Tillbehör för smart hjälm: 4 steg

2024 Författare: John Day | [email protected]. Senast ändrad: 2024-01-30 12:46

Svimlande 1,3 miljoner människor dör varje år på grund av trafikolyckor. En stor del av dessa olyckor involverar två hjul. Tvåhjulingar har blivit farligare än någonsin tidigare. Från och med 2015 var 28% av alla dödsfall orsakade av trafikolyckor kopplade till tvåhjulingar. Rattfylleri, distraktioner, överfart, rödljushoppning och ilska är några av anledningarna till att vägar blir en farlig del av stadslivet. Om åtgärder inte vidtas kan trafikolyckor bli den femte ledande dödsorsaken till 2030.

Med hjälp av accelerometer och gyroskopsensor som drivs av Arduino gjorde vi en lösning för detta problem i form av hjälmtillbehör. En av huvudfunktionerna i vår smarta hjälm använder en Raspberry Pi -kamera placerad på baksidan av hjälmen för att analysera dess matning för att upptäcka om ett fordon är farligt nära. Vid detektering aktiveras en summer. En annan funktion hos hjälmen är att omedelbart få hjälp till bärare av hjälmen vid en olycka. Detta inkluderar att skicka ett SOS -meddelande till sina nödkontakter med bärarens plats. Vi har också gjort en app som interagerar med och tar emot data från Arduino och bearbetar den för att ytterligare förbättra hjälmens funktion.

Steg 1: Material

Icke-elektroniskt material:

1 Hjälm

1 Huvudfäste för actionkamera

1 påse

Elektroniska material:

1 Raspberry Pi 3

1 Arduino Uno

1 R-Pi-kamera

1 KY-031 Knocksensor

1 GY-521 Accelerometer/Gyroskop

1 HC-05 Bluetooth-modul

1 USB -kabel

Trådar

Steg 2: Hårdvarumontage

Placera actionkamerahuvudfästet runt hjälmen enligt bilden och fäst påsen på huvudfästet mot hjälmens baksida.

Steg 3: Installation av Raspberry Pi

Med hjälp av bildanalys och RPi -kameran upptäcker Raspberry Pi bilar som ligger farligt nära användaren och varnar användaren genom att aktivera vibrationsmotorer. För att konfigurera Raspberry PI och kameran laddar vi först upp vår kod till Raspberry Pi och upprättar sedan en SSH -anslutning med den. Vi kör sedan vår kod på Raspberry Pi antingen manuellt genom att köra pythonfilen från terminalen eller genom att aktivera ett bash -skript vid körtiden.

Bildanalysens uppgift utförs med hjälp av de utbildade OpenCV -modellerna på bilar. Vi beräknar sedan fordonets hastighet, och med hjälp av diagrammet för säkert avstånd och hastigheten som beräknats för fordonet beräknar vi det säkra avståndet för att varna användaren. Vi beräknar sedan koordinaterna för rektangeln på det önskade fordonet och varnar slutligen användaren när ett tröskelvärde överskrids, vilket berättar när fordonet är för nära.

För att köra rätt python -skript navigerar du till idémappen i din respektive katalog. Kör sedan filen v2.py, (skriven i Python 2) för att starta identifieringsprocessen med en förmatad video. För att börja ta ingången från Pi -kameran och sedan bearbeta den, kör Python 2 -filen, v3.py. Hela processen är för närvarande manuell, men kan automatiseras genom att ha ett bash -skript som körs enligt kraven.

Steg 4: Arduino -installation

Bluetooth-modul: Mata 5V till HC-05-modulen och ställ in RX- och TX-stiften som 10 och 11 och gör lämpliga anslutningar till Arduino-kortet.

GY 521 Gyroskop/accelerometer: Anslut SCL till A5 och SDA till A4 och mata 5V och jorda sensorn med en av jordstiftet.

KY 031 Knocksensor: Mata 5V till knock -sensorns VCC -stift och jorda den och fäst utgångsstiften till Digital I/O -stift 7 i Arduino.