今天给大家分享一下智能小车的资料，包括制作流程、原理图设计和源码等，不下于60辆智能小车的制作经验。其中历届智能小车的开发资料就有90个文件了。
x先说一下实现的功能,其实就是远程控制 和这篇文章的控制 http://www.cnblogs.com/yangfengwu/p/5295632.html 应该说是这篇文章的升级,解决这篇文章由于路由器断电上电有时候公网IP就变了....所以利用了花生壳的域名解析功能,咱控制IP不再输入公网IP而是输入咱用花生壳申请的域名,然后就不会变了,对了其实一开始想用.nat123 申请个域名然后用,但是呢我的电脑不知道怎么回事软件总是打不开,,后来就选择花生壳了,,,选择花生壳还有一个好处是咱的路由器一般都有
最近开了一个新的系列。位置服务在物联网领域的应用，为物联网中各种位置服务的场景，提供解决方案。 敬请大家关注。
蛇皮走位演示视频： https://pan.baidu.com/s/1RHHr8bRHWzSEAkrpwu99aw
在这一篇我们将对小车的行进速度进行调整，将驱动模块的作用发挥出来。首先大家要了解PWM这个概念。
首先下载安装激光雷达的驱动程序，当然只针对我买的这一款，不是做广告，这家的技术售后简直就是垃圾，唯一优点就是便宜，程序是有问题的，建议直接下载我改过的，原版程序不会发布/tf话题。
初次设计智能小车会发现毫无头绪，无从下手。智能小车的设计主要包含两部分，硬件部分和软件部分。
相信大家都在网上看到过类似下图这样的餐厅服务机器人，或者仓库搬运机器人，但是你们有没有注意到图片中地上的那条黑线？没错，他们都是沿着这条黑线来行进的，在这一篇将教大家怎么用小车实现类似的循迹功能。
其实前几周就已经将小车调好并且也发了视频，但是每天忙于复习，也没有时间来对小车的流程设计、硬件设计、程序编写进行一个总结，正好周五可以休息一下，就分三个模块对这个智能小车项目进行一个总结。
摘 要： 为解决当前循迹小车存在性能稳定性差的问题，提出一种基于金属检测的智能循迹小车设计方法。采用LDC1000设计一种金属循迹智能小车，介绍系统总体设计框架、硬件设计和软件设计。采用STM32单片机处理LDC1000电感数字转换器采集的路面信息，并通过串口通信将数据传给STC51单片机，由51单片机对数据进行处理，实现对报警、显示及电机驱动模块的控制，从而使小车能够沿着金属铁丝轨迹自动行驶，实现小车自动寻迹的目的。试验结果表明，整个系统的电路结构简单，性能稳定，实现了预期的智能小车循跡功能，具有很高的应用性。
第一篇：STM32F103ZET6单片机双串口互发程序设计与实现 第二篇：最简单DIY基于STM32单片机的蓝牙智能小车设计方案 第三篇：最简单DIY基于STM32F407探索者开发板的MPU6050陀螺仪姿态控制舵机程序 第四篇：最简单DIY基于STM32F407探索者开发板和PCA9685舵机控制模块的红外遥控机械臂控制程序 第五篇：注释最详细、代码最简单的STM32+摄像头+显示屏的颜色跟踪电路软硬件方案 第六篇：最简单DIY基于STM32单片机的WIFI智能小车设计方案
https://mnifdv.cn/resource/cnblogs/LearnESP32/app_video_car.html
嗨，大家好！今天我想展示如何使用50行Python代码教一台机器来平衡杆！我们将使用标准的OpenAI Gym作为我们的测试环境，并只使用numpy创建我们的智能体。
专栏(刷题)：https://blog.csdn.net/2301_79293429/category_12545690.html
