感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
機器人視覺介紹
- 機器人應用中計算機視覺的概覽
- 感知與視覺理解面臨的主要挑戰
- 使用 OpenCV 和 Python 設定開發環境
影像處理基礎
- 影像表示與操作
- 濾波、邊緣偵測與特徵提取
- 色彩空間與分割技術
使用 OpenCV 進行物件偵測與追蹤
- 使用經典方法(Haar cascade、HOG)偵測物件
- 在影片串流中追蹤移動物件
- 將視覺回饋整合至機器人系統
用於視覺感知的深度學習
- 卷積神經網路(CNN)概覽
- 訓練與部署物件偵測模型
- 應用預訓練模型(YOLO、SSD、Faster R-CNN)
感測器融合與深度感知
- 將相機數據與 LiDAR 和超聲波感測器整合
- 深度估計與 3D 重建
- 用於避障與導航的感知能力
基於視覺的控制與決策
- 將計算機視覺應用於機器人操作
- 視覺伺服與閉環控制
- 基於視覺輸入的自主決策
部署與優化視覺模型
- 將模型部署至嵌入式系統與邊緣設備
- 最佳化推論效能以滿足實時應用需求
- 除錯並提升準確性
總結與後續步驟
最低要求
- 具備基礎機器人概念的理解
- 擁有 Python 程式設計經驗
- 熟悉機器學習基本原理
受眾
- 機器人工程師
- 計算機視覺從業人員
- 機器學習工程師
21 小時
客戶評論 (2)
提供材料(虛擬機)以便直接進入練習,並解釋Ros2核心。爲什麼某些東西會以特定方式工作。
Arjan Bakema
課程 - Autonomous Navigation & SLAM with ROS 2
機器翻譯
其未來在Robotics中利用AI的知識和應用。
Ryle - PHILIPPINE MILITARY ACADEMY
課程 - Artificial Intelligence (AI) for Robotics
機器翻譯