Projekt CMUcam#
Programowalne wbudowane czujniki wizyjne koloru o otwartym kodzie źródłowym
Before the OpenMV Cam, there was the CMUcam. Beginning in 2000 at Carnegie Mellon University, the CMUcam line put real-time machine vision into a small, low-cost, low-power sensor – something a hobby robot or an 8-bit microcontroller could talk to over a plain serial port. Five generations followed over the next fourteen years, from the original CMUcam1 through to CMUcam5 (Pixy).
OpenMV Cam wyrósł bezpośrednio z tej linii: ta sama idea otwartoźródłowego, samodzielnego czujnika wizyjnego dla systemów wbudowanych, przeniesiona na nowoczesne mikrokontrolery i MicroPython. Związek jest bezpośredni – praktyczne doświadczenie stojące za późniejszymi CMUcamami wprost przełożyło się na budowę OpenMV Cam.
Oryginalna witryna cmucam.org od tego czasu przestała działać. Te strony zachowują jej przeglądy kamer, wiki i pliki do pobrania w celach historycznych, aby praca nie została utracona. Tekst jest odtworzony z oryginalnej witryny z jedynie drobnymi poprawkami.
Przegląd#
Celem projektu CMUcam jest zapewnienie prostych możliwości wizyjnych małym systemom wbudowanym w postaci inteligentnego czujnika. Otwartoźródłowe, programowalne wbudowane czujniki wizyjne koloru CMUcam to niedrogie, energooszczędne czujniki dla robotów mobilnych. Możesz używać systemów wizyjnych CMUcam do wykonywania wielu różnych rodzajów wbudowanych zadań przetwarzania wizji w czasie rzeczywistym.

CMUcam5 (Pixy) 2014
Small, fast, and teachable — the Kickstarter hit that carried the CMUcam name to pixycam.com.
Explore →
CMUcam4 2012
A Parallax Propeller-based, Arduino-shield-compatible tracking camera with a microSD card slot.
Explore →
CMUcam3 2007
An ARM7 fully programmable vision sensor — write custom C with the open-source CC3 library.
Explore →
CMUcam2 2003
Faster colour- and motion-tracking with servo control, image windowing, and analog video output.
Explore →
CMUcam1 2002
A low-cost, low-power serial vision sensor for mobile robots — tracks a colour blob at 17 frames per second.
Explore →Podziękowania#
Ten projekt był wspierany dzięki hojności programu NASA Ames Intelligent Systems Program, Parallax, Lextronic, SparkFun oraz Semiconductor Research Corporation. Ten projekt pochodzi z Wydziału Elektrotechniki i Inżynierii Komputerowej, The Robotics Institute (część School of Computer Science) oraz Biura Badań Studenckich na Carnegie Mellon University.