学习智能小车系统，有助于提高搭建系统的能力和对自动控制技术的理解。智能小车是一个较为完整的智能化系统，而智能化的研究已成为我国追赶世界科技水平的重要任务。智能小车有它特有的特点：成本低，涉及的知识面广，易于拓展[1]。整个智能小车系统作为一个完整的系统，从它的原理图的实现到实物的完成的过程，不仅需要深厚的电子方面的知识，还有对电路实现的良好掌握，对于培养学生的实践能力都有重要的意义。智能小车的竞赛在我国各大高校中都受到了重视，吸引了大批的高校学生的兴趣，而且取得了很多优异的成果，为我国推进智能化的进程做出了巨大的贡献，也为智能汽车的发展提供了理论依据[2-3]。只有当把理论和模型应用到实践中，这样的创新才用意义，我们国家这几年在智能化方面的进步越来越快，也推动了我国在国际社会上在智能化方面的话语权。智能小车是智能化的一部分，它的系统里的避障、循迹、红外遥控的技术用到了智能化，将智能化应用到传统技术上是21世纪发展的趋势。我国虽然从改革开放以来大力发展科技创新，但是在智能化的创新水平与国外较发达的国家相比还有巨大的差距，智能竞赛在高校越来越流行，也证明了我国教育在这方面很快会赶上世界上的发展水平。本次设计是以单片机为CPU，通过编程和一些外围电路的设计来实现红外遥控，避障，循迹等功能。最重要的是把模型上的研究应用到实际生活中，智能车辆便做到了这一点[4-6]。在实际应用中比如在倒车的过程中实现的红外警报系统是以智能小车为模型而研发出来的。对于电子知识的热爱与钻研有利于研发更多智能车辆，使我们的生活更加便利、智能化。
倒立摆，Inverted Pendulum ，是典型的多变量、高阶次 ，非线性、强耦合、自然不稳定系统。倒立摆系统的稳定控制是控制理论中的典型问题 ，在倒立摆的控制过程中能有效反映控制理论中的许多关键问题 ，如非线性问题、鲁棒性问题、随动问题、镇定、跟踪问题等。因此倒立摆系统作为控制理论教学与科研中典型的物理模型 ，常被用来检验新的控制理论和算法的正确性及其在实际应用中的有效性。从 20 世纪 60 年代开始 ，各国的专家学者对倒立摆系统进行了不懈的研究和探索。 倒立摆系统按摆杆数量的不同，可分为一级，二级，三级倒立摆等，多级摆的摆杆之间属于自由连接（即无电动机或其他驱动设备）。由中国的大连理工大学李洪兴教授领导的“模糊系统与模糊信息研究中心”暨复杂系统智能控制实验室采用变论域自适应模糊控制成功地实现了四级倒立摆。因此，中国是世界上第一个成功完成四级倒立摆实验的国家。 倒立摆的控制问题就是使摆杆尽快地达到一个平衡位置，并且使之没有大的振荡和过大的角度和速度。当摆杆到达期望的位置后，系统能克服随机扰动而保持稳定的位置。
智能循迹小车是基于自动引导机器人系统，用以实现小车自动识别路线，以及选择正确的路线。智能循迹小车是一个运用传感器、单片机、电机驱动及自动控制等技术来实现按照预先设定的模式下，不受人为管理时能够自动实现循迹导航的高新科技。
该课题主要基于单片机的循迹、避障、WiFi、蓝牙等功能的智能小车，在一些特殊环境下有着特殊的意义。硬件控制以arduino为控制核心。采用超声波避障和红外避障传感器共同完成寻迹、避障功能，并将相关信号传送给单片机，经单片机控制系统分析判断后控制驱动芯片驱动直流电机实现小车前进、后退、左转、右转，停止。软件采用移植性较好的c语言编写，通过手机蓝牙App实现对智能小车的控制。通过TCP/UD协议以及WiFi无线操作系统完成远距离通过终端控制，并将所扫描的信息路线传输给服务器，终端图形界面通过Qt设计实现。通过多次测试使小车能无线遥控、避障、循迹功能。
之前有过用TPYBoard v102制作的各种各样功能的智能小车，比如自动寻迹、自动避障、手机蓝牙遥控等。想着还缺个WIFI控制的，那就用TPYBoard v202做一个吧。
设计一个控制系统使得当给定任意初始条件(由干扰引起)时最大超调量 %≤10%
刚入职的时候，公司组织参观，参观的时候看到了公司的AGV循迹小车，用于搬运物料。看到这些小车的时候，感觉很熟悉，这让我想起了16年TI杯电子设计竞赛，当时我们做的就是一个循迹小车。
作者：joellwang，腾讯 CSIG 后台开发工程师 本文主要介绍了 Go 程序为了实现极高的并发性能，其内部调度器的实现架构（G-P-M 模型），以及为了最大限度利用计算资源，Go 调度器是如何处理线程阻塞的场景。 怎么让我们的系统更快 随着信息技术的迅速发展，单台服务器处理能力越来越强，迫使编程模式由从前的串行模式升级到并发模型。 并发模型包含 IO 多路复用、多进程以及多线程，这几种模型都各有优劣，现代复杂的高并发架构大多是几种模型协同使用，不同场景应用不同模型，扬长避短，发挥
