la technologie SLAM pour une cartographie et une navigation précises. Il peut planifier des chemins complexes, naviguer vers des points de serre et éviter dynamiquement les obstacles.

Moteur d'encodeur haute performance

Ce moteur offre un mouvement puissant et précis, grâce à un codeur de haute précision. Le capuchon d'extrémité de protection assure une durée de vie plus longue.

Conception à double contrôleur pour une collaboration efficace

Liste des fonctions 

Fonction Lidar

Mentor Pi est équipé d'un lidar, qui prend en charge la planification des chemins, la navigation à point fixe, la navigation et l'évitement d'obstacles, la cartographie d'algorithmes multiples et réalise des fonctions de garde lidar et de suivi lidar.

Mapping et navigation Lidar

MentorPi peut réaliser des fonctions SLAM avancées par lidar, y compris la localisation, la cartographie et la navigation, la planification des chemins, l'évitement dynamique des obstacles, le suivi et la protection du lidar, etc.

Méthode de cartographie Lidar 2D

TOF Lidar utilise la boîte à outils SLAM pour les algorithmes de cartographie et prend en charge la navigation à virgule fixe, la navigation multipoint, ainsi que la planification de chemin TEB

Navigation multipoint

MentorPi est équipé d'un Lidar de haute précision qui permet une détection environnementale en temps réel. Il prend en charge à la fois la navigation à virgule fixe et la navigation multipoint, ce qui le rend adapté aux scénarios de navigation complexes.

Coopération multi-robots

Cartographie et navigationEn tirant parti de la technologie de communication et de navigation multi-robots, plusieurs robots peuvent collaborer pour cartographier simultanément leur environnement. Cela permet la navigation multi-robots, la planification des chemins.

Évitement dynamique des obstacles

En utilisant TOF Lidar, MentorPi peut détecter les obstacles pendant la navigation et planifier intelligemment son chemin pour les éviter efficacement.

Suivi et protection Lidar

MentorPI peut travailler avec Lidar pour scanner et par la suite suivre une cible en mouvement à venir. MentorPi utilise TOF Lidar pour scanner la zone sécurisée. En détectant un intrus, il se tournera automatiquement vers l'intrus et activera une alarme.

Fonction de la caméra monoculaire

Équipée d'une caméra monoculaire 2DOF, la voiture robot offre une plage de vision à 360° à l'aide de son mouvement agile.

Reconnaissance et suivi des couleurs

En utilisant OpenCV, la voiture robot MentorPi M1 peut suivre des objets d'une couleur spécifique. Une fois que vous avez sélectionné une couleur dans l'application, le robot émettra une lumière de la même couleur et suivra n'importe quel objet avec cette couleur.

Suivi de la cible

Le positionnement de la vision de Hiwonder MentorPi lui permet de localiser et de suivre avec précision un objet cible.

Reconnaissance du code QR

Le robot de voiture Raspi MentorPi M1 peut reconnaître et décoder le contenu des codes QR personnalisés, puis afficher les informations.

Ligne de vision suivant

Le robot Raspi peut suivre une ligne d'une couleur personnalisée. Vous sélectionnez simplement la couleur souhaitée, et le robot identifiera et suivra la ligne.

Reconnaissance d'objets YOLO

La voiture robot MentorPi utilise l'algorithme d'apprentissage en profondeur YOLO (You Only Look Once) et une bibliothèque de modèles pour reconnaître les objets dans son environnement.

Développement de MediaPipe, interaction améliorée

En utilisant le cadre MediaPipe, le robot MentorPi est capable de fonctions avancées telles que la reconnaissance du bout des doigts, la reconnaissance du corps humain et la détection 3D du visage.

Apprentissage profond, conduite autonome

Dans le système ROS, Mentori a déployé le cadre d'apprentissage profond PyTorch, la bibliothèque de traitement d'images open source OpenCV et l'algorithme de détection de cibles YOLOV5 pour aider les utilisateurs qui souhaitent explorer le domaine de la technologie de conduite autonome à profiter facilement de la conduite autonome Al.

Programmation Python

Le code Python est open source, avec des annotations détaillées pour faciliter l'auto-apprentissage.