XiaoMi-AI文件搜索系统
World File Search SystemRaspberry
适用于智能手机和商用微型无人机的星体追踪算法
摘要：本文提出了一种星体跟踪算法，使用智能手机等商用现货 (COTS) 移动设备确定纳米卫星、无人机和微型无人机等自主平台的精确全球方向。这种星体跟踪尤其具有挑战性，因为它基于现有的摄像机，这些摄像机可以捕捉天空的部分视图，并且应该连续自主地工作。所提框架的新颖之处在于计算效率和星体跟踪器算法使用经济实惠的 COTS 移动平台应对噪声测量和异常值的能力。所提出的算法已在几个流行平台上实现和测试，包括：Android 移动设备、商用微型无人机和 Raspberry Pi。报告的方向的预期精度为 [0.1 ◦ ,0.5 ◦ ]。
自主垃圾检测和收集机器人
摘要：该项目旨在开发一个旨在在室内环境（例如购物中心，公交车站和电影院）操作的自主垃圾机器人。机器人的主要目标是在浏览空间并避免障碍的同时检测和收集垃圾项目。利用传感器和图像处理技术的组合，机器人可以识别垃圾对象，并调整其在不误认为障碍物的情况下将其捡起的路径。通过采用具有成本效益的硬件组件和简化算法，我们旨在创建一个实用的解决方案，以解决公共空间中的垃圾污染，这证明了机器人技术在环境可持续发展方面的潜力。关键字：Raspberry Pi，垃圾检测，对象识别，避免障碍物，节点MCU，机器人，Arduino IDE
基于视觉的语音控制机械臂用于处理...
摘要： - 该项目概述了基于视觉的语音控制机器人系统，该系统涉及牙科工具，旨在提高牙科服务的质量和卫生。使用带有网络摄像头的 Raspberry Pi 上的 OpenCV 和带有麦克风的 Google Speech API 进行语音识别，实现实时计算机视觉。机器人知道需要哪种牙科器械，并在牙医要求时自行拾取牙科器械，从而最大限度地减少接触。该应用程序还通过提供工具的实时视觉反馈来改善与工具相关的工作条件，包括准确定位和握持工具。这种方法增强了仪器的可达性，提高了清洁度，并使牙科手术能够持续进行而不会频繁中断。
摘要 — 技术革命影响了许多领域，其中包括医疗保健系统。基于应用的计算机的开发是为了帮助
摘要 — 技术革命影响着许多领域，其中包括医疗保健系统。基于应用程序的计算机的开发是为了帮助专家检测疾病并执行一些基本操作。本文重点介绍了检测癫痫病 (ED) 的尝试。几种计算机辅助诊断 (CAD) 方法被用于根据与大脑活动相关的信号提供大脑的疾病状态。这些应用取得了可接受的结果，但仍然存在局限性。提出了一种基于平衡通信避免支持向量机 (BCA-SVM) 的智能 CAD，使用脑电图 (EEG) 信号检测 ED。此尝试在 Raspberry Pi 4 上实现为真实板，以确保实时处理。基于 BCA-SVM 的 CAD 实现了 99.8% 的准确率，执行时间约为 3.2 秒，满足实时要求。
烧烤夏日 - 空军研究实验室
整个夏天，美国空军学院 (USAFA) 的学员都在完成一项与他们的顶点项目相一致的持续任务。学员们将由 Raspberry Pi® 和商用现货 (COTS) 部件构建的干扰器/检测系统集成到符合人体工程学控制的设备中。此外，他们还将该系统与 VR 应用程序集成，以开发交互式控制系统作为中间步骤。值得注意的是，这些项目确保学员获得了宝贵的技能，从而增强了他们的教育体验，同时允许教员和学员进行研究。该项目本身只是一项更大任务中的一小部分，该任务是在学院附近建立一个基地外设施，为空军和太空部队的培训需求提供 STEM 推广计划和 VR/AR 解决方案。这将通过教员和学员的研究为当前和未来的战士提供支持。
高级研究和研究系
