图文楼504-智能感知与控制实验室

发布时间:2024-11-14浏览次数:11

实验室介绍

智能感知与控制实验室占地面积101.67平方米,人工智能设备若干可同时供60名学生操作使用。实验室主要培养学生掌握自主驾驶系统、人脸识别闸机系统、智慧农业系统的构成和原理,掌握基于各类传感器的嵌入式控制系统开发能力,掌握基于ROS的机器人控制系统开发能力,掌握数据标注与分析能力,掌握基于深度学习的目标检测系统、人脸识别系统开发和部署能力等,满足学生创新创业和竞赛训练的需求。

 

承接实验课程

智能感知与控制实验室承接了模式识别与机器学习生物特征识别技术嵌入式智能系统、项目实践3-智能系统设计与应用等课程的实验实习教学

序号

承接课程

对应课程简单描述

1

模式识别与机器学习

使学生掌握常见机器学习算法思想、基本步骤和一般理论,并能在理论与实践中掌握机器学习技术,例如基于真实数据集的感知器算法、线性回归算法、搜索算法、逻辑回归算法、支持向量机算法、决策树算法、神经网络模型的设计与实现。

2

生物特征识别技术

使学生掌握生物特征识别的基本概念、各种常用识别技术和方法,主要包括人脸检测与跟踪、多种人脸识别算法的开发与部署,以及人脸闸机的自动控制。

3

嵌入式智能系统

基于机器人操作系统(ROS),并与嵌入式系统、Ubuntu操作系统以及OpenCV等相结合,使学生掌握ROS的框架、ROS使用方法、基于ROS的机器人编程,并能借助相关的硬件和软件开发设计智能机器人能力。

4

项目实践3-智能系统设计与应用

使学生掌握自动驾驶的基本概念、等级划分、整体架构,理解自动驾驶环境感知方法,能够理解和掌握基于ROS的运动控制、基于摄像头和激光雷达的环境感知、基于深度学习的视觉处理与分析(如交通标志识别、红绿灯检测、车道线检测等),提升学生处理复杂工程问题的能力和软硬件开发能力,强化学生的逻辑思维能力、动手能力,培养团队合作能力和项目管理能力。

 

实验环境

无人驾驶小车15

人脸闸机2

智慧农业沙盘1

 

培养学生能力

  (1)培养学生对机器学习理论、算法和应用的全面理解和实践能力,能够针对真实的数据,设计诸如基于感知器、线性回归、搜索、逻辑回归、支持向量机、决策树、神经网络模型等方法的机器学习算法。

  (2)促进学生对生物特征识别的各种常用方法的理解,培养学生利用信号处理技术和图像处理技术获取生物特征识别的特征,以及实现人脸、指纹等生物特征识别的方法方法。

  (3)培养学生理解自动驾驶的基本概念,掌握基于ROS的智能小车控制、基于摄像头和激光雷达的环境感知、基于深度学习的视觉处理与分析(如交通标志识别、红绿灯检测、车道线检测等),提升学生处理复杂工程问题的能力和软硬件开发能力,强化学生的逻辑思维能力、动手能力,培养团队合作能力和项目管理能力。

  (4)培养学生掌握ROS系统的原理与开发方法,结合各种传感器、控制器和执行器,以及各种图像处理与分析、信号处理与分析的方法,实现对智能系统的设计与开发。

  (5)掌握各种类型传感器的原理和使用方法,掌握基于树莓派、arduinojetson nano等设备设计和开发温湿度采集、摄像头图像/视频采集处理与分析、小车底盘控制、人脸闸机开关门控制、农业沙盘智能控制等系统的能力,具备较强的软硬件设计和开发能力。




搜索
您想要找的