👒 👴🏻 🌕 एक मोबाइल रोबोट का स्वायत्त नेविगेशन 🍰 🥑 🔮

एक बड़ी संख्या में ऐसे तरीके हैं जिनसे एक रोबोट बाहरी दुनिया से सूचना प्राप्त कर सकता है ताकि उसके साथ बातचीत की जा सके। इसके अलावा, उसे सौंपे गए कार्यों के आधार पर, इस जानकारी को संसाधित करने के तरीके भिन्न होते हैं। इस लेख में मैं स्कूल परियोजना के हिस्से के रूप में किए गए कार्य के मुख्य चरणों का वर्णन करूंगा, जिसका उद्देश्य स्वायत्त रोबोट नेविगेशन के विभिन्न तरीकों पर जानकारी को व्यवस्थित करना और "आरटीआई कप" प्रतियोगिताओं के लिए रोबोट बनाने की प्रक्रिया में प्राप्त ज्ञान को लागू करना है।

परिचय

"आरटीके कप" प्रतियोगिताओं में उन कार्यों का एक ब्लॉक होता है जिन्हें ऑपरेटर के हस्तक्षेप के बिना पूरा किया जाना चाहिए। मेरा मानना है कि कई प्रतिभागी इन कार्यों को गलत तरीके से करने से बच रहे हैं, क्योंकि एक रोबोट डिजाइन बनाने और प्रोग्राम लिखने की प्रतीत होने वाली जटिलता एक प्रशिक्षण ग्राउंड में संयुक्त रूप से अन्य प्रतिस्पर्धी विषयों से बड़े पैमाने पर सरलीकृत कार्यों को छुपाती है। अपनी परियोजना के द्वारा, मैं इस तरह की समस्याओं के संभावित समाधान दिखाना चाहता हूं, उदाहरण के तौर पर रेखा के साथ।

परियोजना के लक्ष्य को प्राप्त करने के लिए, निम्नलिखित मध्यवर्ती कार्य तैयार किए गए थे:

प्रतियोगिता के नियमों का विश्लेषण "आरटीके कप"
मोबाइल रोबोट की स्वायत्त अभिविन्यास के लिए मौजूदा एल्गोरिदम का विश्लेषण
सॉफ्टवेयर निर्माण

प्रतियोगिता के नियमों का विश्लेषण "आरटीके कप"

"आरटीके कप" प्रतियोगिताओं में, प्रतिभागियों को एक प्रशिक्षण मैदान के साथ प्रस्तुत किया जाता है, जिस पर विभिन्न जटिलताओं के वर्गों को मॉडल किया जाता है। प्रतियोगिता का उद्देश्य युवा रोबोटिक्स को उन उपकरणों को बनाने के लिए प्रोत्साहित करना है जो चरम स्थितियों में काम कर सकते हैं, बाधाओं को दूर कर सकते हैं, मानव नियंत्रण में या स्वायत्त रूप से।

बहुभुज बनाने वाले तत्वों के बारे में संक्षेप में

«» , . , , (), , (), ..

:

– , «» ( ) , . , , , , .

. , , , , , , .

प्रतियोगिताओं को दो मौलिक रूप से एक-दूसरे के नामांकन से अलग किया जाता है: "साधक" और "चरम"। यह सुनिश्चित करने के लिए किया जाता है कि प्रतियोगिता प्रतिभागियों और रोबोटिक प्रणालियों के विकास में न्यूनतम अंतर के साथ प्रतिभागियों के बीच आयोजित की गई थी: युवा स्तर के लिए "साधक", और "चरम" - 14 वर्ष और उससे अधिक उम्र के प्रतिभागियों के लिए। सीकर नामांकन में, ऑपरेटर स्वतंत्र रूप से सीमा के चारों ओर घूम सकता है और मशीन के साथ सीधे आँख से संपर्क कर सकता है, जबकि चरम नामांकन मानता है कि रोबोट में वीडियो संचार प्रणाली और / या कंप्यूटर विज़न है, क्योंकि ऑपरेटर को भूलभुलैया में नेविगेट करना होगा, केवल भूलभुलैया पर भरोसा करना। कैमरा और सेंसर रोबोट में बनाया गया है, जबकि एक विशेष स्क्रीन के पीछे है।

प्रतियोगिताओं में अर्हता प्राप्त करने के लिए, रोबोट को या तो मैनिपुलेटर के रिमोट कंट्रोल के लिए कार्य पारित करना होगा, या स्वायत्तता के तत्वों में से एक प्रदर्शन करना होगा। परियोजना के ढांचे में, कार्य को स्वायत्तता कार्यों को पूरा करने के लिए निर्धारित किया गया था, क्योंकि वे ऑपरेटर से सबसे कम लागत पर सबसे अधिक अंक देते हैं। स्वायत्तता के तत्वों में शामिल हैं:

एक परिवेशी प्रकाश संवेदक या दृष्टि प्रणाली की एक पंक्ति के साथ ड्राइविंग
स्टैंडअलोन बीकन दूरी सेंसर या विज़न सिस्टम का उपयोग करके कैप्चर करता है
कम्पास, जाइरोस्कोप, एक्सेलेरोमीटर, दृष्टि प्रणाली, या संयुक्त विधियों का उपयोग करके एक रेखा के साथ एक जटिल प्रक्षेपवक्र (उदाहरण के लिए, सीढ़ियों के वंश / वंश) के साथ आंदोलन।

इसके अलावा, रोबोट के स्वायत्त रूप से गुजरने पर बाधाओं पर काबू पाने के लिए अंक दोगुना हो जाते हैं।

