前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >激光打蚊子.上

激光打蚊子.上

作者头像
云深无际
发布于 2022-06-15 08:15:07
发布于 2022-06-15 08:15:07
47200
代码可运行
举报
文章被收录于专栏:云深之无迹云深之无迹
运行总次数:0
代码可运行

我今天冲浪的时候看见了一个有趣的东西,激光射蚊子!!!哈哈哈,以前是高射炮射蚊子,但是现在是激光射蚊子了。

首先是看见了这个评论,这个说,你告诉我蚊子在哪里,我去抓!还是很高兴的哪种!

事实上,这个人的想法是和我不谋而合,我想的也是地里除草这个事情,因为我觉得锄地或者说除草是一个很费人的事情。这套定位系统倒是可以参考,至于除的时候是不是使用激光,我觉得不重要,气体我是比较看好的,因为维护起来成本不是很高。

容我插一句,看见可爱的小飞机了,给大家分享一下。

结构图

飞起来的

史努比!

起飞

但是你觉得这个事情是不务正业,但是:

人家发了SCI了都

yes

(1)“粗略跟踪”系统,它使用一对立体相机来识别目标对象的三维位置,然后传递给

(2)“精细跟踪”该系统使用单个高速摄像机和快速扫描镜 (FSM) 使用比例-积分-微分 (PID) 控制回路将目标保持在摄像机视场 (FOV) 的中间,以及

(3 ) 发射激光脉冲的激光剂量系统,该系统与精细跟踪系统共同对齐,以确保即使在对象移动时也能将激光脉冲准确地施加到对象上。对于粗略和精细跟踪系统,对象都是通过近红外 LED 背光或反射产生的轮廓大小来识别的。

大概就是这样

击打位置

A. stephensi剪影的代表性精细跟踪相机图像。在每一帧中,根据设置的像素强度阈值绘制胸部和腹部的大致轮廓(粗黑线)。然后计算该区域的质心(红色十字准线的交点)并与相机视场的中心(绿点)进行比较,以确定当前的跟踪误差,并为控制扫描方向的精细跟踪 PID 循环提供输入镜子。绿点周围的绿色圆圈代表激光的光斑尺寸(此处显示的所有图像直径为 2.5 mm);遮挡因子表示该激光点(假设为高斯分布)与对象身体重叠的程度。中的图像(a) 以 1 ms 的间隔展示单个主题的典型时间过程,并且 ( b ) 中的那些显示了对不同主题的 1 到 5 像素范围内的跟踪误差的代表性描述。

其实后面的内容是,麻醉蚊子,没有意思:

突然发现引用的中科院的文章不少

居然也有一个这样的研究

这次开源的demo是这样的,和上面的论文没有什么关系

为了检测 x,y 坐标,在Jetson nano 中的 yolov4-tiny 之后在 RaspberryPI 中使用了 Haar 级联。对于 Y 坐标 - 立体视觉。计算反射镜角度的必要值。SPI 的 RaspberryPI/JetsonNano 通过 DAC mcp4922 发送电流计命令。

不慌,我也看不懂。。。

这个是系统侧面的样子

1 - PI 相机,2 - 电流计,3 - Jetson nano,4 - 调整物体的位置,5 - 激光设备,6 - 电源,7 - 检流计驱动板,8 - 模拟转换板

x,y 坐标定位

还有一个GUI

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
https://github.com/Ildaron/OpenCV-stereovision-tuner-for-windows
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
https://arxiv.org/abs/2107.12148
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
https://developer.nvidia.com/embedded/jetson-partner-supported-cameras?t1_max-resolution=4K

