WalaBeer 탱크

크레인의 현재 상태를 확인하는 것부터 시작됩니다. 올려야 하지만 그렇지 않은 경우 해치 도어의 서보를 업데이트하고 크레인을 위로 이동합니다. 낮추어야 하지만 그렇지 않은 경우 크레인을 낮추고 해치를 닫습니다. 스테퍼 모터의 코일은 그대로 두면 배터리가 심각하게 뜨거워지고 소모될 수 있으므로 프로세스가 끝나면 비활성화해야 합니다.

Arduino - Raspberry Pi 통신

Arduino는 USB-micro USB 케이블을 사용하여 Raspberry Pi에서 연결되고 전원이 공급되며 직렬을 통해 통신합니다. Raspberry는 다음 명령으로 Arduino를 제어합니다.

직렬 제어의 경우 Arduino는 RC 채널 1과 2에서는 인터럽트를 비활성화하지만 3에서는 인터럽트를 비활성화하지 않는다는 점에 유의해야 합니다. 채널 3(스위치)은 안전 스위치로 사용되어 미친 짓을 시작하면 WalaBeer Tank를 비활성화합니다 자율 모드의 것들.

왈라봇

여기에서 Walabot이 등장하는 부분이 있습니다. Walabot은 이미징을 위해 마이크로웨이브를 사용하는 3D 센서입니다. 벽을 통해 보기, 멀리서 호흡 감지, 어둠 속에서 보기 등과 같은 놀라운 일을 할 수 있습니다. 다른 사람들이 그 일을 훌륭하게 수행했기 때문에 다른 기능에 대한 페이지를 쓰고 싶지 않습니다. 그러나 나는 그들에 대해 읽는 것을 정말로 추천합니다.

탱크의 유일한 탐색 센서로 Walabot을 사용하겠습니다. Walabot을 Raspberry Pi와 함께 사용하려면 먼저 Walabot SDK를 설치해야 합니다. 여기에서 SDK를 다운로드할 수 있으며 Walabot API 사이트에서 설치를 도와드립니다. Walabot을 사용하는 방법에 대한 유용한 정보와 예제가 많이 있습니다. 사이트 확인을 권장합니다.

Walabot의 전력 소비는 0.4-0.9A입니다. 이는 기본적으로 Raspberry Pi가 Walabot에 전원을 공급하기에 충분한 에너지를 제공할 수 없음을 의미합니다. 운 좋게도 다음 줄을 추가하여 rpi USB 포트의 전력 출력을 높이는 방법이 있습니다. `max_usb_current=1`을 /boot/config.txt에 추가합니다. 내가 아는 한 전력 출력이 600mA에서 1200mA로 증가합니다.

그것은 좋겠지만 여기에 문제가 있습니다. 나는 또한 Raspberry의 Arduino와 서보에 전원을 공급합니다. 탱크의 모터와 스테퍼 모터는 배터리로 구동되기 때문에 문제가 되지 않는다고 생각했습니다. 그러나 그것은 않습니다. 이 상태에서 Walabot을 시작하면 WALABOT_ERR_PROTOCOL 메시지와 함께 중지됩니다. 시작하려고 하면 절전 모드가 발생할 수 있습니다.

배터리 제거기 회로는 최대 3A를 제공할 수 있으므로 여기에서 충분합니다. Walabot에는 2개의 마이크로 USB 포트가 있습니다. 중간 포트는 다른 포트와 통신하면서 거기에서 전원을 공급받을 수 있기 때문에 이 상황에서 저를 도울 것입니다. 이렇게 하려면 이 점퍼를 움직이기 위해 수정을 하고 Walabot의 덮개를 제거해야 했습니다.

그 후 Walabot은 완벽하게 작동했으며 더 이상 WALABOT_ERR_PROTOCOL이(가) 없습니다.

뒷면의 로고(매끄러운 부분이 앞면)에는 매우 강력한 4개의 자석이 내장되어 있습니다. 추가 하드웨어 없이 Walabot을 탱크의 금속 전면에 쉽게 부착하는 데 사용되었습니다.