इस परियोजना के ढांचे के भीतर, कार्यों के पहले समाधान पर विचार किया जाएगा - लाइन के साथ आंदोलन। लाइन के साथ चलते समय उपयोग किए जाने वाले सबसे आम तरीके प्रकाश सेंसर और एक कैमरा हैं। सेंसर के प्लस में एक प्रोग्राम बनाने की सादगी शामिल है - उनमें से कई ट्यूनिंग रोकनेवाला से लैस हैं, ताकि पृष्ठभूमि प्रकाश व्यवस्था के लिए सेंसर सेट करके, यह 0 या 1 को बाहर देगा, यह इस बात पर निर्भर करता है कि यह लाइन पर है या नहीं। उसी कारण से, प्रकाश संवेदक उपयोग किए गए नियंत्रक की प्रसंस्करण शक्ति पर मांग नहीं कर रहे हैं। इसके अलावा, इस वजह से, प्रकाश सेंसर की मदद से समस्या को हल करना सबसे कम खर्चीला है - सबसे सरल सेंसर की लागत 35 रूबल है, और लाइन के साथ अपेक्षाकृत स्थिर सवारी के लिए, तीन सेंसर पर्याप्त हैं (एक लाइन पर स्थापित किया गया है, और दो दो तरफ)। तथापि,ऐसे सेंसर का मुख्य नुकसान स्थापना प्रतिबंध है। आदर्श रूप से, सेंसर को मंजिल से थोड़ी दूरी पर बिल्कुल केंद्र में स्थापित किया जाना चाहिए, अन्यथा यह गलत मान देगा। यह विशेष प्रतियोगिताओं में कोई समस्या नहीं है, जहां रोबोट को ट्रैक के साथ जितना संभव हो उतना तेजी से ड्राइव करना चाहिए, लेकिन, "आरटीके कप" प्रतियोगिता की स्थितियों में, उपर्युक्त सभी सेंसर दोष गंभीर हो सकते हैं - उनकी स्थापना के लिए मुख्य रूप से रोबोट पर अतिरिक्त यांत्रिक भागों की उपस्थिति की आवश्यकता होती है जो उठाते हैं और सेंसर को कम करना, और इसके लिए रोबोट पर अतिरिक्त स्थान की आवश्यकता होती है, सेंसर को स्थानांतरित करने वाला एक अलग इंजन, और संभावित नुकसान का एक स्थान भी है और रोबोट के द्रव्यमान को बढ़ाता है।अन्यथा यह गलत मान देगा। यह विशेष प्रतियोगिताओं में कोई समस्या नहीं है, जहां रोबोट को ट्रैक के साथ जितना संभव हो उतना तेजी से ड्राइव करना चाहिए, लेकिन, "आरटीके कप" प्रतियोगिता की स्थितियों में, उपर्युक्त सभी सेंसर दोष गंभीर हो सकते हैं - उनकी स्थापना के लिए मुख्य रूप से रोबोट पर अतिरिक्त यांत्रिक भागों की उपस्थिति की आवश्यकता होती है जो उठाते हैं और सेंसर को कम करना, और इसके लिए रोबोट पर अतिरिक्त स्थान की आवश्यकता होती है, सेंसर को स्थानांतरित करने वाला एक अलग इंजन, और संभावित नुकसान का एक स्थान भी है और रोबोट के द्रव्यमान को बढ़ाता है।अन्यथा यह गलत मान देगा। यह विशेष प्रतियोगिताओं में कोई समस्या नहीं है, जहां रोबोट को ट्रैक के साथ जितना संभव हो उतना तेजी से ड्राइव करना चाहिए, लेकिन, "आरटीके कप" प्रतियोगिता की स्थितियों में, उपर्युक्त सभी सेंसर दोष गंभीर हो सकते हैं - उनकी स्थापना के लिए मुख्य रूप से रोबोट पर अतिरिक्त यांत्रिक भागों की उपस्थिति की आवश्यकता होती है जो उठाते हैं और सेंसर को कम करना, और इसके लिए रोबोट पर अतिरिक्त स्थान की आवश्यकता होती है, सेंसर को स्थानांतरित करने वाला एक अलग इंजन, और संभावित नुकसान का स्थान भी है और रोबोट के द्रव्यमान को बढ़ाता है।उपर्युक्त सेंसर दोषों में से सभी महत्वपूर्ण हो सकते हैं - उनकी स्थापना के लिए मुख्य रूप से अतिरिक्त यांत्रिक भागों के रोबोट पर उपस्थिति की आवश्यकता होती है और सेंसर को कम किया जाता है, और इसके लिए रोबोट पर अतिरिक्त स्थान, सेंसर को अलग करने वाली मोटर की आवश्यकता होती है, और यह संभावित नुकसान का स्थान भी है और रोबोट के द्रव्यमान को बढ़ाता है। ।उपर्युक्त सेंसर दोषों में से सभी महत्वपूर्ण हो सकते हैं - उनकी स्थापना के लिए मुख्य रूप से अतिरिक्त यांत्रिक भागों के रोबोट पर उपस्थिति की आवश्यकता होती है और सेंसर को कम किया जाता है, और इसके लिए रोबोट पर अतिरिक्त स्थान, सेंसर को अलग करने वाली मोटर की आवश्यकता होती है, और यह संभावित नुकसान का स्थान भी है और रोबोट के द्रव्यमान को बढ़ाता है। ।

कैमरा, बदले में, निम्नलिखित फायदे हैं: इसमें व्यावहारिक रूप से असीमित (सेंसर की तुलना में) माप त्रिज्या है, अर्थात्। केवल एक कैमरा मॉड्यूल एक साथ लाइन को देखने में सक्षम है, दोनों सीधे रोबोट के नीचे, और उससे पर्याप्त दूरी पर, जो, उदाहरण के लिए, इसकी वक्रता का मूल्यांकन करने और आनुपातिक नियंत्रण कार्रवाई का चयन करने की अनुमति देता है। उसी समय, कैमरा मॉड्यूल लैंडफिल के अन्य हिस्सों में रोबोट की उन्नति में हस्तक्षेप नहीं करता है, जिन्हें स्वायत्तता की आवश्यकता नहीं होती है, क्योंकि कैमरा फर्श से दूरी पर तय किया गया है। कैमरे का मुख्य ऋण यह है कि वीडियो प्रसंस्करण के लिए रोबोट पर एक शक्तिशाली कंप्यूटिंग कॉम्प्लेक्स की आवश्यकता होती है, और विकसित किए जा रहे सॉफ़्टवेयर को अधिक महीन-ट्यूनिंग की आवश्यकता होती है, क्योंकि कैमरा को तीन प्रकाश सेंसरों की तुलना में बाहरी दुनिया से अधिक जानकारी प्राप्त होती है, जबकि कैमरा और कंप्यूटरप्राप्त जानकारी को संसाधित करने में सक्षम तीन सेंसर और "आर्डिनेंस" से कई गुना अधिक हैं।

मेरे लिए व्यक्तिगत रूप से जवाब मेरे लिए स्पष्ट है - नामांकन "चरम" में रोबोट के पास एक दिशात्मक कैमरा होना चाहिए, जिसके साथ ऑपरेटर नेविगेट करेगा। यदि आप तैयार किए गए FPV समाधान का उपयोग करते हैं, तो अतिरिक्त उपकरणों की स्थापना की आवश्यकता होने पर, "सेंसर" की कुल लागत और भी अधिक हो सकती है। इसके अलावा, रास्पबेरी पाई और एक कैमरा वाले रोबोट में स्वायत्त आंदोलन के विकास की अधिक संभावना होती है, क्योंकि कैमरा समस्याओं की एक विस्तृत श्रृंखला को हल कर सकता है और न केवल लाइन आंदोलन में उपयोग किया जा सकता है, जबकि डिजाइन को बहुत जटिल नहीं करता है।

