tiny-G的源代码，学习运动控制很好的参考，可以配合其产品一起学习。

基于单片机的机械手运动控制系统设计说明.doc

本次实验提供六个类别的垃圾识别分类数据集，分别是glass、cardboard、metal、paper、plastic、trash。本次实验是基于卷积神经网络模型来完成六个类别垃圾分类。 目前垃圾分类已经在许多城市开展起来。这看似微不足道的“小事”，实则关系到13亿多人生活环境的改善，理应通过人工智能技术来大力提倡社会风气养成。本次实验提供六个类别的垃圾识别分类数据集，分别是glass、cardboard、metal、paper、plastic、trash。本次实验是基于卷积神经网络模型来完成六个类别垃圾分类。 2.任务要求 每位同学单独完成；建立神经网络模型，并尽可能将其参数调优到最佳状态；绘制深度学习模型图、绘制并分析学习曲线等；分析模型并试着调试不同学习率等超参数对模型的结果影响 ；使用Python语言。 3.实验方法 卷积神经网络 （Convolutional Neural Network, CNN）是一种结构类似于人类或动物的 视觉系统 的人工神经网络，包含一个或多个卷积层（Convolutional Layer）、池化层（Pooling Layer）和全连接层（Full

可以用包含IMU和弯曲传感器的手套进行无线控制的机械臂。

基于机器视觉的方法实现了对空间柔性杆振动频率测量的算法，通过在视频图像中杆件边缘附近设置合适的LOI（line of interest），并检测并计算得到LOI（line of interest）内的柔性杆边缘点坐标位置移动，通过计算边缘点坐标波动频谱密度，实现了对柔性杆的振动频率的测量。该算法不但复杂度较低，且解决了必须在柔性杆件上安装点光源和标志点等问题。实验表明该算法具有较好的实时性。

针对自动扶梯上乘客易摔倒的安全隐患，设计一款基于机器视觉的人体摔倒行为识别系统及扶梯自动急停装置.借助OpenPose人体关节点检测算法提取目标人体的骨骼特征，利用Inception V3网络模型搭建分类器，对采集的骨骼特征信息分类，以识别乘客摔倒行为.训练结果表明单人、多人样本的测试精度最高可达98.9%、80.0%.识别摔倒行为后将检测结果以无线通讯的方式发送至基于STM32微控制器及多种传感器的急停装置.最后，在模拟的扶梯环境下进行实验测试，测试结果表明该扶梯自动急停系统的控制实时性良好.

雷赛smc-6480硬件使用，软件使用，开发库，例程等

这里总结做了一个比较简单的一个直方图均衡化的程序。根据直方图的灰度值的不同可以看出明显的画面灰度对比，通过改变均衡化值的范围，可以很清楚的知道某个范围下的直方图灰度值图像。

提出了一种基于“PC+DSP运动控制器”的上位机+下位机的嵌入式运动数控系统，针对在连续控制过程中传统PID控制方法已经不能满足DSP控制器高速高性能以及稳定性的要求，建立了基于增量式数字PID控制的全闭环控制系统，从而利用对电动机的转动速度的控制来实现DSP数控系统的高性能和稳定性控制的要求，并通过仿真比较了普通PID控制与TMS320LF2407A DSP的增量式 PID控制，结果表明该控制方案具有可行性和有效性，并且在很大程度上提高了系统的实时控制和稳定控制，并且对于DSP数控系统在工程应用上的深入

C#机器视觉框架源码、视觉检测、机械手定位、C#联合Halcon源码，插件式开发 ，带手眼标定，相机静止和运动，支持C#脚本 (适宜有视觉和编程相关经验从业人员)