基于深度学习的视觉拾球机器人研究

针对球类训练时(如乒乓球或棒球),散落在地上的球采用人工捡球的方式,费时费力的同时还会影响运动员训练的问题。设计一种新的基于深度学习的视觉识别拾球机器人,该系统使用STM32作为主控制器,采用K210图像处理模块作为主传感器,利用麦克纳姆轮作为机器人的移动部件,3D打印的三自由度的机械臂作为捡球的执行部件。软件层面主要对深度学习的目标球图像识别模型训练、麦克纳姆轮的PID控制算法、机械臂的控制等方面的描述,实现对乒乓球的自动识别、捡球、存球等功能。结果表明,所设计的机器人图像处理结果准确,机械结构合理,捡球速度较快。     

基于CY7C68013A的FPGA配置和通信接口设计

为了同时实现计算机对FPGA进行在线配置和高速数据传输,提出了一种基于CY7C68013A芯片的USB2.0接口设计方案。介绍了以CY7C68013A芯片为核心的系统硬件电路设计和软件编程,详细分析了CY7C68013A固件程序设计方法。CY7C68013A芯片在配置FPGA时受芯片内部CPU控制,配置速度为6 Mb/s,而在数据传输时采用从属FIFO模式以实现高速数据通信。该方案可以广泛应用到软件无线电项目开发中。