Αναγνώριση κινήσεων με μηχανική μάθηση και χρήση αυτών από FPGA για κίνηση ρομποτικού βραχίονα

Η παρούσα διπλωματική εργασία έχει ως στόχο την δημιουργία ενός συστήματος Υλικού-Λογισμικού για τον έλεγχο ενός ρομποτικού βραχίονα. Η διπλωματική δομείται πάνω σε 4 (τέσσερις) θεματικούς άξονες. Την δημιουργία αρχείων δεδομένων για κινήσεις, την εκπαίδευση νευρωνικού δικτύου για αναγνώριση των κιν...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Κονταρίνης, Απόστολος
Άλλοι συγγραφείς: Kontarinis, Apostolos
Γλώσσα:Greek
Έκδοση: 2022
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/16365
id nemertes-10889-16365
record_format dspace
spelling nemertes-10889-163652022-09-06T05:13:18Z Αναγνώριση κινήσεων με μηχανική μάθηση και χρήση αυτών από FPGA για κίνηση ρομποτικού βραχίονα FPGA processing of movements recognised by machine learning for robot arm movement Κονταρίνης, Απόστολος Kontarinis, Apostolos Μικροελεγκτές Προγραμματιζόμενο υλικό Γραφικό περιβάλλον Μηχανική μάθηση Arduino FPGA Tensorflow lite Machine learning GUI Η παρούσα διπλωματική εργασία έχει ως στόχο την δημιουργία ενός συστήματος Υλικού-Λογισμικού για τον έλεγχο ενός ρομποτικού βραχίονα. Η διπλωματική δομείται πάνω σε 4 (τέσσερις) θεματικούς άξονες. Την δημιουργία αρχείων δεδομένων για κινήσεις, την εκπαίδευση νευρωνικού δικτύου για αναγνώριση των κινήσεων, λήψη και επεξεργασία των αποτελεσμάτων της αναγνώρισης από FPGA που στην συνέχεια ελέγχει τον ρομποτικό βραχίονα και δημιουργία γραφικού περιβάλλοντος προς βοήθεια των χρηστών. Ο πρώτος άξονας είναι η χρήση κώδικα Arduino για ανίχνευση κινήσεων του Arduino στο χώρο και η ανάπτυξη κώδικα για καταγραφή των δεδομένων των κινήσε- ων αυτών. Ο δεύτερος άξονας βασίζεται σε τροποποίηση υφιστάμενου κώδικα για εκπαίδευση νευρωνικού δικτύου και μετατροπή των αποτελεσμάτων αυτού σε μορφή Tensorflow Lite για χρήση από Arduino. Ο τρίτος άξονας αφορά την τροποποίηση υφιστάμενου κώδικα αναγνώρισης κινήσεων από Arduino και τον προγραμματισμό FPGA. Αναφορικά με το Arduino, τροποποιήθηκε κώδικας αναγνώρισης κινήσεων και ενφολεύφθηκε σε αυτόν custom handshake για την ενσύρματη επικοινω- νία Arduino - FPGA μέσα από τα pins και των δύο. Όσον αφορά το FPGA, υλοποιήθηκε κύκλωμα για το custom handshake με το Arduino και την επεξεργασία των εισερχόμενων δεδομένων από αυτό. Επιπλέον υλοποιήθηκε κύκλωμα παραγωγής PWM σημάτων για τον έλεγχο των Servos του ρομποτικού βραχίονα. Τέλος, ο τέταρτος άξονας είναι η ανάπτυξη εικονικού περιβάλλοντος χρήστη με σκοπό την οπτικοποίηση των λειτουργιών και την καθοδήγηση των χρηστών. This diploma thesis aims to create a Hardware-Software system for the control of a robotic arm. The thesis is structured on 4 (four) axes. The creation of data files for movements, the training of a neural network for the recognition of movements, the reception and processing of the results of recognition by FPGA that then controls the a robotic arm. Finally the creation of a graphical environment for the help of the users. 2022-07-04T07:18:11Z 2022-07-04T07:18:11Z 2022-06-29 http://hdl.handle.net/10889/16365 gr application/pdf