关于和真实的世界交互成本低的话,只能使用多目相机,当然深度相机这个效果好像不是很好。英伟达Jetson-Stereo-Depth项目。我昨天写过一个类似的东西。

也发了论文,不过我觉得很水

注意,因为论文里面的系统是使用了2000FPS的高速摄像机,这里的demo没有,但是也是想办法提高这个帧率。

引用了这个文献

关于项目的源码和原理,下篇文章解读

这篇是中科院发的

感觉原理上面好很多

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
https://www.modelairplanenews.com/snoopy-flies-again/
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-06-12,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 云深之无迹 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
蚊子来了,我的激光炮呢?俄罗斯博士用树莓派自制灭蚊武器
机器之心报道 编辑:张倩 一位俄罗斯博士用树莓派做了个「激光蚊子炮」,真的能打到吗? 蚊子这种体积小小的生物极其令人厌恶,虽然人类发明了电蚊香、灭蚊灯等各式各样的灭蚊工具,但蚊子对人类的困扰始终就在那里——「挥之不去」。 或许是讨厌的蚊子惹恼了「硬核的」科研工作者,他们开始了自己独特的灭蚊行动。近日,俄罗斯南乌拉尔国立大学的博士 Ildar Rakhmatulin 就创建了一个树莓派机器,利用计算机视觉和机器学习技术自动检测蚊子,并使用激光烧死它们。 具体而言,该机器基于 Raspberry Pi 3 M
机器之心
2023/03/29
7680
蚊子来了,我的激光炮呢?俄罗斯博士用树莓派自制灭蚊武器
DIY激光枪薄纱蟑螂!AI杀蚊子博士新作,项目已开源
萧箫 发自 凹非寺 量子位 | 公众号 QbitAI 几个世纪来,人类都处在被蟑螂支配的恐惧中。 但比蟑螂更恐怖的,是打不死还消失了的蟑螂…… 现在,一位博士搞出了一套自动识别并薄(爆)纱(杀)蟑螂的激光“炮塔”: 用AI算法识别,并用激光射杀。 甚至还将它写成了一篇论文,发表在生物学杂志上: 目前算法和设备已经全部开源。 击杀蟑螂或把它“赶出舒适圈” 硬件上,项目采用了英伟达的Jetson Nano作为核心计算设备。 Jetson Nano是一个小型AI计算机,内置SoC芯片,和树莓派一样对初学者友好
量子位
2022/10/08
5850
DIY激光枪薄纱蟑螂!AI杀蚊子博士新作,项目已开源
3D成像方法 汇总(原理解析)— 双目视觉、激光三角、结构光、ToF、光场、全息
这里要介绍的是真正的3D成像,得到物体三维的图形,是立体的图像。而不是利用人眼视觉差异的特点,错误感知到的假三维信息。
3D视觉工坊
2021/05/18
4.7K0
3D成像方法 汇总(原理解析)— 双目视觉、激光三角、结构光、ToF、光场、全息
深度相机-介绍
双目立体成像:zspace的桌面一体机, intel的RealSense主动双目系列,未来立体的桌面一体机。
孙寅
2022/03/24
1.5K0
深度相机-介绍
单目全向立体相机的标定(一种新的相机形式)
文章:Calibration Method of the Monocular Omnidirectional Stereo Camera
点云PCL博主
2022/01/27
7810
单目全向立体相机的标定(一种新的相机形式)
阿里巴巴开源:一次采集轻松解决多摄像机和3D激光雷达标定
文章:Single-Shot is Enough: Panoramic Infrastructure Based Calibration of Multiple Cameras and 3D LiDARs
点云PCL博主
2021/12/09
1.1K0
阿里巴巴开源:一次采集轻松解决多摄像机和3D激光雷达标定
激光雷达(二)——三角测距法和TOF原理
对于市面上的主流激光雷达,主要是用于环境探测、地图构建,按技术路线可分为:三角测距激光雷达,TOF激光雷达。
全栈程序员站长
2022/09/05
3K0
激光雷达(二)——三角测距法和TOF原理
综述:用于自动驾驶的全景鱼眼相机的理论模型和感知介绍
文章:Surround-view Fisheye Camera Perception for Automated Driving: Overview, Survey & Challenges
点云PCL博主
2022/09/13
4.4K0
综述:用于自动驾驶的全景鱼眼相机的理论模型和感知介绍
3D视觉传感技术科普
深度传感镜头作为智能手机创新模式,苹果在最新版iPad Pro上搭载了D-ToF(直接飞行时间法)深度传感镜头,推动了3D视觉在消费场景的应用。
孙寅
2021/12/21
1.3K0
3D视觉传感技术科普
盘点国外互联网最受欢迎的6个Jetson NANO项目
