Navigation autonome d'un robot mobile

introduction

• Analyse du règlement de la compétition «RTK Cup»
• Analyse d'algorithmes existants pour l'orientation autonome d'un robot mobile
• Création de logiciels

Analyse du règlement de la compétition «RTK Cup»

brièvement sur les éléments qui composent le polygone

«» , . , , (), , (), ..

:



:



– , «» ( ) , . , , , , .

. , , , , , , .

• Conduite le long d'une ligne avec un capteur de lumière ambiante ou un système de visibilité directe
• Capture de balise autonome à l'aide d'un capteur de distance ou de systèmes de vision
• Mouvement le long d'une trajectoire complexe (par exemple, montée / descente d'escaliers) le long d'une ligne à l'aide d'une boussole, d'un gyroscope, d'un accéléromètre, d'un système de vision ou de méthodes combinées

Analyse des algorithmes de vision par ordinateur existants

• une ou plusieurs caméras
• complexe informatique
• Logiciel qui fournit des outils de traitement d'image
• Canaux de communication pour la transmission d'informations sur la cible et la télémétrie.

• Suppression du bruit ou de la distorsion causés par le capteur utilisé
• Flou d'image utilisé pour se débarrasser des petits artefacts qui se produisent lors du fonctionnement de l'appareil photo, des éléments de décompression, du bruit, etc.
• Amélioration du contraste afin que les bonnes informations puissent être détectées plus probablement
• Modifier l'exposition aux zones d'ombres ou de hautes lumières
• Mise à l'échelle ou recadrage pour mieux distinguer les structures de l'image.
• Conversion d'une image en monochrome ou modification de sa résolution pour des performances système plus rapides

• La sélection d'un certain ensemble de points d'intérêt en couleur, le nombre de pixels isolés qui se ressemblent en quelque sorte (courbure de la figure, couleur, luminosité, etc.)
• Segmentation d'une ou plusieurs sections d'image contenant un objet caractéristique.

• Filtrage des valeurs par n'importe quel critère
• Évaluation de paramètres tels que les dimensions physiques de l'objet, la forme, son emplacement dans le cadre ou par rapport à d'autres objets caractéristiques
• Classification

• La prise en charge de la bibliothèque pour l'interface Python en raison de la relative facilité d'apprentissage de ce langage par un débutant, est une syntaxe simple, qui a un effet bénéfique sur la lisibilité du programme.
• Portabilité, c'est-à-dire la possibilité d'exécuter un programme en utilisant cette bibliothèque sur raspberry pi3.
• La prévalence de la bibliothèque, qui garantit une communauté bien développée de programmeurs qui peuvent avoir déjà rencontré des problèmes qui peuvent survenir au cours de votre travail.

Développement de logiciels

$ sudo apt install python3-pip

• picamera - bibliothèque pour travailler avec la caméra raspberry pi
• numpy - une bibliothèque pour travailler avec des tableaux de données multidimensionnelles, sous forme d'images

$ sudo pip3 install picamera
$ sudo pip3 install numpy

$ sudo apt-get install cmake cmake-curses-gui libgtk2.0-dev
$ sudo apt-get install cmake cmake-curses-gui libgtk2.0-dev

$ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libx264-dev libxvidcore-dev
$ sudo apt-get install libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev
$ sudo apt-get install gfortran libatlas-base-dev

$ sudo apt install libgstreamer1.0-0 gstreamer1.0-plugins-base gstreamer1.0-plugins-good gstreamer1.0-plugins-bad gstreamer1.0-plugins-ugly gstreamer1.0-libav gstreamer1.0-doc gstreamer1.0-tools gstreamer1.0-x gstreamer1.0-alsa gstreamer1.0-gl gstreamer1.0-gtk3 gstreamer1.0-qt5 gstreamer1.0-pulseaudio

$ mkdir opencv
$ cd opencv

$ wget https://github.com/opencv/opencv/archive/4.1.0.zip -O opencv_source.zip
$ unzip opencv_source.zip
$ wget https://github.com/opencv/opencv_contrib/archive/4.1.0.zip -O opencv_contrib.zip
$ unzip opencv_contrib.zip

$ rm opencv_source.zip
$ rm opencv_contrib.zip

$ cd /home/pi/opencv/opencv-4.1.0
$ mkdir build
$ cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D INSTALL_PYTHON_EXAMPLES=ON -D INSTALL_C_EXAMPLES=OFF -D BUILD_opencv_python2=OFF -D WITH_GSTREAMER=ON -D BUILD_EXAMPLES=ON -DENABLE_VFPV3=ON -DENABLE_NEON=ON -DCPU_BASELINE=NEON ..

