CMUcam-projektet#
Öppen källkod, programmerbara inbäddade färgseendesensorer
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 växte direkt ur den släktlinjen: samma idé om en självständig seendesensor med öppen källkod för inbäddade system, förd vidare till moderna mikrokontroller och MicroPython. Kopplingen är direkt – den praktiska erfarenheten bakom de senare CMUcam-kamerorna gick rakt in i byggandet av OpenMV Cam.
Den ursprungliga webbplatsen, cmucam.org, har sedan dess gått offline. Dessa sidor bevarar dess kameraöversikter, wikier och nedladdningar av historiska skäl, så att arbetet inte går förlorat. Texten återges från den ursprungliga webbplatsen med endast mindre städning.
Översikt#
Målet med CMUcam-projektet är att ge enkla seendeförmågor till små inbäddade system i form av en intelligent sensor. CMUcam:s programmerbara inbäddade färgseendesensorer med öppen källkod är billiga, energisnåla sensorer för mobila robotar. Du kan använda CMUcam-seendesystemen för att utföra många olika typer av inbyggda seendebearbetningsuppgifter i realtid.

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 →Erkännanden#
Detta projekt stöddes genom generositet från NASA Ames Intelligent Systems Program, Parallax, Lextronic, SparkFun och Semiconductor Research Corporation. Detta projekt kommer från The Electrical and Computer Engineering Department, The Robotics Institute (del av School of Computer Science) och Undergraduate Research Office vid Carnegie Mellon University.