मौजूदा कंप्यूटर दृष्टि एल्गोरिदम का विश्लेषण

कंप्यूटर दृष्टि उन उपकरणों को बनाने का सिद्धांत है जो वास्तविक दुनिया की वस्तुओं की छवियों को प्राप्त कर सकते हैं, मानव हस्तक्षेप के बिना विभिन्न प्रकार की लागू समस्याओं को हल करने के लिए प्राप्त डेटा का उपयोग कर सकते हैं।

कंप्यूटर विजन सिस्टम में निम्न शामिल हैं:

एक या अधिक कैमरे
कंप्यूटर जटिल
सॉफ्टवेयर जो छवि प्रसंस्करण उपकरण प्रदान करता है
लक्ष्य और टेलीमेट्री सूचना प्रसारित करने के लिए संचार चैनल।

जैसा कि पहले लिखा गया था, हमारे लिए ब्याज की वस्तुओं की पहचान करने के कई तरीके हैं। एक लाइन के साथ ड्राइविंग के मामले में, विषम लाइन (एक सफेद पृष्ठभूमि पर एक काली रेखा या एक उलटी रेखा के लिए एक काली पृष्ठभूमि पर एक सफेद रेखा) से लाइन को अलग करना आवश्यक है। कंप्यूटर विज़न सिस्टम का उपयोग करने वाले एल्गोरिदम को मूल छवि को संसाधित करने के लिए कई "चरणों" में विभाजित किया जा सकता है:

छवि अधिग्रहण : डिजिटल चित्र सीधे कैमरे से प्राप्त होते हैं, डिवाइस से प्रसारित वीडियो स्ट्रीम से, या अलग-अलग छवियों के रूप में। पिक्सेल मूल्य आमतौर पर प्रकाश की तीव्रता (रंग या स्केल चित्र) के अनुरूप होते हैं, लेकिन विभिन्न भौतिक मापों से जुड़े हो सकते हैं, जैसे, उदाहरण के लिए, थर्मल इमेजिंग कैमरा से तापमान।

प्रारंभिक प्रसंस्करण: कंप्यूटर विजन तरीकों को वीडियो डेटा पर लागू करने से पहले, कुछ शर्तों को लागू करने के लिए पूर्व-प्रसंस्करण आवश्यक है, जो उपयोग की गई विधि पर निर्भर करता है। उदाहरण हैं:

प्रयुक्त सेंसर के कारण होने वाले शोर या विकृति को दूर करना
कैमरा ऑपरेशन, डीकंप्रेसन एलिमेंट्स, शोर आदि के दौरान होने वाली छोटी कलाकृतियों से छुटकारा पाने के लिए इमेज ब्लर का इस्तेमाल किया जाता है।
इसके विपरीत में सुधार करना ताकि सही जानकारी का अधिक संभावना के साथ पता लगाया जा सके
क्रॉप शैडोज़ या हाइलाइट्स के संपर्क में बदलाव करें
छवि में संरचनाओं के बीच बेहतर अंतर करने के लिए स्केलिंग या क्रॉपिंग।
एक छवि को मोनोक्रोम में बदलना या तेज़ सिस्टम प्रदर्शन के लिए इसका रिज़ॉल्यूशन बदलना

हाइलाइटिंग विवरण : वीडियो डेटा से विभिन्न कठिनाई स्तरों की छवि विवरण निकाले जाते हैं। ऐसे विवरणों के विशिष्ट उदाहरण हैं लाइनें, सीमाएँ, किनारों, व्यक्तिगत बिंदु, ऐसे क्षेत्र जो किसी भी विशेषता के लिए विशेषता हैं।
जांच : कार्यक्रम के काम के एक निश्चित चरण में, कार्यक्रम से संबंधित जानकारी को शेष छवि से अलग किया जाता है। उदाहरण हैं:

रंग में रुचि के बिंदुओं के एक निश्चित सेट को हाइलाइट करना, अलग-अलग पिक्सेल्स की संख्या जो किसी तरह से समान हैं (आकार वक्रता, रंग, चमक, आदि)।
एक या एक से अधिक छवि वर्गों का विभाजन जिसमें एक विशेषता वस्तु होती है।

उच्च-स्तरीय प्रसंस्करण : इस चरण में, छवि से जानकारी की प्रचुरता एक ऐसे आकार में कम हो जाती है जिसे आसानी से संसाधित किया जा सकता है, उदाहरण के लिए, कुछ पिक्सेल का एक सेट या छवि के उस भाग के निर्देशांक जिसमें ब्याज की वस्तु निश्चित रूप से स्थित है। उदाहरण हैं:

किसी भी मानदंड से मानों को फ़िल्टर करना
ऑब्जेक्ट के भौतिक आयाम, आकार, फ्रेम में इसके स्थान या अन्य विशिष्ट वस्तुओं के सापेक्ष के रूप में ऐसे मापदंडों का मूल्यांकन
वर्गीकरण

इसके बाद, लाइब्रेरी का चयन करना आवश्यक था जिसके आधार पर कार्यक्रम बनाया जाएगा। मेरी पसंद के प्रमुख कारक थे:

इस भाषा को एक शुरुआत से सीखने में सहजता के कारण पायथन इंटरफ़ेस के लिए लाइब्रेरी का समर्थन सरल वाक्यविन्यास है, जिसका कार्यक्रम की पठनीयता पर लाभकारी प्रभाव पड़ता है।
पोर्टेबिलिटी, यानी। रास्पबेरी पी 3 पर इस पुस्तकालय का उपयोग करके एक कार्यक्रम चलाने की क्षमता।
पुस्तकालय की व्यापकता, जो प्रोग्रामरों के एक अच्छी तरह से विकसित समुदाय की गारंटी देती है, जिन्हें आपके काम के दौरान पहले से ही समस्याओं का सामना करना पड़ सकता है।

