AI · 机器视觉 · ROS · 自动驾驶
每组桌面配置 AI 前端设备、ROS 小车与机器人视觉检测设备，中央地面布置 1 套自动驾驶沙盘，配合仿真软件完成从单设备到综合场景的实训。
15学生实训位
3五人小组
1中央自动驾驶沙盘
01空间
空间与教学组织
每组 5 名学生围绕同一套设备分工协作——算法训练、仿真调试、视觉采集、设备控制、实验记录，课程从单设备实验逐步过渡到沙盘综合项目，形成"仿真软件 + 实物设备 + 场景任务"的闭环训练。
教师演示区
大屏 + 工作站
大屏 + 工作站
中央自动驾驶沙盘
城市道路 + 信号灯 + 停车区
城市道路 + 信号灯 + 停车区
A 组 5 人
AI 前端 + 小车 + 视觉检测
AI 前端 + 小车 + 视觉检测
B 组 5 人
AI 前端 + 小车 + 视觉检测
AI 前端 + 小车 + 视觉检测
C 组 5 人
AI 前端 + 小车 + 视觉检测
AI 前端 + 小车 + 视觉检测
设备柜 / 充电柜
网络 / 供电
教师区
用于集中讲解、仿真演示和项目答辩。
用于集中讲解、仿真演示和项目答辩。
三组实训桌
每桌 5 人，配 AI 前端、ROS 小车与视觉检测设备。
每桌 5 人，配 AI 前端、ROS 小车与视觉检测设备。
中央沙盘
地面布置 1 套自动驾驶道路沙盘，作为综合任务区。
地面布置 1 套自动驾驶道路沙盘，作为综合任务区。
配套区
用于设备收纳、充电、网络交换与线缆管理。
用于设备收纳、充电、网络交换与线缆管理。
02设备
AI 设备介绍
设备能力覆盖 边缘 AI、智能感知、工业视觉、机器人控制和自动驾驶核心实践。
01
AI 前端设备
用于边缘智能感知与 AI 应用开发，支持本地推理、图像识别、人脸识别、语音交互和物联网控制。
- 1AI 边缘网关采用 ARM 多核处理器、GPU 与 NPU，支持 Linux/Debian、Python 3、Qt/PyQt5 开发。
- 2图像采集包含 USB 工业相机与 RTSP 网络摄像机，适合目标检测、分类、人脸与车牌识别实验。
- 3配套人脸门禁、语音采集播放、传感器、继电器、风扇、门锁、声光报警等 IoT 模块。
02
机器人视觉检测设备
面向工业机器视觉与机械臂协作检测，可完成目标识别、缺陷检测、尺寸测量和抓取分拣。
- 1AI 核心板支持高算力推理，配套 Python/OpenCV、目标检测、文字识别和缺陷检测实验。
- 2六轴机械臂支持吸盘或夹爪末端执行器，可进行复位、坐标配置和运动控制训练。
- 3工业相机、12mm 工业镜头、环形 LED 光源和传送带组成标准视觉检测工位。
03
ROS 自主车
用于移动机器人与自动驾驶基础实训，覆盖环境感知、地图构建、路径规划、避障与泊车。
- 1车载边缘终端、激光雷达、深度相机、四轮驱动底盘和触摸屏构成完整自主移动平台。
- 2支持 Jupyter Notebook、ROS 仿真、Gazebo、SLAM、导航、避障和交通灯识别实验。
- 3配套车载机械臂与末端相机，可扩展抓取、巡检和视觉定位任务。
04
自动驾驶沙盘
提供城市道路场景，让 ROS 自主车在真实缩比环境中完成自动驾驶综合项目验证。
- 1包含直道、弯道、T 字路口、十字路口、停车区、交通标志、标线、信号灯与路灯。
- 2道路区域建议不低于 20 平方米，支持小车循迹、避障、路口通行和倒车入库。
- 3配套场景摄像机和车牌识别摄像机，支持运行过程记录与智能交通应用实验。
03课程
培训体系
培训体系按 基础、专项、综合三个层级组织，便于形成课程包和实训任务书。
| 层级 | 模块 | 主要内容 |
|---|---|---|
| 基础层 | AI 基础与边缘开发 |
|
| 智能感知与 AI 算法 |
|
|
| 物联网与场景控制 |
|
|
| 专项层 | 机器视觉检测 |
|
| ROS 移动机器人 |
|
|
| 综合层 | 自动驾驶沙盘综合项目 |
|