基於雷達的行動式機器人的智慧型表面分類

資料收集

使用 IWRL6432 裝置擷取精確的雷達數據，透過整合的 M4F MCU 和 HWA，實現完全在邊緣完成的完整 AI 處理。

資料品質評估

TI 雷達感測器支援多種輸出格式，包括距離剖面圖、距離多普勒熱圖、點雲等。對於表面分類，該模型利用距離剖面資料來實現高精度性能。

如果您想了解更多關於不同類型的雷達資料和輸出格式的信息，您可以從立即加入我們的 Radar Academy 開始着手。

客戶可以立即使用 CCStudio™ Edge AI Studio 中提供的範例資料集開始上手，其中包含允許使用者上傳未經過濾的範圍剖面資料並嘗試不同範圍視窗以最佳化效能的工具，詳情請參閱表面分類使用者指南。

 CCStudio™ Edge AI Studio 中的雷達擴充程式由兩個關鍵元件構成：

• 前端 GUI，可在本機系統或雲端伺服器上使用
• 一個後端 PyTorch 引擎，用於處理 API 叫用和模型執行。

初學者可以從使用我們的 CCStudio™ Edge AI Studio 來探索雷達表面分類範例專案開始。這種指導性的體驗包括雷達預載資料集評估、模型定義、編譯以及工作流程中的其他關鍵步驟。

對雷達感測和機器學習較為熟悉的高階使用者可以直接與後端引擎互動。

訓練、編譯和評估完全可自訂，讓使用者可以根據需要用自己的方法替換單一步驟。

這種靈活的架構確保該工具能夠為各個級別的使用者帶來價值，從雷達和機器學習的新手到尋求自動化和整合指導以將模型部署到我們的雷達韌體專案中的經驗豐富的開發人員。

請觀看我們的逐步指南影片，以了解如何開始使用 TI 的表面分類範例模型，以及如何快速收集、訓練和部署您的資料。