मैंने जिन विकल्पों की जांच की, उनमें मैंने OpenCV ओपन कंप्यूटर विज़न लाइब्रेरी पर प्रकाश डाला, क्योंकि यह पायथन का समर्थन करता है, जिसमें व्यापक ऑनलाइन प्रलेखन है। इंटरनेट पर कई लेख और निर्देश हैं जो इस पुस्तकालय के साथ काम करने की सभी सूक्ष्मताओं का वर्णन करते हैं। डेवलपर्स से एक आधिकारिक मंच है जहां कोई भी इसके बारे में सवाल पूछ सकता है। साथ ही, यह लाइब्रेरी C / C ++ भाषाओं में कार्यान्वित की जाती है, जो सिस्टम प्रदर्शन की गारंटी देती है, और इसकी संरचना विभिन्न मॉड्यूल का समर्थन करती है, जो प्रदर्शन को बढ़ाने के लिए अक्षम किया जा सकता है।

सॉफ्टवेयर विकास

ओएस और रास्पबेरी पाई के प्रारंभिक कॉन्फ़िगरेशन को स्थापित करने के बाद, लेकिन इससे पहले कि आप कार्यक्रम बनाना शुरू करें, आपको इसके लिए आवश्यक सभी पैकेज स्थापित करना होगा। इन पैकेजों में से अधिकांश, पाइप पैकेज मैनेजर (पायथन 3, पिप 3 के मामले में) का उपयोग करके स्थापित किए गए हैं

$ sudo apt install python3-pip

निम्न पुस्तकालय स्थापित हैं, जैसे:

picamera - रास्पबेरी पाई कैमरा के साथ काम करने के लिए पुस्तकालय
सुन्न - छवियों के रूप में बहुआयामी डेटा सरणियों के साथ काम करने के लिए एक पुस्तकालय

$ sudo pip3 install picamera
$ sudo pip3 install numpy

cmake - स्वचालित रूप से स्रोत कोड
cmake-अभिशाप-गुई से एक कार्यक्रम के निर्माण के लिए उपयोगिता - GUI पैकेज (चित्रमय इंटरफ़ेस)

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

विभिन्न छवि और वीडियो प्रारूपों और अधिक के साथ काम करने के लिए पुस्तकालय

$ 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

रोबोट से कंप्यूटर में वीडियो डेटा प्रसारित करने के लिए, GStreamer का उपयोग किया जाएगा - मल्टीमीडिया डेटा प्राप्त करने, प्रोसेस करने और संचारित करने के लिए डिज़ाइन किया गया एक फ्रेमवर्क:

$ 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

अगला चरण है ओपनसीवी लाइब्रेरी को स्वयं स्रोतों से स्थापित करना, इसे कॉन्फ़िगर करना और इसका निर्माण करना। ऐसा करने के लिए, एक ओपनवर्क वर्किंग फ़ोल्डर बनाया जाता है।

$ mkdir opencv
$ cd opencv

लाइब्रेरी के नवीनतम संस्करणों को डाउनलोड करने के लिए, wget का उपयोग किया जाता है - नेटवर्क से फ़ाइलों को डाउनलोड करने के लिए एक कंसोल प्रोग्राम। कार्यक्रम के निर्माण के समय, ओपनसीवी का नवीनतम स्थिर संस्करण 4.1.0 है, इसलिए स्रोतों को डाउनलोड और अनपैक करें:

$ 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

अनपैकिंग प्रक्रिया पूरी होने के बाद, स्रोत अभिलेखागार को हटाया जा सकता है।

$ rm opencv_source.zip
$ rm opencv_contrib.zip

असेंबली और कॉन्फ़िगरेशन के लिए एक निर्देशिका बनाई जाती है।

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

सीमेट उपयोगिता का उपयोग करके बिल्ड पैरामीटर कॉन्फ़िगर किए गए हैं। ऐसा करने के लिए, सभी महत्वपूर्ण मापदंडों को उपयोगिता चर के रूप में पारित किया गया है, साथ ही निर्धारित मूल्यों के साथ:

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 ..

कॉन्फ़िगरेशन सेट करने के बाद, उपयोगिता सभी मापदंडों को प्रदर्शित करेगी। अगला, आपको लाइब्रेरी संकलित करने की आवश्यकता है। ऐसा करने के लिए, कंसोल कमांड मेक-जेएन का उपयोग करें, जहां एन कोर की संख्या है जो संकलन प्रक्रिया में शामिल होगी। रास्पबेरी पाई 3 के लिए, कोर की संख्या 4 है, लेकिन आप निश्चित रूप से कंसोल में एनप्रो कमांड लिखकर इस नंबर का पता लगा सकते हैं।

$ make –j4

रास्पबेरी के सीमित संसाधनों के कारण, संकलन में काफी समय लग सकता है। कुछ मामलों में, रसभरी को फ्रीज भी किया जा सकता है, लेकिन अगर आप बाद में बिल्ड फ़ोल्डर में जाते हैं और फिर से रजिस्टर करते हैं, तो काम जारी रहेगा। यदि ऐसा होता है, तो इसमें शामिल कोर की संख्या को कम करने के लायक है, हालांकि, मेरा संकलन समस्याओं के बिना चला गया। इसके अलावा, इस स्तर पर, यह रास्पबेरी के सक्रिय शीतलन के बारे में सोचने योग्य है, क्योंकि इसके साथ भी प्रोसेसर का तापमान लगभग 75 डिग्री तक पहुंच गया है।

जब संकलन सफल रहा, तो पुस्तकालय को स्थापित करने की आवश्यकता है। यह भी मेक यूटिलिटी का उपयोग करके किया जाता है। फिर हम ldconfig उपयोगिता के साथ सभी आवश्यक कनेक्शन बनाएंगे:

$ sudo make install
$ sudo ldconfig

हम अजगर इंटरएक्टिव मोड में निम्नलिखित कमांड लिखकर इंस्टॉलेशन को सत्यापित करते हैं:

import cv2
print(cv2.getBuildInformation())

कार्यक्रम का निम्नलिखित निष्कर्ष सही स्थापना का प्रमाण होगा।

यह ध्यान दिया जाना चाहिए कि पुस्तकालय को संकलित करने के लिए उपरोक्त प्रक्रिया को रोबोट पर और पीसी पर दोनों को निष्पादित किया जाना चाहिए, जहां से इसे रोबोट को नियंत्रित करने की योजना बनाई गई है और जिस पर प्रसारण रोबोट से प्राप्त किया जाएगा।

