简介:摘要:面对大面积的荒漠,人工种植耗时耗力,效率不高。传统的种树机器,只能够针对种树中的某一个环节,无法真正实现全自动化种树,基于51单片机的无人智能种树小车采用机械臂下树,随着物联网、数字技术和5G+技术的发展,种树的水平有了进一步的提高,用户可以通过远程手机随时随地知道这片种树区域种树车况,也可以通过小车上的屏幕显示了解情况,便于及时作出反应,极大地提高了工作效率。
简介:摘要:本设计根据农作物的实际情况进行喷洒,有效控制农药用量,避免农药的浪费,可以降低对人力资源的需求,降低操作人员的工作强度,降低人工喷洒的成本。该植保车可自动执行喷洒任务,相较于人工喷洒本设计的喷洒速度更快。
简介:摘 要:结合情景理论与实例研究,构建智慧驾驶舱情景互动模式,解析 XR拓展现实人机交互特性,并对人机互动模式进行归纳与概括,并在此基础上,研究面向元宇宙的无人车辆人机互动模式。研究内容包括:构建基于虚拟现实的智能驾驶舱(AR)增强现实(AR)、(VR)虚拟(MR)场景(MR)和(VR)两种(VR)的复合场景(MR),研究(SMIM)V-(3D)V-(VR),虚拟(MR)-虚拟(MR)的混合场景,研究基于 SMIM的“虚拟驾驶舱”(SMIM)的人机交互模式和研究成果将为智能驾驶舱的人机交互、智能空间交互、元宇宙内容智能交互提供理论依据和技术支撑。
简介:摘要:为解决在复杂环境中智能无人车使用单一传感器对环境进行描述时存在局限,不能满足实际应用需求,提出一种融合超声波、激光传感器、激光雷达的数据来感知外界环境信息,采用卡尔曼滤波算法和自适应加权平均,将多传感器获取到的信息进行融合的方法。实验结果表明,多传感器信息融合技术有助于智能无人车在复杂环境中获得更精确的环境信息和满足自主导航的需要。
简介:摘要:顺应如今可持续发展战略的实施,针对垃圾分类设计了一款光电智能垃圾分拣车。数据集是神经网络训练的基础,使用K210通过OV2640对垃圾进行各种角度的拍摄,人工对拍摄照片进行分类边界框选[2]。基于TensorFlow深度学习理论,导入AI神经系统进行训练,增强系统对垃圾的适应性[3]。随后便可直接通过OV2640进行垃圾识别框选边界并输出种类、位置等信息。车辆的RT1064芯片接受到K210传回的信息,控制电机采取铲取或绕过的操作。通过对编码器输出信号的积分,进行路径规划,达到逐一识别垃圾的目的。当场上所有垃圾逐一识别过后,第一个识别的所有同种垃圾全部被收集再车内。随后便向垃圾分类区移动,通过摄像头对分类区色块的识别,判断准确的+分类区域。通过急加速、急后退的方法将车内垃圾倒入分类区内。随后车辆再进行下一种垃圾的收集,收集过程同上。