我想和大家分享我的DIY遙控車的項(xiàng)目，在車上實(shí)現(xiàn)機(jī)器學(xué)習(xí)模型，這可能會給它帶來自主功能。下一個(gè)生物就在這里，稍低一點(diǎn)。我受到了新技術(shù)，機(jī)器人，無人機(jī)的啟發(fā)，并決定做一些與這個(gè)領(lǐng)域相關(guān)的事情。有一種想法是制造一種帶有遙控器的東西，它可以飛行或駕駛，有可能播放視頻和探測物體。我使用樹莓板+攝像頭作為圖像處理單元，檢測物體。Arduino Mega 2560以無線電模塊為硬件核心來驅(qū)動(dòng)汽車。此時(shí)通過SSH流建立視頻傳輸。所以，讓我們繼續(xù)前進(jìn)吧!

項(xiàng)目結(jié)構(gòu)：

- openCV， ML模型和圖像處理

-nRF24L01+無線電模塊

-騎上車

- RPi4 Arduino通訊

OpenCV， ML模型和圖像處理

一個(gè)很好的機(jī)會來處理圖像，視頻，流等等給了我們OpenCV庫。我想每個(gè)人都注意到了一個(gè)綠色的框架，它會在我們的手機(jī)攝像頭中尋找人臉。這是將其應(yīng)用于移動(dòng)軟件的一個(gè)很好的例子。它從90年代開始，這些年來一直在進(jìn)步。OpenCV與神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)模型一起工作，這取決于它的目標(biāo)。從人臉識別系統(tǒng)到醫(yī)學(xué)癌癥檢測模型。聽起來很酷，不是嗎?OpenCV庫可用于大多數(shù)編程語言，并擁有強(qiáng)大的支持社區(qū)。它是如何工作的?簡而言之，每個(gè)圖像都可以表示為一個(gè)像素?cái)?shù)組，其值從0到255，如果用rgb比例著色，則可以表示為多維數(shù)組。視頻實(shí)際上是一組圖像，這些圖像是結(jié)構(gòu)化的，每秒顯示24次。OpenCV可以在迭代循環(huán)中處理它。關(guān)鍵時(shí)刻是在OpenCV中使用神經(jīng)網(wǎng)絡(luò)/ML模型。例如，在擁擠的地方的照片上數(shù)人。如果我們只有20個(gè)人，這可能很容易，但如果這是一張來自無人機(jī)的照片，而且有無數(shù)的照片呢?在這里，ML模型可以幫助您。Tensorflow, pythorch， utralistyolo模型已經(jīng)有了訓(xùn)練好的對象識別和分類模型。

它可以以0.44的概率檢測和分類右側(cè)的人。

所有這些庫的主要特點(diǎn)是有機(jī)會根據(jù)您的特定需求訓(xùn)練您自己的模型。

我嘗試過使用TensorFlow、Ultralytics Yolo和Edge Impulse，但由于文檔和軟件包支持組織不佳，我無法推薦第一個(gè)。對于我這個(gè)初學(xué)這個(gè)領(lǐng)域的人來說，它看起來很亂。

Ultralytics Yolo看起來好多了。

這里有必要強(qiáng)調(diào)一下邊緣實(shí)現(xiàn)的ML主題。這里有可能使我們的模型在邊緣設(shè)備上工作，如微控制器，手機(jī)，嵌入式系統(tǒng)等，與我們的PC相比，它們具有極低的RAM內(nèi)存和CPU性能。

首先，針對邊緣設(shè)備，我嘗試用TensorFlow訓(xùn)練一個(gè)自定義模型，因?yàn)樗幸粋€(gè)專門設(shè)計(jì)的工具來提取邊緣設(shè)備模型的精簡版本，我遇到了很多障礙，與系統(tǒng)不兼容，依賴等。

Ultralytics有可能將ML模型轉(zhuǎn)換為您希望的任何格式，更不用說。但在Raspberry Pi 4上部署它時(shí)，我使用USB網(wǎng)絡(luò)攝像頭每秒只能拍到1幀，看起來真的很慢。

Edge Impulse真的幫了我大忙。他們的方法為我提供了一個(gè)性能提高15倍的定制模型!