वीडियो वितरण योजना बनाना

इससे पहले कि आप कोड लिखना शुरू करें, आपको एक योजना विकसित करनी होगी जिसके अनुसार एल्गोरिथ्म कार्य करेगा। चरम नामांकन में आरटीके कप प्रतियोगिताओं में भाग लेने के लिए बनाए गए रोबोट के लिए सॉफ्टवेयर विकास के मामले में, पूरे कार्यक्रम को दो भागों में विभाजित किया जाएगा: एक रोबोट और एक रिमोट कंट्रोल, जिसे लिनक्स स्थापित कंप्यूटर के साथ खेला जाएगा। सबसे महत्वपूर्ण कार्यों में से एक एल्गोरिदम के विभिन्न भागों के बीच वीडियो डेटा कैसे प्रसारित किया जाएगा, इसकी अनुमानित योजना बनाना है। वाई-फाई का उपयोग दो उपकरणों के बीच संचार चैनल के रूप में किया जाएगा। सॉकेट लाइब्रेरी का उपयोग करके कार्यान्वित यूडीपी प्रोटोकॉल का उपयोग करके रोबोट और फीडबैक डेटा का नियंत्रण प्रदान करने वाले डेटा पैकेट को एक डिवाइस से दूसरे डिवाइस में प्रेषित किया जाएगा। वीडियो डेटाUDP पैकेट के आकार में सीमाओं के कारण GStreamer का उपयोग करके प्रेषित किया जाएगा। डिबगिंग की सुविधा के लिए, दो वीडियो स्ट्रीम लागू किए जाएंगे:

मुख्य वीडियो स्ट्रीम - न्यूनतम नियंत्रण विलंब सुनिश्चित करने के लिए रोबोट के कैमरे से सीधे कंप्यूटर पर वीडियो डेटा स्थानांतरित करता है।
सहायक वीडियो स्ट्रीम - रोबोट द्वारा संसाधित वीडियो डेटा को स्थानांतरित करना, कंप्यूटर विज़न को लागू करने वाले प्रोग्राम को स्थापित करने और डीबग करने के लिए आवश्यक है।

रोबोट पर दो वीडियो स्ट्रीम एक साथ सक्रिय होंगी, और कंप्यूटर सक्षम छवि को प्रदर्शित करेगा जो ड्राइव मोड पर निर्भर करता है। रोबोट, बदले में, यह निर्भर करता है कि स्वायत्तता मोड चालू है या बंद है, या तो कंप्यूटर से प्राप्त डेटा का उपयोग करेगा या छवि प्रोसेसर द्वारा उत्पन्न होगा।

रोबोट पर और कंप्यूटर पर दो समानांतर प्रवाह के काम के कारण रोबोट का रिमोट कंट्रोल बाहर किया जाएगा:

एक चक्र में "कंसोल" सभी उपलब्ध इनपुट उपकरणों का सर्वेक्षण करता है और डेटा और चेकसम से मिलकर एक नियंत्रण डेटा पैकेट बनाता है (लेख में अंतिम परिवर्तन करते समय, मैंने देरी को कम करने के लिए चेकसम बनाने से इनकार कर दिया, लेकिन स्रोत में, जो मैंने अंत में रखे गए इस कोड के टुकड़े को छोड़ दिया जाता है) - ट्रांसमिशन के दौरान डेटा की अखंडता को निर्धारित करने के लिए उपयोग किए जाने वाले कुछ एल्गोरिदम के संचालन से निर्धारित डेटा से गणना की गई एक निश्चित मूल्य की
रोबोट - कंप्यूटर से डेटा एक्सेस की प्रतीक्षा करता है। डेटा को अनपैक करता है, चेकसम को पुनर्गणना करता है और कंप्यूटर पक्ष पर भेजे गए और गणना के साथ तुलना करता है। यदि चेकसम मेल खाते हैं, तो डेटा मुख्य कार्यक्रम में स्थानांतरित कर दिया जाता है।

लाइन डिटेक्शन एल्गोरिथ्म को पार्स करने से पहले, मैं सुझाव देता हूं कि आप रोबोट की डिज़ाइन विशेषताओं से खुद को परिचित करें:

रोबोट के बारे में

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

, , , , Solidworks petg . , raspberry .

ubiquiti bullet M5 hp. ( ) , . , «» .

: «» thingiverse. , , , , .

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

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

«» , , (rds3115). — , , , , .

, , , :

- , , , . .

raspberry, , . , .

, USB. , , .

OpenCV लाइब्रेरी विधियों का उपयोग करके एक लाइन डिटेक्शन एल्गोरिथ्म का निर्माण

I. डेटा प्राप्त करना

इस तथ्य के कारण है कि छवि प्रोसेसर को सीधे कैमरे से वीडियो डेटा प्राप्त नहीं होता है, लेकिन मुख्य धारा से, उन्हें छवि प्रसंस्करण के लिए उपयोग किए जाने वाले प्रारूप से अनुवाद के लिए उपयोग किए जाने वाले प्रारूप से स्थानांतरित करना आवश्यक है, अर्थात्, एक संख्यात्मक सरणी जिसमें लाल मान शामिल हैं , हरे और नीले पिक्सेल के प्रत्येक के लिए। ऐसा करने के लिए, आपको प्रारंभिक डेटा की आवश्यकता है - रास्पबेरी पाई कैमरा मॉड्यूल से प्राप्त एक फ्रेम।

आगे की प्रक्रिया के लिए कैमरा सी से फ्रेम प्राप्त करने का सबसे आसान तरीका पिकमेरा लाइब्रेरी का उपयोग करना है। शुरू करने से पहले, आपको रासपी-विन्यास के माध्यम से कैमरे तक पहुंच की अनुमति देने की आवश्यकता है -> इंटरफेसिंग विकल्प कैमरा -> हां का चयन करें।

sudo raspi-config

कोड का अगला भाग रास्पबेरी कैमरे से जुड़ा हुआ है और दिए गए आवृत्ति के साथ एक चक्र में ओपनेंव लाइब्रेरी द्वारा उपयोग के लिए तैयार एक सरणी के रूप में फ़्रेम प्राप्त करता है।

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

यह भी ध्यान देने योग्य है कि फ़्रेम कैप्चर करने का यह तरीका, हालांकि यह सबसे सरल है, लेकिन एक गंभीर खामी है: यह बहुत प्रभावी नहीं है यदि आपको GStreamer के माध्यम से फ़्रेम प्रसारित करने की आवश्यकता है, क्योंकि इसके लिए वीडियो को फिर से एनकोड करने की कई बार आवश्यकता होती है, जो प्रोग्राम की गति को कम कर देता है। छवियों को प्राप्त करने का एक बहुत तेज़ तरीका छवि प्रोसेसर के अनुरोध पर वीडियो स्ट्रीम से फ़्रेम का उत्पादन करना होगा, हालांकि, छवि प्रसंस्करण के आगे के चरण उपयोग किए गए तरीके पर निर्भर नहीं करेंगे।

प्रसंस्करण के बिना रोबोट हेडिंग कैमरे से एक छवि का एक उदाहरण:

द्वितीय। पूर्व-प्रसंस्करण

जब एक लाइन पर ड्राइविंग करते हैं, तो यह उन बिंदुओं के क्षेत्र को अलग करने के लिए सबसे सरल होगा जो पृष्ठभूमि के रंग के साथ सबसे विपरीत हैं। यह विधि आदर्श रूप से RTK कप प्रतियोगिता के लिए अनुकूल है, क्योंकि यह एक सफेद पृष्ठभूमि पर काली रेखा (या उलटे खंडों के लिए एक काली पृष्ठभूमि पर एक सफेद रेखा) का उपयोग करता है। संसाधित होने के लिए आवश्यक जानकारी की मात्रा को कम करने के लिए, आप इसके लिए एक बिनाराइजेशन एल्गोरिदम लागू कर सकते हैं, अर्थात्, छवि को मोनोक्रोम प्रारूप में परिवर्तित कर सकते हैं, जहां केवल दो प्रकार के पिक्सेल होते हैं - अंधेरे और प्रकाश। इससे पहले, तस्वीर को ग्रेस्केल में अनुवाद किया जाना चाहिए, और कैमरे के संचालन के दौरान अनिवार्य रूप से प्रकट होने वाले छोटे दोषों और शोर को काटने के लिए इसे भी धुंधला कर देना चाहिए। छवि को धुंधला करने के लिए, एक गाऊसी फिल्टर का उपयोग किया जाता है।

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

जहां ksize गाऊसी कोर का आकार है, जिसे बढ़ाते हुए, आप धुंधला की डिग्री बढ़ा सकते हैं।

ग्रेस्केल और कलंक में अनुवाद के बाद उदाहरण छवि:

तृतीय। विवरण का चयन करना

छवि को ग्रेस्केल में अनुवादित करने के बाद, किसी दिए गए सीमा पर इसे दूर करना आवश्यक है। यह क्रिया आपको डेटा की मात्रा को और कम करने की अनुमति देती है। यह सीमा मूल्य रोबोट के प्रत्येक प्रस्थान से पहले एक नई जगह पर, या जब प्रकाश की स्थिति बदलती है, समायोजित किया जाएगा। आदर्श रूप से, अंशांकन का कार्य यह सुनिश्चित करना है कि रेखा की रूपरेखा छवि पर परिभाषित की गई है, लेकिन साथ ही, छवि पर अन्य विवरण नहीं होना चाहिए जो एक पंक्ति नहीं हैं:

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

यहां, सभी पिक्सेल थ्रेशोल्ड वैल्यू (स्व._limit) की तुलना में 0 (काले), लाइटर - 255 (व्हाइट) द्वारा बदल दिए जाते हैं।

प्रसंस्करण के बाद, छवि इस प्रकार है:

जैसा कि आप देख सकते हैं, कार्यक्रम ने छवि के सबसे अंधेरे भागों में से कई की पहचान की है। हालाँकि, थ्रेशोल्ड वैल्यू को कैलिब्रेट करने के लिए ताकि हेडफ़ोन को पूरी तरह से "कैच" किया जा सके, अन्य सफेद तत्व उनके अलावा स्क्रीन पर दिखाई देते हैं। बेशक, आप थ्रेशोल्ड को फाइन-ट्यून कर सकते हैं, और प्रतिस्पर्धी ट्रेनिंग ग्राउंड में कैमरा नीचे देखेगा, अनावश्यक तत्वों को फ्रेम में लाने की अनुमति नहीं देगा, लेकिन मैं अपने लिए लाइन को बाकी सभी चीजों से अलग करना आवश्यक समझता हूं।

IV.Detection

बिनाराइज्ड छवि में, मैंने एक सीमा खोज एल्गोरिथ्म लागू किया। सीमा से ऊपर उठने वाले बिंदुओं के समन्वय मूल्यों के एक सुविधाजनक सरणी में मुक्त स्थानों को निर्धारित करने और उन्हें बदलने के लिए इसकी आवश्यकता है। दस्तावेज़ में लिखे गए opencv के मामले में, लूप खोजने के लिए मानक एल्गोरिथ्म सुज़ुकी 85 एल्गोरिथ्म का उपयोग करता है (मैं इस नाम के साथ कहीं भी एल्गोरिथ्म के संदर्भ नहीं पा सकता था सिवाय opencv प्रलेखन के, लेकिन मैं मान लूंगा कि यह Suzuki-Abe एल्गोरिथ्म है )।

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

और यहाँ इस स्तर पर प्राप्त फ्रेम है:

वी। उच्च स्तरीय प्रसंस्करण

फ्रेम में सभी आकृति पाए जाने के बाद, सबसे बड़े क्षेत्र के साथ समोच्च को चुना जाता है और रेखा के समोच्च के रूप में लिया जाता है। इस समोच्च के सभी बिंदुओं के निर्देशांक को जानने के बाद, इसके केंद्र का समन्वय पाया जाता है। इसके लिए, तथाकथित "छवि क्षणों" का उपयोग किया जाता है। पल समोच्च की कुल विशेषता है, जो समोच्च के सभी पिक्सल के निर्देशांक द्वारा गणना की जाती है। कई प्रकार के क्षण हैं - तीसरे क्रम तक। इस समस्या के लिए, केवल शून्य-क्रम वाले क्षण (m00) की आवश्यकता है - समोच्च (समोच्च परिधि) बनाने वाले सभी बिंदुओं की संख्या, पहला-क्रम क्षण (m10), जो सभी बिंदुओं के X निर्देशांक का योग है, और m01 सभी बिंदुओं के Y निर्देशांक का योग है। अंक के निर्देशांक के योग को उनकी संख्या से एक अक्ष के साथ विभाजित करके, अंकगणितीय माध्य प्राप्त किया जाता है - समोच्च के केंद्र का अनुमानित समन्वय। अगला, पाठ्यक्रम से रोबोट के विचलन की गणना की जाती है:पाठ्यक्रम "सीधे" दो से विभाजित फ्रेम चौड़ाई के करीब एक्स के साथ केंद्र बिंदु के समन्वय से मेल खाती है। यदि लाइन के केंद्र का समन्वय फ्रेम के केंद्र के करीब है, तो नियंत्रण कार्रवाई न्यूनतम है, और, तदनुसार, रोबोट अपने वर्तमान पाठ्यक्रम को बरकरार रखता है। यदि रोबोट पक्षों में से एक से भटकता है, तो विचलन के लिए आनुपातिक एक नियंत्रण कार्रवाई तब तक पेश की जाएगी जब तक कि यह वापस नहीं आता।