institution UPatras
collection Nemertes
language Greek
topic Μικροελεγκτές
Προγραμματιζόμενο υλικό
Γραφικό περιβάλλον
Μηχανική μάθηση
Arduino
FPGA
Tensorflow lite
Machine learning
GUI
spellingShingle Μικροελεγκτές
Προγραμματιζόμενο υλικό
Γραφικό περιβάλλον
Μηχανική μάθηση
Arduino
FPGA
Tensorflow lite
Machine learning
GUI
Κονταρίνης, Απόστολος
Αναγνώριση κινήσεων με μηχανική μάθηση και χρήση αυτών από FPGA για κίνηση ρομποτικού βραχίονα
description Η παρούσα διπλωματική εργασία έχει ως στόχο την δημιουργία ενός συστήματος Υλικού-Λογισμικού για τον έλεγχο ενός ρομποτικού βραχίονα. Η διπλωματική δομείται πάνω σε 4 (τέσσερις) θεματικούς άξονες. Την δημιουργία αρχείων δεδομένων για κινήσεις, την εκπαίδευση νευρωνικού δικτύου για αναγνώριση των κινήσεων, λήψη και επεξεργασία των αποτελεσμάτων της αναγνώρισης από FPGA που στην συνέχεια ελέγχει τον ρομποτικό βραχίονα και δημιουργία γραφικού περιβάλλοντος προς βοήθεια των χρηστών. Ο πρώτος άξονας είναι η χρήση κώδικα Arduino για ανίχνευση κινήσεων του Arduino στο χώρο και η ανάπτυξη κώδικα για καταγραφή των δεδομένων των κινήσε- ων αυτών. Ο δεύτερος άξονας βασίζεται σε τροποποίηση υφιστάμενου κώδικα για εκπαίδευση νευρωνικού δικτύου και μετατροπή των αποτελεσμάτων αυτού σε μορφή Tensorflow Lite για χρήση από Arduino. Ο τρίτος άξονας αφορά την τροποποίηση υφιστάμενου κώδικα αναγνώρισης κινήσεων από Arduino και τον προγραμματισμό FPGA. Αναφορικά με το Arduino, τροποποιήθηκε κώδικας αναγνώρισης κινήσεων και ενφολεύφθηκε σε αυτόν custom handshake για την ενσύρματη επικοινω- νία Arduino - FPGA μέσα από τα pins και των δύο. Όσον αφορά το FPGA, υλοποιήθηκε κύκλωμα για το custom handshake με το Arduino και την επεξεργασία των εισερχόμενων δεδομένων από αυτό. Επιπλέον υλοποιήθηκε κύκλωμα παραγωγής PWM σημάτων για τον έλεγχο των Servos του ρομποτικού βραχίονα. Τέλος, ο τέταρτος άξονας είναι η ανάπτυξη εικονικού περιβάλλοντος χρήστη με σκοπό την οπτικοποίηση των λειτουργιών και την καθοδήγηση των χρηστών.
author2 Kontarinis, Apostolos
author_facet Kontarinis, Apostolos
Κονταρίνης, Απόστολος
author Κονταρίνης, Απόστολος
author_sort Κονταρίνης, Απόστολος
title Αναγνώριση κινήσεων με μηχανική μάθηση και χρήση αυτών από FPGA για κίνηση ρομποτικού βραχίονα
title_short Αναγνώριση κινήσεων με μηχανική μάθηση και χρήση αυτών από FPGA για κίνηση ρομποτικού βραχίονα
title_full Αναγνώριση κινήσεων με μηχανική μάθηση και χρήση αυτών από FPGA για κίνηση ρομποτικού βραχίονα
title_fullStr Αναγνώριση κινήσεων με μηχανική μάθηση και χρήση αυτών από FPGA για κίνηση ρομποτικού βραχίονα
title_full_unstemmed Αναγνώριση κινήσεων με μηχανική μάθηση και χρήση αυτών από FPGA για κίνηση ρομποτικού βραχίονα
title_sort αναγνώριση κινήσεων με μηχανική μάθηση και χρήση αυτών από fpga για κίνηση ρομποτικού βραχίονα
publishDate 2022
url http://hdl.handle.net/10889/16365
work_keys_str_mv AT kontarinēsapostolos anagnōrisēkinēseōnmemēchanikēmathēsēkaichrēsēautōnapofpgagiakinēsērompotikoubrachiona
AT kontarinēsapostolos fpgaprocessingofmovementsrecognisedbymachinelearningforrobotarmmovement
_version_ 1799945004904349696