PiTanq - Robot -tank With Raspberry Pi and Python to Learn AI: 10 Steps

2024 Συγγραφέας: John Day | [email protected]. Τελευταία τροποποίηση: 2024-01-30 08:36

Το Pitanq είναι ένα ρομπότ-δεξαμενή με κάμερα που τροφοδοτείται από το Raspberry Pi. Σκοπός του είναι να βοηθήσει στην εκμάθηση μιας τεχνητής νοημοσύνης της αυτο-οδήγησης. Η τεχνητή νοημοσύνη στη δεξαμενή υποστηρίζεται από το OpenCV και το Tensoflow που δημιουργήθηκαν ειδικά για το Raspbian Jessie.

Βασισμένο σε ανθεκτικό πλαίσιο αλουμινίου, το PiTanq είναι καλό για εξωτερική χρήση.

Υπάρχει μια διαδικτυακή υπηρεσία python ανοιχτού κώδικα που εκθέτει τη διεπαφή REST για τον έλεγχο του ρομπότ.

Παρέχεται επίσης μια εφαρμογή Android.

Υπάρχουν μερικά επιπλέον πράγματα: βάση κάμερας με κλίση και κλίση (ελέγχεται επίσης από το τηλέφωνο) και αισθητήρας υπερήχων.

Αποποίηση ευθυνών. Αυτός δεν είναι ένας πλήρης οδηγός, μόνο ένα περίγραμμα. Ο πλήρης οδηγός βρίσκεται στο GitHub.

Βήμα 1: Λίστα υλικών

Raspberry Pi

ΦΩΤΟΓΡΑΦΙΚΗ ΜΗΧΑΝΗ

Μετατροπέας ισχύος

Ελεγκτής κινητήρα

Ελεγκτής PWM

2x18650 Μπαταρίες

Σασί

Βάση Pan-and-Tilt

Αποποίηση ευθυνών. Η αναφερόμενη λίστα δεν έχει ολοκληρωθεί. Υπάρχουν πολλά μικρά πράγματα, όπως σύρματα, βίδες, ακρυλικές πλάκες. Μπορείτε να λάβετε περισσότερες πληροφορίες ή να αγοράσετε ολόκληρο το πακέτο στον ιστότοπο του PiTanq

Βήμα 2: Κατασκευάστε το πλαίσιο δεξαμενής

Βήμα 3: Συνδέστε ηλεκτρικά σε ένα πιάτο

Βήμα 4: Συνδέστε την κάμερα και το μετρητή απόστασης στην πλακέτα

Βήμα 5: Συνδέστε την πλακέτα κάμερας στη βάση και τη στάση στο πλαίσιο

Βήμα 6: Συνδέστε τη θήκη μπαταρίας στο πλαίσιο

Βήμα 7: Συνδέστε την ηλεκτρική πλάκα στο πλαίσιο και συνδέστε τα πάντα

Βήμα 8: Εγκατάσταση λογισμικού

1. Εγκαταστήστε το Raspbian Jessie
2. Εγκαταστήστε το OpenCV
3. Εγκαταστήστε το Tensorflow
4. Εγκαταστήστε το MJPG-Streamer
5. Λάβετε τον κωδικό υπηρεσίας ελέγχου από το GitHub

Αυτός ο κωδικός είναι γραμμένος σε python και παρέχει διεπαφή REST για τον έλεγχο της δεξαμενής.

Ως παραδείγματα χρήσης τεχνητής νοημοσύνης υπάρχουν:

- ανιχνευτής γάτας με καταρράκτες Haar από το OpenCV

- ανιχνευτής αντικειμένων με OpenCV-DNN

- ταξινομητής εικόνας με Tensorflow

Η διεπαφή REST είναι:

• GET /ping
• GET /έκδοση
• GET /όνομα
• GET /dist
• POST /fwd /on
• POST /fwd /off
• POST /back /on
• POST /back /off
• POST /αριστερά /ενεργοποιημένα
• POST /αριστερά /απενεργοποιημένα
• POST /right /on
• POST /δεξιά /απενεργοποίηση
• ΑΝΑΡΤΗΣΗ /φωτογραφία /μάρκα
• GET /φωτογραφία /: phid
• GET /φωτογραφία /λίστα
• POST /cam /up
• POST /cam /down
• POST /cam /right
• POST /cam /left
• POST/detect/haar/: phid
• POST/detect/dnn/: phid
• POST/classify/tf/: phid

Βήμα 9: Ρύθμιση σύνδεσης

Υπάρχει ένας ακέφαλος τρόπος για να ρυθμίσετε τη σύνδεση Wi-Fi για το Raspberry Pi.

Τοποθετήστε την κάρτα microSD με το Raspbian σε έναν υπολογιστή.

Δημιουργήστε ένα αρχείο κειμένου wpa_supplicant.conf με περιεχόμενο:

ctrl_interface = DIR =/var/run/wpa_supplicant GROUP = netdevupdate_config = 1 χώρα = ΗΠΑ

network = {ssid = "your-wifi-network" psk = "your-wifi-password" key_mgmt = WPA-PSK}

Επίσης, θα συνιστούσα να δημιουργήσετε ένα κενό αρχείο με το όνομα "ssh". Θα επιτρέψει απομακρυσμένη πρόσβαση σε RPI (μην ξεχάσετε να αλλάξετε τον προεπιλεγμένο κωδικό πρόσβασης).

Βήμα 10: Λήψη εφαρμογής Android

Εγκαταστήστε την εφαρμογή Android από το Google Play

Με την εφαρμογή μπορείτε να οδηγήσετε τη δεξαμενή, να μετακινήσετε την κάμερα, να παρακολουθήσετε ζωντανό βίντεο, να τραβήξετε φωτογραφίες, να εντοπίσετε αντικείμενα στις φωτογραφίες.