前言：作为一名老三本玩家，笔者深知一些同学刚接触这个比赛的那种无从下手的感觉，写这篇文章主要是分享一下自己对车的理解，同时也希望大家能真正的去深入理解小车的整个系统，理解小车的构成和原理，而不是人人唾弃的“调参比赛”。水平有限，仅供参考，也欢迎大佬们参与交流。
2. 你已经对树莓派已有了相当的了解，并已 SD卡上烧制了 Raspbian/Wheezy系统
在地图接入使用中，很多开发者咨询我们腾讯位置服务是否支持轨迹回放功能，所以今天特意将我们JavaScript API GL的轨迹回放&小车移动示例放到我们本篇文章分享。
前提：本篇文章重在分享自己的心得与感悟，我们把最重要的部分，摄像头循迹，摄像头数字识别问题都解决了，有两种方案一种是openARTmini摄像头进行数字识别加寻迹，即融合代码。另一种是使用openmv4进行数字识别（使用的是模板匹配），然后利用灰度传感器进行寻迹。因为当时python用得不算很熟，最终我们选择了第二种方案使open MV4实现数字识别，灰度传感器寻迹，在控制智能车运动调试的过程中更加简单。当然赛后我们也尝试了使用open ARTmini的方案，同样操作容易。其次我们下来也做了方案三K210数字识别，数字识别率可达97.8%，使用openmv寻迹。
本文介绍了强化学习的基本概念，以及使用Python进行强化学习实践的方法和相关库。作者从强化学习的经典任务——Cartpole问题开始，介绍了如何使用不同的强化学习库进行实践。文章还介绍了强化学习的一些资源，包括课程、库和论文等。
大三上学期课程设计的题目选了做小车，需要使用的是TI公司的LDC1000或者LDC1314，题目如下：
金属探测LDC1314是根据电磁感应原理制成的，将一金属置于变化的磁场当中时，根据电磁感应原理就会在金属内部产生涡流，涡流产生的磁场反过来又影响原磁场，这种变化可以转换为电压幅值的变化，供相关电路进行检测。通过改变金属和线圈之间的距离得到不同的值，对前端探测到的数据进行再处理和分析，当其中一个线圈探测到铁丝则让小车向相反方向前进，若发现附近有硬币存在该探测器发出声音警报。
智能小车采用两个前轮和一个万向轮的方式，在前轮的左右两端各安装一个电机驱动，利用电机驱动芯片L293D来控制两个前轮的左右转向和停止，后轮是一个万向轮，有支撑和转向的作用。在车体底盘的前端装有4个红外光电传感器，用以实现路迹检测和避障功能。
【导读】Christine Doig是Anaconda公司的高级数据科学家。没错Anaconda就是那个著名的Python科学计算与发行管理软件。Christine Doig从最基本的强化学习概念开始
在研究基于电感的智能车方向控制时，首先使用了较为普遍的电感差比和加权引导方案。调试过程中，发现小车对于弯道的敏感度不理想，故多次尝试修改横纵电感权重，或将代码推翻重写，寻求理想的结果。
摘要：本文根据对目标金属物的非接触式探测定位和移动的具体要求，以STC89C52RC单片机为控制核心，结合驱动模块、三个电感模块（LDC1000电感数字传感器）、测速模块和显示模块，设计并实现了一种自动循迹小车。该小车能在规定的具有0.6-0.9mm细铁丝标识的平面跑道上自动循迹前进，且在行进过程中能够检测到硬币并报警，同时小车的运行时间、距离等信息可在显示屏上实时显示。经过多次测试表明，该循迹小车达到了预期的效果，自动循迹稳定，硬币识别准确，实时显示距离及时间效果好，抗干扰能力强。
准备花几天时间DIY一个小小天气站+万年历，一来可以送给好友，二来也是蹦着熟悉RT-Thread的目的去学习，以提高自己的工作效率，指不定哪天就用上了，总之技多不压身嘛！
开始做小车的时候，手头只有一块F407的核心板，个人只是做着玩的，也没有考虑价格问题，干脆就直接拿来用了。其实F103c8t6的引脚资源和响应都是足够用的，也很便宜，推荐使用,如下图。
