Werbung
SunFounder PiCar-X Kit
zeuge näherzubringen.
1.2 Über PiCar-X
Der PiCar-X ist ein KI-gesteuertes selbstfahrendes Roboter-Auto für die Raspberry Pi-Plattform, wobei der Raspberry
Pi als Steuerzentrum dient. Mit der 2-Achsen-Kamera, dem Ultraschallmodul und den Linienverfolgungsmodulen des
PiCar-X können Funktionen wie Farb-/Gesichts-/Verkehrsschilder-Erkennung, automatische Hindernisvermeidung und
automatisches Linienverfolgen realisiert werden.
Mit der von SunFounder entworfenen Robot HAT-Platine integriert der PiCar-X Links-/Rechtsantriebsmotoren, Servo-
motoren für Lenkung und die Schwenk-/Neigefunktionen der Kamera und setzt die ADC, PWM und Digital I2C Pins
des Robot HAT vor, um Erweiterungen der Standardfunktionen des Raspberry Pi zu ermöglichen. Ein Lautsprecher
und ein Bluetooth-Chip sind in den Robot HAT integriert, um Text-zu-Sprache, Soundeffekte oder sogar Hintergrund-
musikfunktionen fernzusteuern.
Alle Funktionen des PiCar-X, einschließlich GPIO-Steuerung, Computer Vision und Deep Learning, werden über die
Open-Source-Programmiersprache Python, OpenCV's Computer Vision Library-Software und Googles TensorFlow
für Deep Learning-Frameworks implementiert. Weitere Software wurde hinzugefügt, um die Fähigkeiten des PiCar-X
zu optimieren und dem Benutzer eine nahezu grenzenlose Lernumgebung zu bieten.
1.3 Deep Learning und neuronale Netze
Um mehr über Deep Learning und neuronale Netze zu erfahren, empfiehlt SunFounder die folgenden Ressourcen:
Maschinelles Lernen - Andrew Ng
: Dieser Kurs bietet eine umfassende Einführung in maschinelles Lernen, Datenab-
bau und statistische Mustererkennung.
Neuronale Netze und Deep Learning
: Dieses E-Book behandelt sowohl neuronale Netze, ein biologisch inspiriertes
Programmierparadigma, das es einem Computer ermöglicht, aus Beobachtungsdaten zu lernen, als auch Deep Lear-
ning, ein leistungsfähiges Set von Techniken für maschinelles Lernen in neuronalen Netzen.
Neudenken der Inception-Architektur für Computer Vision
: Dieses hochrangige Whitepaper untersucht, wie Benutzer
Netzwerke durch den effizientesten Einsatz zusätzlicher Berechnungen über faktorisierte Faltungen und aggressive
Regularisierung skalieren können.
1.2. Über PiCar-X
5
Werbung