在他們的網(wǎng)站和YouTube上有組織良好的文檔。

可能部署你的模型作為一個(gè)zip庫在Arduino或構(gòu)建它直接到你的RPi板從邊緣脈沖web服務(wù)器!不可思議。

下載后，您將獲得一個(gè)帶有Python腳本的生成的Python SDK包，我們可以在項(xiàng)目中使用它。

有很多關(guān)于如何使用其他框架/庫(如TensorFlow， Yolo等)訓(xùn)練自定義模型的資源。

nRF24L01無線電模塊

它可能會給你的背部帶來一點(diǎn)疼痛。如果你沒有準(zhǔn)備好，可能會多一點(diǎn)。

這是市場上最便宜的選擇，但有幾個(gè)時(shí)刻可能會讓你發(fā)瘋。

為了避免在模塊之間建立通信的所有問題，我強(qiáng)烈建議您在這里學(xué)習(xí)nRF24文檔：

如果你還在與困難作斗爭，你必須：

?直接在模塊上的VCC和GND引腳上焊接約50μF的電容器。

?檢查模塊是否工作，因?yàn)橛泻芏嗄K是直接從生產(chǎn)線上壞掉的。

使用這段代碼來檢查你的模塊是否可以掃描無線電環(huán)境：

如果你的模塊處于工作狀態(tài)，它必須在串行監(jiān)視器中顯示類似的東西：

每一行代表一個(gè)掃描循環(huán)。從左到右，數(shù)字對應(yīng)于每個(gè)通道。0表示該頻道不受家庭無線電發(fā)射器(如WiFi、手機(jī)等)的影響。

如果每一行都是零表示-這是壞消息。盡量選擇一個(gè)免費(fèi)的無線電頻道，以減少噪音和干擾，例如WiFi。

車輪上的

在造車之前，我一直在琢磨如何把它變成現(xiàn)實(shí)。

我跟著這些想法走：

樹莓派4從USB網(wǎng)絡(luò)攝像頭獲取視頻，對其進(jìn)行處理，并將帶有移動(dòng)或不移動(dòng)信息的數(shù)據(jù)發(fā)送到Arduino，等等。

同時(shí)，Arduino有2種模式：遙控模式和自主模式。

遠(yuǎn)程控制模式意味著等待來自nRF24L01模塊的數(shù)據(jù)，如果來自發(fā)射器的數(shù)據(jù)處于中立位置，則保持移動(dòng)值x和y為0(操縱桿未動(dòng)，以數(shù)字表示輸出1023中的512)。

如果無線電模塊斷電，Arduino會切換到自主模式，并嘗試掉頭。在攝像機(jī)視圖中有可能捕捉到一個(gè)目標(biāo)，然后如果它發(fā)生了，它將停止轉(zhuǎn)身并向目標(biāo)(球)移動(dòng)。

預(yù)建的車輛平臺可以在網(wǎng)絡(luò)市場上找到。例如:

問題是，我不確定如何嵌入樹莓派和arduino板與電池，如何使輪子驅(qū)動(dòng)，因此決定建立它在我自己的幾個(gè)細(xì)節(jié)從aliexpress和木制板

野馬準(zhǔn)備好了全副武裝

要控制這個(gè)正在使用DIY的玩具遙控器：

這里使用了兩個(gè)Arduino操縱桿，一個(gè)Arduino Nano板和一個(gè)NRFL01無線電模塊。接線原理圖如下：

發(fā)射機(jī)代碼如下：

car的代碼看起來不像以前那樣簡單。問題是我應(yīng)該連接并結(jié)合raspberry pi4和arduino mega。其工作原理如下：RPI4使用usb網(wǎng)絡(luò)攝像頭來處理傳入的視頻與opencv庫。然后，檢測到的對象的坐標(biāo)必須通過端口傳遞到arduino板。同時(shí)，2個(gè)伺服器直接連接到rpi4 gpio引腳上，目的是針對被檢測對象。汽車配線如下：

據(jù)我們所知，RPI4板對功耗非常敏感，因此決定使用單獨(dú)的電源。值得一提的是，rpi4和arduino板之間的邏輯電平移位器使用的是uart端口，因?yàn)殡娐钒逯g的邏輯電壓不兼容會損壞rpi4。

Arduino scetch車輛如下：

在樹莓派方面，代碼正在python環(huán)境中使用opencv庫以及預(yù)訓(xùn)練的機(jī)器學(xué)習(xí)模型執(zhí)行。如上所述，在從邊緣脈沖服務(wù)器下載機(jī)器學(xué)習(xí)模型時(shí)生成Python代碼。需要注意的一點(diǎn)是，我們必須根據(jù)自己的需要對其進(jìn)行修改。在我的情況下，我必須提取對象的x， y坐標(biāo)值，通過art傳遞給arduino板。

Python腳本生成的邊緣脈沖波紋。我只是添加了一個(gè)函數(shù)，傳遞值到伺服：

結(jié)論:

?在Raspberry Pi 4設(shè)備上部署用于對象識別的ML模型是可能的。

?與其他產(chǎn)品相比，Edge Impulse提供了最好的性能。缺點(diǎn)是它是為大型培訓(xùn)任務(wù)提供的付費(fèi)服務(wù)。

?盡管我在RPi4上獲得了相對較好的FPS分?jǐn)?shù)，但對于較大的任務(wù)來說，它仍然很慢。

為了更好地開發(fā)項(xiàng)目，將平臺轉(zhuǎn)換為帶有g(shù)pu或npu的平臺是一個(gè)不錯(cuò)的選擇。

本文編譯自hackster.io