先说arduino的来源吧。他是意大利的一名教师和一名晶体工程师发明的一个灵活性非常高的电子平台，主要是因为当时的学生跟他抱怨找不到便宜好用的微控制器。
1、首先就是L298N，这是一个经典的电机驱动，相信基本所有玩过单片机，玩过电机的人都使用过，它可以最高容忍15v电压输入，逻辑电平2.4-5.5v，所以使用单片机的3.3v完全可以驱动，它并没有PWM接口来控制电机的速度，只能使逻辑电平输出PWM控制通断频率来调节电机的转速，最低驱动电压的话这个没有具体测量，但是6v以上是完全没有问题的。当然，L298N也是有不少的缺点的，比如速度控制的精度差，响应较慢，发热严重，在做电赛的时候使用TB6612驱动，使用效果就更棒了，以后会在大部分的场合使用后者。
gym是openAI下的一个开发和对比强化学习算法的工具包，内部提供了强化学习需要的环境。
第8章，在Matlab和Android上运行ROS，此部分延续专题一，很多算法可以在Matlab中找到，
原理是4红外对管可以通过红外反射识别出小车和路径（黑色胶带的）的相对位置，来调节转向，实现循迹功能。
听说周日大疆就要笔试了，今年的秋招来的有点让人猝不及防啊，牛客的各种讨论群里都弥漫着一种恐惧的氛围，我是谁，我在哪，我该怎么办(惊恐脸)。。。。。
作为主控芯片的实时系统,提供多线程编程.小车的每个重要的需要实时的功能都单独作为一个线程.如小车的mpu9250姿态解算出姿态角（Roll、Pitch、Yaw ）的过程就单独使用了一个线程(mpu9250),小车的PID控制速度的代码也单独使用了一个线程(speed).每个功能线程(mpu9250,speed...等)都会处理完各自的数据得出结果,并且这些结果在必要的时候提供给主线程(master)使用.也正是因为rt-thread的优先级全抢占式调度使得重要的线程能及时处理完.另外rt-thread提供的finsh/msh在调试期间起到了很大的作用,同时也可以通过远程蓝牙串口控制小车的行为.
这节，终于让我们的小车成功的驱动起来了，能够实现基本功能：前进、后退、左转、右转，完成这一步，剩下的也就不难了，本节采用的是Wifi通信的方式来进行控制。
我觉得这个问题挺有意思的， 都是拉电话线的专业，都是在学习STM32，都对小车感兴趣，那就让我这个通信老狗来谈谈自己的见解~
为了能帮助消防员有效的控制火灾，尽可能地降低人员伤亡和财产损失，当前基于STM32单片机设计了一款智能消防小车；当前小车支持烟雾浓度检测、可燃气体检测，环境温度湿度检测、火焰源检测、能支持远程遥控，方便消防员远程操控进行灭火。小车也支持自动消防，在行驶过程中，消防智能小车通过火焰传感器感应火源以检测火焰具体位置，可以利用算法设计进行循迹灭火，该模式下驱动电机水泵喷水，可以有效控制火源的第二次发生，从而完成消防作业。小车本身带了超声波测距模块，红外壁障模块，在自动或者手动控制行驶过程中可以防止碰到障碍物损伤小车。小车在消防灭火的过程中，会采集环境的温度，湿度，有毒气体，烟雾浓度信息传递给手机APP进行显示，方便消防员对火灾现场有详细的了解，便于后续支援。 经实际测试实验，该智能消防小车能够在不同模式下快速、顺利地完成相应的功能。
【目标】：OskarBot遥控，原来连接的是PS2手柄控制器，遵循PS2手柄协议，为模拟的SPI通信。
对于这些连续的动作控制空间，Q-learning、DQN 等算法是没有办法处理的。那我们怎么输出连续的动作呢，这个时候，万能的神经网络又出现了。在上面这个离散动作的场景下，比如说我输出上下或是停止这几个动作。有几个动作，神经网络就输出几个概率值，我们用
LDC1314芯片是2016年TI杯全国电子设计竞赛指定使用芯片，为了调试方便制作了模块如下图，它配合4个线圈可以检测磁性材料，比如硬币和铁丝等，2016 比赛的题目就是小车检测铁丝。
介绍了卡尔曼滤波的由来和原理，我们在这儿一句话总结一下，大家如果有不懂的可以去看上篇文章：
领取专属 10元无门槛券
手把手带您无忧上云
