intel realsense d435的問題,透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

intel realsense d435的問題,我們搜遍了碩博士論文和台灣出版的書籍,推薦曾吉弘,郭俊廷寫的 初學Jetson Nano不說No:CAVEDU教你一次懂 可以從中找到所需的評價。

另外網站Test results of the Intel Realsense d435 camera - ResearchGate也說明:Download scientific diagram | Test results of the Intel Realsense d435 camera from publication: The development of an intelligent system for recognizing the ...

中原大學 電機工程學系 廖裕評所指導 吳子健的 基於深度學習之視覺辨識之除蟲機器人 (2021),提出intel realsense d435關鍵因素是什麼,來自於人工智能、深度學習、麥克納姆輪、深度攝影機、PID控制、機器人。

而第二篇論文中國文化大學 機械工程學系數位機電碩士班 蘇國和所指導 許哲維的 智慧型雙足機器人之設計與實現 (2021),提出因為有 機器學習、微控制器、足部軌跡規劃、正逆向運動學、性倒單擺步態控制的重點而找出了 intel realsense d435的解答。

最後網站9.1.1.2. RealSense D435 深度攝影機則補充:​Intel RealSense D435 是一款由USB 供電的深度攝影機,由一對深度感測器,RGB 感測器和紅外線投影儀組成。它是創客和開發人員為其原型機開發添加深度感知功能的理想 ...

接下來讓我們看這些論文和書籍都說些什麼吧:

除了intel realsense d435,大家也想知道這些:

初學Jetson Nano不說No:CAVEDU教你一次懂

為了解決intel realsense d435的問題,作者曾吉弘,郭俊廷 這樣論述:

  本書前2章將依序介紹實現AI神經網路推論於邊緣運算裝置為何是目前最熱門的趨勢,並選定NVIDIA Jetson Nano 4GB開發套件作為本書主要開發環境。   第3章介紹多種深度學習視覺推論應用。到了第4章,說明如何存取Jetson  Nano之GPIO腳位來結合常見的周邊電子裝置,意即您可在現存的簡易家電裝置上自行整合更豐富的AI功能。   第5章與第6章將介紹如何使用JetBot機器人平台來實現自動駕駛車常見的功能,包含障礙物閃避與道路跟隨等。讀者將自行收集資料來建立訓練資料集來建立專屬的神經網路模型。最後於第七章,將整合Intel RealSense景深攝

影機讓Jetson Nano整合具備深度資訊的影像處理功能。 本書特色   本書將帶領讀者進入熱門的邊緣AI(Edge AI)領域,並直接在NVIDIA Jetson Nano 單板電腦實作各種深度學習神經網路結合機器視覺的實務性範例,並以JetBot移動式輪型機器人平台來實現障礙物閃避與道路跟隨等自動駕駛車常見的功能。   本書也會介紹如何透過 Intel RealSense 景深攝影機讓您的邊緣專案具備深度視覺功能。   "AI 不難,現在就開始吧!"   本書作者群為NVIDIA原廠認證之Jetson AI大使與Jetson AI專家。  

基於深度學習之視覺辨識之除蟲機器人

為了解決intel realsense d435的問題,作者吳子健 這樣論述:

根據統計,台灣農藥每單位用量,每公頃平均最高曾到十七公斤,居高世界第一位。而農藥用多了,食品內的農藥濃度便會提升,對土壤和人體都會產生嚴重影響。因此近年出現了許多的有機農場,有機農場的要求是不使用人工化學合成農藥丶人工合成肥料等等。但是有機種植的困難多,由其蟲害的問題更是讓農夫十分頭痛。解決蟲害最快的方式是直接用人進行觀察並除蟲。但是近年來台灣的高齡化丶少子化與新冠肺炎(Covid-19)的多重影響下,使勞動力大幅下降。 因此本文提出一種智能除蟲機器人,其結合了人工智能(Artificial intelligence, AI)丶深度攝影機丶自走車丶小型機器手臂與麥克納姆輪等裝置,應用於有機農

場中的自動除蟲機器人。除蟲機器人包括三個系統:視覺系統丶移動機構和驅蟲裝置。其中視覺系統能夠對害蟲辨識,也能夠取得距離。再把害蟲的位置傳給移動機構,機器人便會移動到害蟲的面前。最後使用驅蟲裝置,轉動機器手臂並啟動除蟲器,完成除蟲動作。

智慧型雙足機器人之設計與實現

為了解決intel realsense d435的問題,作者許哲維 這樣論述:

如今在機器學習如此成熟的年代,利用深度學習來替人們工作已是現在的趨勢,不僅能夠高效辨識各種物體以及事物,還能廣泛應用在各種不同領域,替人們減輕許多負擔,經過許多的比較後。本研究的第一部分選擇將YOLOV4作為辨識用模型,因運算量小無須連結伺服器主機,能精確辨識物體且運算快速的特性,適合在本研究中採用, 因此選擇YOLOV4作為辨識用神經網路來訓練,為了改善只有視覺作為避障的唯一傳感器,本研究的第二部分是加入景深相機D435i,配合YOLOV4神經網路便可以更精準地測量前方障礙物的距離以及深度關係。本研究的第三部分是設計一套輕巧智能的控制器以實現上述的障礙辨識能力,第四部份為雙足機器人機構設計

,在自然界中有許多雙足步行的生物,其獨特的形式就算在滿是障礙物的區域,其機動性仍然非常高,因此本研究選擇使用雙足機器人進行避障,並參考雙足生物鴕鳥後進行設計。在未來硬體效能越來越強大且體積越來越小,便能夠設計出像人類般高速辨識且高機動性的雙足機器人,不僅可以代替人類完成高危險的工作,也可以協助搬運物資到交通工具無法到達的地方等等。