Ziel
Ein kleiner Robot auf Basis eines Raspberry Pi soll selbstständig Aruco codes finden und anfahren können
Konzept
Ein Python Script benutzt die OpenCV Library um Arucos im Bild mit Position und Entfernung zu erkennen. Der Videostream und die Position mit Entfernung werden von dem Script zur Verfügung gestellt.
Ein Node-Red Flow Nimmt die Position auf und gibt Steurbefehle über an einen ItsyBitsy M3, der damit ein MotorShield steuert.
Angeschlossen aber nicht benutzt ist ein BNO055, der Sensordaten Liefert um z.B. die Positionsbestimmung zu verbessern.
Hier eine Übersicht
Hier ein Schaltplan dazu
Es soll aber trotzdem möglich sein, daß ein Benutzer eingreift,dafür die UI aus Node-Red heraus
setup
Aller Code und auch ein Setup können im https://github.com/hackffm/arucomover gefunden werden. es wird davon ausgegangen, daß das ganze auf einem Debian basiertem Linux läuft. Also Ubuntu oder Raspian. Im Setup Folder gibt es Skripte, die das allermeiste vorbereiten sollten. Das in der arucodetection verwendete Shared Memory ist erst ab Python 3.8 verfügbar. Auf einem RaspberryPi3 ist 3.7 default. Daher gibt es im Setup Folder ein entsprechendes Skript für den Pi. Vor der Ausführung muss das Swapfile vergrößert werden
sudo nano /etc/dphys-swapfile -> CONF_SWAPSIZE=1024
sudo /etc/init.d/dphys-swapfile restart
Ein gutes Netzteil vorrausgesetzt, läuft daß dann einige Zeit. Die übrigen Setup Skripte können, mit der richtigen Python Version dann ausgeführt werden. Der Schritt 2_setup_folders.sh installiert auch alle python requierements. Das kann auf eine PI 3 mehrere Stunden dauern.
Arucodetetcion
ist ein Pythoncode, der von dieser Seier OpenCV_mit_Python inspiriert ist und in zwei Prozessen läuft. Web und Arucodetecion.Damit der WebProzess die Arcuoposition über ein Websocket liefern kann, sind beide über eine Managed Queue verbunden. Der Video Stream wird in ein Shared Memory geschrieben und vom Webprozess drausgeholt. Dies ist erst ab Python 3.8 möglich Es wird davon ausgegangen, daß ein Camera Device 0 vorhanden ist. Sollte eine Kalibrierung für eine bessere Erkennung notwendig sein, kann ein entsprechendes Config File camera.json mit create_camera_config.py erstellt werden. Dies muss dann in den vom Setup erstellten /USERHOME/arucodetection Folder kopiert werden
itsyBitsyM4
die verwendeten libraries müssen im lib Folder vorhanden sein und eventuell nachinstalliert werden. Z.B. adafruit_bno055. Diese Müssen zur CircuitPython Version des M4 passen
code.py ist der Ausgeführte Code. Mitlerweile ist ein I2C Test in diesen eingebaut. will man nur I2C testen, kann man code.py umbenennen. Dann wird automatisch main.py aufgerufen, daß in einer Endlosschleife die angeschlossenen I2C devices abfragt
Hardware Evolution
- Stepps
Start
Stepp 2
Stepp 4
Final Hardware
BOM
Raspberry Pi 3
BNO055
MotorAeshield V2