MyPetBot (en bot som följer dig): 10 steg (med bilder)

2024 Författare: John Day | [email protected]. Senast ändrad: 2024-01-30 12:39

Ai är en av de vackraste tillämpningarna av matematik. Det är i grunden ett gäng matriser som är optimerade för att matcha det resultat du letar efter. Lyckligtvis finns det massor av open source -verktyg som gör att vi kan använda det.

Jag hade ursprungligen idén för länge sedan när jag arbetade på ett vattenfall avaktiverat av människor som passerar kast. Jag använde ultraljudssensorer och upptäckte för sent att de inte fungerar särskilt mycket när de är blöta … Det var ingen rolig upplevelse. Vi slutade med att använda en stor knapp som folk skulle trycka på om de ville passera. Det blev bra eftersom det var varmt och folk älskade att bli blöta, men problemet stannade i mitt huvud … Hur man upptäcker människor och aktiverar en reaktion.

Jag berättar den här historien eftersom jag vill påpeka att denna princip kan användas för massor av andra applikationer! Att följa ditt ansikte med en leksak är bara en av dem. För interaktiva installationer kan du göra vad som helst. Du kan använda en modell för att upptäcka om ett ansikte ler. Du kan räkna antalet hundar i en park. Du kan stänga dina persienner när människor passerar. Eller … gör en controller för din nintendo bas på din kroppsposition…. Du kan ladda ner många andra Ai -modeller som gör alla slags saker.

Det finns några handledning om hur man får Ai -slutsatser att fungera med hallonpi. Jag är här för att lära dig hur du gör hålintegrationen till en självarbetande enhet. Så snart din robot startar startar den nödvändiga program.

Tillbehör

• Parallaxrobot: Jag valde den här roboten eftersom jag hade den kvar, men alla robotar som kan styras med en arduino kommer att göra jobbet.
• Hallon pi: Jag rekommenderar åtminstone hallon pi 3B+.
• Intel Neural Stick: Slutsatsen går från en per sekund till 8. Du behöver verkligen en om du vill göra Ai i en hallonpi.
• Power Bank: Det enklaste sättet att hantera makten. Fungerar med hallon pi 3B+, du kanske vill kontrollera att det fungerar med en pi 4.
• Picamera: Jag gillar att använda picamera istället för en usb.

Steg 1: Rover -montering

Poängen med handledningen handlar främst om programvaran, så jag vill inte gå in för mycket på detaljerna i rovern. Det fungerar med denna robot, men det kan verkligen fungera med vilken annan hårdvara som helst. Behöver inte ens vara för en rover, du kan använda den för en rörelsessensor.

1. Hitta dig själv ett Arduino -kontrollerat fordon.
2. Tätt linda en powerbank till den.
3. Tätt in en hallonpi till den.
4. Limma kameran med en liten vinkel mot toppen.
5. Koppla ihop allt.
6. Voila!

Steg 2: Raspbian

Jag använder en hallon pi, men det finns ingen anledning att inte använda en annan linux … upp till dig. Jag kan släppa en plug and play -bild för att bränna ett sd -kort, jag kommer till det om tillräckligt många är intresserade.

Installera Raspbian: Du kan installera Raspbian Buster Lite. Vi kommer inte att använda skrivbordet … Endast ssh Secure Shell -anslutningen.

Anslut till din Pi: Först kan du ansluta till din hallon pi med en Ethernet -anslutning

Ställ in din wifi: Nu kan du konfigurera din trådlösa anslutning

Steg 3: OpenVino

OpenVino är ett fantastiskt bibliotek som stöds av Intel. De har gjort ett bra jobb med att sammanställa exempelmodeller och de har gjort det mesta av ai -ram kompatibelt. Du behöver det här biblioteket för Intel Neural Stick.

Python3 -installation: Du måste installera python 3.

OpenVino -installation: När detta är klart ser du raden "[setupvars.sh] OpenVINO -miljö initierad" varje gång du ansluter till hallonpi.

