📦 方案 A:保留 Hailo-8(邊緣推論)
推論執行在 Raspberry Pi 4 + Hailo-8,強調「本地避障 + 桌機導航」的 混合式架構,兼顧反應速度與全局規劃。
🎯 特點:
-
YOLO 推論本地執行,延遲極低(<50ms)
-
遇人、障礙可緊急停止
-
桌機仍負責 SLAM、導航與遠端任務下達
🧩 Node 配置圖:
📦 方案 B:不使用 Hailo-8(集中推論於桌機)
推論、SLAM、導航皆由桌機執行,Raspberry Pi 僅負責感測與馬達執行。適合網路穩定、高效能桌機、延遲容許的場景。
🎯 特點:
-
整個 AI 推論與規劃集中於桌機 RTX4060
-
Pi 僅送影像與感測資料,硬體簡化
-
價格較低、部署較單純
🧩 Node 配置圖:
✅ Node 功能總結對比表
功能項目 | 方案 A:Hailo-8 在 Pi 上 | 方案 B:不使用 Hailo-8 |
---|---|---|
AI 推論 | Pi 本地 + Hailo-8 | 桌機 GPU 推論(如 RTX) |
反應速度 | 快(即時避障) | 慢(依賴傳圖與回傳) |
架構穩定性 | 高(離線也可停車) | 中(需穩定網路) |
架構複雜度 | 高(需加 SDK、資源管理) | 低(全靠桌機) |
成本 | 稍高(Hailo 加速器) | 低(簡化硬體) |
適合情境 | 遠端 / 室外 / 容錯要求高 | 實驗室 / 學術模擬 |
📌 開發提示建議
-
可在兩種架構下都維持相同的
ROS topic
和 message 格式,例如:-
/detected_objects
用vision_msgs/Detection2DArray
-
/cmd_vel
用geometry_msgs/Twist
-
-
用
launch
檔控制不同平台啟動不同 node,保持模組化部署 -
建議所有重要 topic 都進行 rosbag2 錄製,利於後續模型訓練或錯誤追蹤
沒有留言:
張貼留言