Õppeaine eesmärk on:
• arendada Pythoni programmeerimise põhioskusi manussüsteemide ja robootika rakenduste jaoks;
• anda teadmised autonoomsete sõidukite tarkvaraarhitektuurist, sealhulgas tajusüsteemidest, otsustusloogikast ja juhtimisest;
• arendada praktilisi oskusi kaamerapildi ja anduriandmete töötlemiseks monoplaatarvutil;
• kujundada arusaam juhtimisalgoritmidest (PID) mobiilse platvormi reaalaja mootorijuhtimiseks;
• tutvustada närvivõrkude õpetamise aluseid liiklusmärkide tuvastamiseks.

The aim of this course is to:
• develop foundational programming skills in Python for embedded and robotics applications;
• provide knowledge of autonomous vehicle software architecture, including perception, decision-making, and actuation;
• develop practical skills for processing camera input and sensor data on a single-board computer;
• build understanding of control algorithms (PID) for real-time motor control in a mobile platform;
• introduce the fundamentals of neural network training for traffic sign detection.

Aine läbinud üliõpilane:
• kirjutab töötavaid Pythoni programme mobiilse platvormi sardsüsteemile reaalajaliseks juhtimiseks;
• rakendab pilditöötluse lahendusi sõidurajamärgistuse tuvastamiseks ja roolimiskäskude genereerimiseks;
• kasutab PID-juhtimisloogikat mootori väljundi reguleerimiseks andurite tagasiside põhjal;
• treenib ja hindab lihtsat närvivõrgu mudelit liiklusmärkide tuvastamiseks kaamerapildi põhjal;
• esitleb ja kaitseb oma lahendust sõiduki reaalajas demonstratsiooni ning kirjaliku tehnilise aruande kaudu.

Upon successful completion of the course, the student:
• writes functional Python programs for a mobile platform's embedded system for real-time control;
• implements image processing pipelines to detect lane markings and derive steering decisions;
• applies PID control logic to regulate motor output based on sensor feedback;
• trains and evaluates a basic neural network model for road sign detection using a camera images;
• presents and defends their solution through a live vehicle demonstration and a written technical report.

• Sissejuhatus Pythoni programmeerimisse manussüsteemide jaoks; koodi käivitamine Raspberry Pi-l.
• Mobiilse platvormi arhitektuur: eelnevalt koostatud riistvara ülevaade, komponentide rollid ja sideühendused.
• Kaamerapõhine tajumine: pildi hõivamine, sõidurajamärgistuse tuvastamine ja arvutinägemise alused OpenCV abil.
• Mootorijuhtimise alused: PWM-signaalid, alalisvoolumootorite juhtimine ja PID-regulaatori rakendamine.
• Täiendavad andurid: kiiruse hindamine enkoodri andmete põhjal.
• Närvivõrkude alused: andmestiku ettevalmistamine, mudeli õpetamine ja liiklusmärkide tuvastamise mudeli rakendamine Raspberry Pi-l.
• Süsteemi integreerimine: taju- ja juhtimissüsteemide ühendamine sõidurajal püsimist võimaldavaks autonoomseks sõiduks.
• Testimine, häälestamine ja vigade kõrvaldamine füüsilisel testirajal.
• Lõppdemonstratsiooni ja tehnilise aruande ettevalmistamine.

• Introduction to Python for embedded systems; running code on Raspberry Pi.
• Mobile platform architecture: pre-built hardware overview, component roles, and communication interfaces.
• Camera-based perception: image capture, lane marking detection, and basic computer vision using OpenCV.
• Motor control fundamentals: PWM signals, DC motor control, and PID controller implementation.
• Supplementary sensing: encoder-based speed estimation.
• Neural network basics: dataset preparation, model training, and deploying a sign detection model on Raspberry Pi.
• System integration: combining perception and control into a lane-keeping autonomous driving.
• Testing, tuning, and debugging on a physical track .
• Final demonstration and technical report preparation.

-

-

-

-

- The Mechatronics Handbook, Second Ed.: mechatronic systems, sensors, and actuators, R.H.Bishop (Ed.), CRC Press, 2008.
- Handbook of Robotics, Ed. B.Siciliano, O.Khatib, Springer, 2008.
- Applied Deep Learning and Computer Vision for Self-Driving Cars: Build autonomous vehicles using deep neural networks and behavior-cloning techniques, S. Ranjan , Dr.
S. Senthamilarasu, Packt Publishing, 2020.

Daniil Valme, doktorant-nooremteadur (EE - elektroenergeetika ja mehhatroonika instituut)

not specified