模块3：IOT设备简介：RPI硬件详细信息：PIN插图，GPIO内部电路，替代功能引脚电路，RPI的详细硬件规格。Arduino Uno硬件详细信息：Atmega 328p，数字I/O引脚，PWM数字I/O引脚，模拟输入引脚，DC，当前输入引脚，SRAM，SRAM，EEPROM。带有ESP8266开发套件的节点MCU固件：ESP 8266带有TCP/IP协议的WiFi模块，ESP8266的Auduino IDE。与ESP8266接口。Raspberry Pi Setup and Administration: OS LOADING, Post boot configuration, SSH Configuration, Serial Console on Rpi, Wiring Pi,I2c,SPI setup, DHCP server and DHCP client configuration, Wi- Fi Configuration, IP Configuration, Port Forwarding On RPi
开发火灾探测和报警系统
目前有几种自动火灾报警系统，例如传感器方法，它存在重大缺陷，并且仅用于在少数地方用烟雾探测火灾。为了通过早期火灾探测通知人们，该研究试图使用图像处理技术探测火灾。该项目旨在减少限制并利用现代技术进行优化。Core i7 中央处理器单元和作为硬件连接的摄像头用于开展研究工作。网络摄像头作为输入源，捕捉来自周围的视频流并输入到 Raspberry Pi。完整的代码是用纯 Python 语言开发的，利用开放的 CV 库进行图像处理。理论部分更加强调计算机视觉、机器学习、图像处理、颜色模型和项目的操作火灾探测方法。这项研究提供了对基于计算机的对象识别以及这些技术的各种应用的更深入了解。
neurotecnología：interfaz cerebro-计算机yprotección...
室内定位是一个尚未有效，准确解决的问题。在室外最有效的解决方案是全球位置系统（GPS），但由于信号的减弱，无法在室内使用它，因此已经研究了其他解决方案。这些方法可用于定义盲人，旅游或自主机器人导航的指导的地图。在本文中，提出了强大的障碍检测和映射系统的研究，设计，实施和评估。因此，它可用于警报近对象的存在，并避免在室内导航中发生碰撞。该系统基于飞行时间（TOF）摄像头和单板计算机（SBC），例如Raspberry Pi或Nvidia Jetson Nano。为了评估系统，进行了一些实际的实验。这种系统可以集成在轮椅上，并帮助残障人士在室内移动或从室内环境中获取数据并在2D或3D图像中重新创建它。
传感器
摘要：眼电图 (EOG) 信号已广泛应用于人机界面 (HCI)。文献中提出的 HCI 系统使用自行设计或封闭的环境，这限制了潜在用户和应用的数量。在这里，我们提出了一个使用 EOG 信号对四个方向的眼球运动进行分类的系统。该系统基于开源生态系统、Raspberry Pi 单板计算机、OpenBCI 生物信号采集设备和开源 Python 库。设计的系统提供了一种廉价、紧凑且易于携带的系统，可以复制或修改。我们使用最大、最小和中位数试验值作为特征来创建支持向量机 (SVM) 分类器。在 10 名受试者中，有 7 名受试者对上下左右运动的在线分类平均准确率为 90%。该分类系统可用作 HCI 的输入，即用于瘫痪患者的辅助交流。
智能视频引导传感器 (SVGS)
概述 • 智能视频制导传感器 (SVGS) 专为资源受限系统（例如立方体卫星、小型卫星、小型着陆器）而设计，是高级视频制导传感器的一种低质量、低成本 COTS 实现，专为会合近距操作和捕获 (RPOC)；进入、下降和着陆 (EDL)、舱内导航和 GPS 拒绝导航而设计。 • 使用摄像头捕获图像并使用摄影测量技术分析目标航天器上发光标记的模式，以确定范围和相对方向（6DOF 状态）。 • 可用于业余级（例如 Raspberry Pi、Android）和高端平台（例如 Xilinx US+MPSoC）。 • 在 Linux、FreeRTOS 和 Android 中的软件实现。 • 传感器范围可根据目标配置定制。 • 预计 SVGS 飞行装置的 SWaP： – 尺寸：8.5x6.5x4.5cm – 重量：250g – 功率：5W 摄像头 + 5W 目标