过去,人工智能(AI)由于训练AI模型需要大量的处理能力而被委托给强大的计算机。因此,AI应用在规模上受到限制。在创建较小的AI项目时,存在一些解决方法,但大多数情况下,精度和速度与计算能力和价格相互矛盾。
GPUS Lady
2023/05/30
2.9K0
盘点国外互联网最受欢迎的6个Jetson NANO项目
自动驾驶车辆在结构化场景中基于HD-Map由粗到精语义定位
文章:Coarse-to-fine Semantic Localization with HD Map for Autonomous Driving in Structural Scenes
点云PCL博主
2022/02/10
1.4K0
自动驾驶车辆在结构化场景中基于HD-Map由粗到精语义定位
当视觉遇到毫米波雷达:自动驾驶的三维目标感知基准
文章:Vision meets mmWave Radar: 3D Object Perception Benchmark for Autonomous Driving
点云PCL博主
2023/12/12
7620
当视觉遇到毫米波雷达:自动驾驶的三维目标感知基准
Nature:盐粒大小的相机,可以拍出清晰彩色照片,未来或可应用到手机
事实上,这款微型相机甚至可以拍出清晰的全彩图像,而相比之下,普通相机的尺寸要大50万倍。
大数据文摘
2021/12/15
4900
Nature:盐粒大小的相机,可以拍出清晰彩色照片,未来或可应用到手机
CRLF:道路场景中基于线特征的激光雷达与相机自动标定
标题:CRLF: Automatic Calibration and Refinement based on Line Feature for LiDAR and Camera in Road Scenes
点云PCL博主
2021/03/24
2.4K0
CRLF:道路场景中基于线特征的激光雷达与相机自动标定
自动驾驶:Lidar 3D传感器点云数据和2D图像数据的融合标注
自动驾驶汽车的发展已经见证了硬件传感器记录感官数据的容量和准确度的发展。传感器的数量增加了,新一代传感器正在记录更高的分辨率和更准确的测量结果。在本文中,我们将探讨传感器融合如何在涉及环环相扣的数据标记过程中实现更高程度的自动化。
deephub
2020/12/24
3.3K0
基于激光雷达增强的三维重建
尽管运动恢复结构(SfM)作为一种成熟的技术已经在许多应用中得到了广泛的应用,但现有的SfM算法在某些情况下仍然不够鲁棒。例如,比如图像通常在近距离拍摄以获得详细的纹理才能更好的重建场景细节,这将导致图像之间的重叠较少,从而降低估计运动的精度。在本文中,我们提出了一种激光雷达增强的SfM流程,这种联合处理来自激光雷达和立体相机的数据,以估计传感器的运动。结果表明,在大尺度环境下,加入激光雷达有助于有效地剔除虚假匹配图像,并显著提高模型的一致性。在不同的环境下进行了实验,测试了该算法的性能,并与最新的SfM算法进行了比较。
点云PCL博主
2021/01/05
1.3K0
八种常用激光雷达和视觉SLAM算法的评估与比较
文章:Evaluation and comparison of eight popular Lidar and Visual SLAM algorithms
点云PCL博主
2022/12/27
3.7K0
八种常用激光雷达和视觉SLAM算法的评估与比较
配备全向摄像机和无共视LiDAR的混合3D-SLAM系统
文章:Coarse-to-fine Hybrid 3D Mapping System with Co-calibrated Omnidirectional Camera and Non-repetitive LiDAR
点云PCL博主
2024/03/06
6450
配备全向摄像机和无共视LiDAR的混合3D-SLAM系统
Single-Shot Calibration:基于全景基础设施的多相机和多激光雷达之间的外参标定(ICRA2021)
在自动驾驶、机器人、AR/VR领域,越来越多的方案开始采用多相机、多激光雷达的配置来达到多传感器融合的目的。多模态传感器标定是这些系统正常运行的前提,但是目前的多模态传感器标定方案仍然很麻烦,需要大量的人工介入,不适合部署到产线上。本文提出一种多相机、多雷达系统的外参标定方案,只需要采集一帧数据即可完成标定。我们设计并建立一种全景基础设施,相机和激光雷达只需要一帧数据就能在这个基础设施中完成定位。我们在三种不同传感器配置的设备上进行实验,验证了我们提出的方法在极大的提高效率的同时可以保证标定精度。
计算机视觉
2021/08/24
7540
深度|详解自动驾驶核心部件激光雷达,它凭什么卖70万美元?
【新智元导读】作为自动驾驶汽车的核心部件之一,激光雷达传感器以昂贵出名,此前的价格高达70万美元,远超普通汽车。自动驾驶研究专家黄武陵在本文中介绍了激光雷达传感器的关键作用和激光雷达传感器在环境感知中
新智元
2018/03/26
1.7K0
深度|详解自动驾驶核心部件激光雷达,它凭什么卖70万美元?
推荐阅读
相关推荐
蚊子来了,我的激光炮呢?俄罗斯博士用树莓派自制灭蚊武器
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验