OpenVino är en förlängning av opencv. För att testa det kan du starta python3 och importera cv2.

skriv in i skalet:

python3

skriv in python:

• importera cv2
• cv2._ version_

Den sista raden ska returnera '4.1.2-openvino' eller någon annan version av openvino. om if säger opencv din installation inte fungerade …

Steg 4: Ladda ner koden

Först installerar vi git. Skriv in i skalet:

sudo apt-get install git

Sedan kan vi flytta till mappen Dokument och ladda ner koden:

• cd ~/Dokument/
• git -klon

Steg 5: FollowMe (Python)

Det här är den roll du vill spela med. Gör if följa dig! Gör den rädd för dig! Följ din hund! Få det att känna igen ansiktsuttryck !! Trakassera din katt !!! Vad du än vill ha.

Du hittar fyra huvudmappar: Arduino, Deployment, Player och FollowMe:

Arduino: Mer om det i nästa avsnitt

Distribution: Det är här jag sätter användargränssnittet. Just nu kodade jag en enkel start/stopp -knapp och en liten kameratittare med kontroll bara päls.

Spelare: Tänkt att användas i din stationära dator. För att granska utdata från botten!

FollowMe: Modulen som gör det riktigt roligt

Jag lägger mer information om github, så att bara ha ett ställe att uppdatera. Detta är platsen för koden

Steg 6: Ladda ner modellerna

Modellerna för slutsatser ingår inte i koden eftersom de är ganska stora. Men du kan hitta många exempel med OpenVino modell Zoo

Du kan använda modellnedladdaren eller direkt kasta den här länken. I mitt fall kunde jag inte använda modellnedladdaren från min hallon pi -installation …

Kopiera sedan modellen till en mapp som heter Modeller med:

• cd ~/Documents/FollowMe
• mkdir Modeller
• cd -modeller
• wget
• wget

Du behöver alltid.xml och.bin.

Du kan ladda ner vilken modell du vill … Men du måste ändra koden. Ha så kul!

Steg 7: Arduino

Vi fick ladda ner koden i föregående steg. Koden för arduino finns i den!

Koden är avsedd att driva två kontinuerliga servon. Om du väljer en annan konfiguration måste du ändra koden.

Det gör i princip två saker. Den kommunicerar med datorn och den aktiverar servon med vald hastighet.

Jag kunde ge oss utgången från hallon pi direkt för att styra motorerna … men arduinos fungerar bättre (de har en verklig frekvensgenerator). Jag ville också ladda ner hallon pi så mycket som möjligt för att göra slutsatsen snabbare.

Steg 8: GUI

Inget märkvärdigt … Ändå. Jag kan lägga till några andra saker som live view eller rörelsekontroller. Men under tiden kommer en enkel start och stopp att göra susen.

Om du vill testa det måste du starta det från katalogen FollowMe Level och sedan ringa det från python3:

• cd ~/Documents/FollowMe
• python3 Deployment/FollowMe.py

Sedan kan du komma åt gränssnittet i din webbläsare genom att skriva:

192.168.0.113:8000

med rätt IP -adress förstås.

Det finns också en videovisare med kontroller … men inte med slutsatser

python3 Deployment/StreamVideo.py

Steg 9: Service

Det är detta som får Rover att fungera av sig själv. En tjänst är ett program som körs i datorns bakgrund utan en användare. Se till att alla dina banor är absoluta och att du har rätt rättigheter om du använder några filer och att tjänsten fungerar bra.

För att köra ett python -skript som en tjänst måste du referera till skriptet i en servicefil. Servicefilen finns i koden som laddats ner från git i mappen Deployment. Namnet är FollowMe.service.

För att kopiera det skriver du följande i skalet:

sudo cp ~/Documents/FollowMe/Deployment/FollowMe.service/etc/systemd/system/

Första gången du kopierar filen måste du uppdatera systemctl … eller starta om:

sudo systemctl daemon-reload

Och för att börja:

sudo systemctl starta FollowMe

Du kan också använda kommandona stoppa, aktivera och inaktivera. De två sista är för en ihållande statsändring.

Liten förklaring….

Openvino behöver några extra sökvägar i systemvariablerna för att det ska fungera. Tyvärr fungerar den normala installationen inte som en tjänst. Så du behöver den här filen för att ställa in variablerna.

Lägg märke till att min installation är för python 3.7 därför finns det en variabel som du kan behöva justera … Lycka till!

Den här filen refererar till python -skriptet i den absoluta sökvägen:

/home/pi/Documents/FollowMe/Deployment/FollowMe.py

Steg 10: Det är det! Ha så kul

Kommentarer? alltid välkommen