$ make –j4

$ sudo make install
$ sudo ldconfig

import cv2
print(cv2.getBuildInformation())

• flux vidéo principal - transfère les données vidéo directement de la caméra du robot vers un ordinateur pour garantir un délai de contrôle minimal.
• flux vidéo auxiliaire - transfère les données vidéo traitées par le robot, nécessaires à la configuration et au débogage d'un programme qui met en œuvre la vision par ordinateur.

• La «console» dans un cycle interroge tous les périphériques d'entrée disponibles et forme un paquet de données de contrôle composé des données elles-mêmes et de la somme de contrôle (au moment d'apporter les dernières modifications à l'article, j'ai refusé de créer des sommes de contrôle afin de réduire le délai, mais dans la source, que j'ai disposé à la fin de ce morceau de code est laissé) - d'une certaine valeur calculée à partir d'un ensemble de données par le fonctionnement d'un algorithme utilisé pour déterminer l'intégrité des données pendant la transmission
• Robot - Attend l'accès aux données depuis l'ordinateur. Décompresse les données, recalcule la somme de contrôle et la compare avec celle envoyée et calculée côté ordinateur. Si les sommes de contrôle correspondent, les données sont transférées vers le programme principal.

à propos du robot

.

— . (3 ) . , . 6 , . . . . , - . «» rasberry pi 3 b — .

, , , , Solidworks petg . , raspberry .

ubiquiti bullet M5 hp. ( ) , . , «» .

: «» thingiverse. , , , , .

, , . , . , , , , . , , , .





- ( - 200 ) , , 90 70 ( ), , « ». , VL53L0X , .

«» , , (rds3115). — , , , , .

, , , :

- , , , . . raspberry, , . , .

, USB. , , .

Création d'un algorithme de détection de ligne utilisant les méthodes de la bibliothèque OpenCV

sudo raspi-config

from picamera.array import PiRGBArray
from picamera import PiCamera
import cv2
#   
camera = PiCamera()
camera.resolution = (640, 480) 
camera.framerate = 30
cap = PiRGBArray(camera, size=(640, 480))

for frame in camera.capture_continuous(cap , format="bgr", use_video_port=True):
	new_frame = frame.array
	cap.truncate(0)
	if False: #   -   
		break

gray = cv2.cvtColor(self._frame, cv2.COLOR_RGB2GRAY)
blur = cv2.GaussianBlur(gray, (ksize, ksize), 0)

thresh = cv2.threshold(blur, self._limit, 255, cv2.THRESH_BINARY_INV)[1]

contours = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)[0]

mainContour = max(contours, key = cv2.contourArea)
M = cv2.moments(mainContour)
if M['m00'] != 0:#     (..   -  )
    cx = int(M['m10']/M['m00'])
    cy = int(M['m01']/M['m00'])

cv2.line(frame, (cx, 0), (cx, self.height), (255, 0, 0), 1)    #    
cv2.line(frame, (0, cy), (self.width, cy), (255, 0, 0), 1)                  
cv2.circle(frame, (self.width//2, self.height//2), 3, (0, 0, 255), -1) #  
cv2.drawContours(frame, mainContour, -1, (0, 255, 0), 2, cv2.FILLED) #   

error= cx / (self.width/2) - 1  
#  ( 0   )  [-1; 1]
error*= cy / self.height + self.gain #

#if lineFound:
leftSpeed = round(self.base_speed + error*self.koof)
rightSpeed = round(self.base_speed - error*self.koof)

Conclusion

• -, , ( , ), . , , , . , , , ,
• -, — , ,