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'])

नीचे लाइन और फ्रेम के सापेक्ष रोबोट की स्थिति का एक योजनाबद्ध ड्राइंग है, जिसके परिणाम कार्यक्रम उन पर आरोपित हैं: "मुख्य" समोच्च, समोच्च के केंद्र से गुजरने वाली रेखाएं, साथ ही विचलन का अनुमान लगाने के लिए केंद्र में स्थित बिंदु। इन तत्वों को निम्नलिखित कोड का उपयोग करके जोड़ा जाता है:

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) #

डिबगिंग की सुविधा के लिए, पहले से वर्णित सभी तत्व कच्चे फ्रेम में जोड़े जाते हैं:

इस प्रकार, प्रसंस्करण एल्गोरिथ्म के माध्यम से फ्रेम को संचालित करने के बाद, हमें एक्स और वाई हमारे लिए ब्याज की वस्तु के केंद्र के निर्देशांक, साथ ही डिबग छवि भी मिला। अगला, लाइन के सापेक्ष रोबोट की स्थिति को योजनाबद्ध रूप से दिखाया गया है, साथ ही उस छवि को भी जो प्रसंस्करण एल्गोरिथ्म को पार कर गया है।

कार्यक्रम में अगला कदम पिछले चरणों में प्राप्त जानकारी को दो मोटर्स के शक्ति मूल्यों में परिवर्तित करना है।

फ्रेम के केंद्र के सापेक्ष रंग स्थान के केंद्र की शिफ्ट के बीच अंतर को परिवर्तित करने का सबसे आसान तरीका आनुपातिक नियामक है (एक रिले नियामक भी है, लेकिन, इसके संचालन की विशेषताओं के कारण, यह लाइन के साथ ड्राइविंग के लिए बहुत उपयुक्त नहीं है)। इस तरह के एक एल्गोरिथ्म के संचालन का सिद्धांत यह है कि नियंत्रक त्रुटि के परिमाण के अनुपात में ऑब्जेक्ट पर एक नियंत्रण कार्रवाई उत्पन्न करता है। आनुपातिक नियंत्रक के अलावा, एक अभिन्न भी है, जहां समय के साथ अभिन्न घटक त्रुटि और अंतर को "जमा" करता है, जिसका सिद्धांत केवल नियंत्रित चर में पर्याप्त परिवर्तन के साथ नियामक प्रभाव के आवेदन पर आधारित है। व्यवहार में, ये सरलतम P, I, D नियंत्रक पीआई, पीडी, पीआईडी प्रकार के नियंत्रकों में संयुक्त हैं।

यह ध्यान देने योग्य है कि मेरे रोबोट पर मैंने पीआईडी नियंत्रक को "शुरू" करने की कोशिश की, लेकिन इसके उपयोग ने सामान्य आनुपातिक नियंत्रक पर कोई गंभीर लाभ नहीं दिया। मैं स्वीकार करता हूं कि मैं नियामक को ठीक से समायोजित नहीं कर सका, लेकिन यह भी संभव है कि इसके फायदे इतने भारी रोबोट के मामले में स्पष्ट रूप से दिखाई न दें जो शारीरिक रूप से उच्च गति विकसित करने में असमर्थ हैं। लेखन के समय कार्यक्रम के नवीनतम संस्करण में, एक सरल आनुपातिक नियामक का उपयोग किया जाता है, लेकिन एक छोटी सी विशेषता के साथ जो आपको कैमरे से अधिक जानकारी का उपयोग करने की अनुमति देता है: त्रुटि मान उत्पन्न करते समय, न केवल स्पॉट के मध्य बिंदु की क्षैतिज स्थिति को ध्यान में रखा गया था, बल्कि लंबवत भी, जो अलग-अलग तरीकों से अनुमति देता है लाइन तत्वों का जवाब"दूरी में" और सीधे रोबोट के नीचे या उसके सामने (रोबोट के हेडिंग कैमरा में एक विशाल व्यूइंग एंगल है, इसलिए इसे सिर्फ 45 डिग्री नीचे मोड़ने पर, आप पहले से ही रोबोट के नीचे क्षेत्र का एक महत्वपूर्ण हिस्सा देख सकते हैं)।

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

सबसे अधिक बार, "आरटीके कप" प्रतियोगिता की स्थितियों में, प्रतिभागी तथाकथित "टैंक सर्किट" का उपयोग करते हैं - एक या अधिक इंजन रोबोट के एक तरफ को नियंत्रित करते हैं, और यह पटरियों और पहियों के साथ दोनों काम करता है। इस योजना का उपयोग करने से आपको जटिल संचरण तत्वों से छुटकारा पाने की अनुमति मिलती है जो टूटने (अंतर या कार्डन शाफ्ट) की संभावना को बढ़ाते हैं, सबसे छोटा संभव मोड़ त्रिज्या प्राप्त करते हैं, जो एक सीमित बहुभुज में एक फायदा देता है। इस योजना में एक जटिल पथ पर आंदोलन के लिए दो "पक्षों" के समानांतर नियंत्रण शामिल है। ऐसा करने के लिए, कार्यक्रम दो चर का उपयोग करता है - दाएं और बाएं मोटर की शक्ति। यह शक्ति आधार गति (BASE_SPEED) पर निर्भर करती है, जिसकी सीमा 0 से 100 तक होती है।त्रुटियां (त्रुटि) - फ्रेम के केंद्र और लाइन के मध्य के समन्वय और आनुपातिक प्रभाव के गुणांक (आत्म.कोक) के बीच का अंतर, जो ऑपरेटर द्वारा कैलिब्रेट किया जाता है। इसका पूर्ण मूल्य प्रभावित करता है कि रोबोट कितनी तेजी से लाइन के साथ खुद को संरेखित करने की कोशिश करेगा। इस तथ्य के कारण कि एक इंजन पर नियंत्रण क्रिया को आधार गति से घटाया जाता है, और दूसरे पर - इसे जोड़ा जाता है, जब कोर्स से विचलन करते समय एक मोड़ बाहर किया जाता है। जिस दिशा में उलटा प्रदर्शन किया जाएगा, उसे स्वयं का चिह्न बदलकर समायोजित किया जा सकता है। इसके अलावा, आप देख सकते हैं कि अगले कोड अनुभाग के परिणामस्वरूप, एक शक्ति मान दिखाई दे सकता है जो 100 से अधिक है, लेकिन मेरे कार्यक्रम में ऐसे मामलों को बाद में संसाधित किया जाता है।इसका पूर्ण मूल्य प्रभावित करता है कि रोबोट कितनी तेजी से लाइन के साथ खुद को संरेखित करने की कोशिश करेगा। इस तथ्य के कारण कि एक इंजन पर नियंत्रण क्रिया को आधार गति से घटाया जाता है, और दूसरे पर - इसे जोड़ा जाता है, जब कोर्स से विचलन करते समय एक मोड़ बाहर किया जाता है। जिस दिशा में उलटा प्रदर्शन किया जाएगा, उसे स्वयं का चिह्न बदलकर समायोजित किया जा सकता है। इसके अलावा, आप देख सकते हैं कि अगले कोड अनुभाग के परिणामस्वरूप, एक शक्ति मान दिखाई दे सकता है जो 100 से अधिक है, लेकिन मेरे कार्यक्रम में ऐसे मामलों को बाद में संसाधित किया जाता है।इसका पूर्ण मूल्य प्रभावित करता है कि रोबोट कितनी तेजी से लाइन के साथ खुद को संरेखित करने की कोशिश करेगा। इस तथ्य के कारण कि एक इंजन पर नियंत्रण क्रिया को आधार गति से घटाया जाता है, और दूसरे पर - इसे जोड़ा जाता है, जब कोर्स से विचलन करते समय एक मोड़ बाहर किया जाता है। जिस दिशा में उलटा प्रदर्शन किया जाएगा, उसे स्वयं का चिह्न बदलकर समायोजित किया जा सकता है। इसके अलावा, आप देख सकते हैं कि अगले कोड अनुभाग के परिणामस्वरूप, एक शक्ति मान दिखाई दे सकता है जो 100 से अधिक है, लेकिन मेरे कार्यक्रम में ऐसे मामलों को बाद में संसाधित किया जाता है।जिसमें उत्क्रमण किया जाएगा, आप self._koof वैरिएबल के संकेत को बदलकर समायोजित कर सकते हैं। इसके अलावा, आप देख सकते हैं कि अगले कोड अनुभाग के परिणामस्वरूप, एक शक्ति मान दिखाई दे सकता है जो 100 से अधिक है, लेकिन मेरे कार्यक्रम में ऐसे मामलों को बाद में संसाधित किया जाता है।जिसमें उत्क्रमण किया जाएगा, आप self._koof वैरिएबल के संकेत को बदलकर समायोजित कर सकते हैं। इसके अलावा, आप देख सकते हैं कि अगले कोड अनुभाग के परिणामस्वरूप, एक शक्ति मान दिखाई दे सकता है जो 100 से अधिक है, लेकिन मेरे कार्यक्रम में ऐसे मामलों को बाद में संसाधित किया जाता है।

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

निष्कर्ष

परिणामी कार्यक्रम का परीक्षण करने के बाद, मैं कह सकता हूं कि कार्यक्रम को स्थापित करने में मुख्य मुश्किल क्षण एल्गोरिथ्म का प्रकाश सुविधाओं के अंशांकन है। चूंकि लेख बनाने की अवस्था घोषित स्व-अलगाव के साथ मेल खाती है, इसलिए मुझे एक छोटे से कमरे में काम के प्रदर्शन के साथ एक वीडियो बनाना पड़ा। इसने मुझ पर निम्नलिखित कठिनाइयाँ डालीं:

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

इस तथ्य के बावजूद कि ये दोनों समस्याएं वास्तविक प्रतियोगिताओं की स्थितियों में अनुपस्थित हैं, मैं यह सुनिश्चित करने के लिए उपाय करूंगा कि कार्यक्रम का काम न्यूनतम रूप से बाहरी कारकों पर निर्भर करता है।
इसके अलावा, भविष्य में इसे कंप्यूटर विज़न विधियों का उपयोग करके एल्गोरिदम के कार्यान्वयन पर काम जारी रखने की योजना बनाई गई है, जिससे लेख के पहले भाग में वर्णित स्वायत्तता के शेष तत्वों (जटिल पथ के साथ आंदोलन) के लिए सक्षम होने वाले सॉफ़्टवेयर का निर्माण किया जा सके। यह अतिरिक्त सेंसर जोड़कर रोबोट की कार्यक्षमता का विस्तार करने की योजना बनाई गई है: रेंजफाइंडर, गायरोस्कोप-एक्सेलेरोमीटर, कम्पास। इस तथ्य के बावजूद कि इस लेख के प्रकाशन से एक अनिवार्य स्कूल विषय के रूप में परियोजना पर मेरा काम समाप्त हो जाएगा, मेरी योजना है कि मैं यहां विकास के आगे के चरणों का वर्णन करता रहूं। इसलिए, मैं इस काम के बारे में टिप्पणी प्राप्त करना चाहूंगा।

परियोजना की समस्याओं को हल करने के उद्देश्य से सभी चरणों को लागू करने के बाद, यह कहना सुरक्षित है कि कंप्यूटर विज़न एल्गोरिदम का उपयोग, प्रोग्रामिंग और डीबगिंग में अपने सभी रिश्तेदार जटिलता के साथ, प्रतियोगिताओं के स्तर पर सबसे बड़ा लाभ देता है। कैमरे के छोटे आयामों के साथ, सॉफ्टवेयर विकास के मामले में इसकी काफी संभावनाएं हैं, क्योंकि कैमरा आपको एक बार में कई "पारंपरिक" सेंसर को बदलने की अनुमति देता है, जबकि बाहरी दुनिया से अविश्वसनीय रूप से अधिक जानकारी प्राप्त करता है। परियोजना के लक्ष्य को महसूस करना संभव था - एक प्रोग्राम बनाना जिसमें "आरटीके कप" प्रतियोगिता की स्थितियों में रोबोट की स्वायत्त नेविगेशन की समस्या को हल करने के लिए कंप्यूटर विज़न का उपयोग किया जाता है, साथ ही छवि बनाने के कार्यक्रम और मुख्य चरणों की प्रक्रिया का वर्णन करने के लिए।

जैसा कि मैंने पहले कहा, हाउस लाइन के जटिल प्रक्षेपवक्र को फिर से बनाना संभव नहीं था, हालांकि, और यह उदाहरण दिखाता है कि एल्गोरिथ्म कैसे पूरा होता है। यहाँ लाइन की मोटाई नियमों के अनुसार मेल खाती है, और मोड़ों की सबसे अधिक वक्र बहुभुज पर 90 डिग्री से घुमाव की वक्रता को दर्शाती है:

आप प्रोग्राम कोड, साथ ही निगरानी के आगे काम परियोजना पर, पर देख सकते हैं मेरी GitHub यहाँ अगर मैं जारी रहती है या।