나를 팔로우하세요

탱크의 '판매 포인트' 중 하나는 팔로우 미 모드입니다. 맥주 탱크에 당신을 따르라고 요청하면 최선을 다해 당신을 따릅니다. 목적지에 도착하면 안에 있는 맥주를 달라고 하면 됩니다. 훌륭한 파티 트릭입니다!

Walabot SDK는 Walabot과 상호 작용할 수 있는 모든 종류의 방법을 제공합니다. 내 프로젝트는 getTargets 를 사용합니다. 움직이는 타겟 식별 기능 (MTI) 모드. Walabot 앞에서 움직이는 물체를 감지하는 데 사용됩니다. 내 구성으로 getTargets는 최대 4개의 대상을 반환하고 최대 1.5미터 거리에 있는 개체를 볼 수 있습니다.

대상에는 XYZ 좌표와 진폭 매개변수가 있습니다. 여기서는 높이(X)가 중요하지 않기 때문에 Y 및 Z 좌표만 사용합니다. 문제는 어떤 대상이 무엇인지 알 수 있는 방법이 없다는 것입니다.

초기 버전에서는 목표 목록에서 인간을 찾기 위해 규칙을 만들었습니다. 당신을 따르도록 명령하기 전에 80cm 거리에서 Walabot 앞에 서 있어야 합니다. 그 후 내 코드는 진폭이 충분히 높은 가장 가까운 물체가 사람이라고 가정합니다. 사람이 감지되면 탱크는 사람을 움직여 원하는 위치에 유지하기만 하면 됩니다.

불행히도 그것은 완벽하지 않았습니다. 다행히 다른 접근 방식에 대한 제안을 받았습니다. 시작은 동일합니다. Walabot 앞에 80cm 거리에 서 있어야 합니다. 탱크에 가장 가까운 목표는 인간으로 간주됩니다. 그 후, 각 반복에서 사람의 위치는 이전 위치에 가장 가까운 대상이 됩니다. 새 위치와 이전 위치 사이의 거리가 너무 높으면 탱크가 사람의 위치를 ​​업데이트하지 않고 정지합니다. 탱크는 이전 위치 주변에 있는 사람을 찾으려고 하므로 사람을 찾으면 계속 따라갑니다. 꽤 간단한 아이디어입니다.

아레나 뷰에 대한 몇 가지 사례를 살펴보겠습니다. 탱크의 목표는 목표 지역(빨간색 사각형)에 사람을 유지하는 것입니다. 파란색은 다음과 같은 경우 가장 가깝고 사람입니다.

이 이미지는 Walabot-SensorTargets 데모의 약간 수정된 버전에서 Arena 보기의 인쇄 화면입니다. 내 프로젝트는 필요하지 않으므로 GUI가 없지만 동일한 주체를 사용합니다. github 페이지에서 다른 데모 프로젝트를 확인하는 것이 좋습니다.

현재 설정의 움직임이 너무 유동적이지 않습니다. 앞으로 나아가면서 동시에 자율 모드로 전환할 수 없습니다. 그 주된 이유는 Walabot의 프레임 속도입니다. 현재 설정으로 약 6 FPS입니다. 이는 Raspberry가 0.16초마다 하나의 업데이트를 받는다는 것을 의미합니다. 이것은 문제입니다. 0.16초 동안 많은 일이 일어날 수 있습니다. 이 문제를 극복하기 위해 탱크 속도를 늦췄습니다. 나는 가능한 한 최소한의 속도를 사용하여 전진하고 회전했습니다. 또한 내 추적 설정에서는 이러한 움직임이 신뢰할 수 없었기 때문에 회전과 이동의 조합을 제거했습니다. 더 높은 속도에서는 많이 오버슛했고 낮은 속도에서는 현재 버전보다 덜 안정적이었습니다.

음성 제어

자율 모드에서는 탱크를 제어할 멋진 방법이 필요했습니다. 이를 위해 Amazon의 Alexa Skill Kit를 사용했습니다. 초기 버전에서는 ngrok과 함께 사용하여 Raspberry를 직접 제어했습니다. 일반적으로 사람들은 이를 위해 Amazon Echo 버전을 사용하지만 불행히도 저는 그러한 장치가 없습니다. 이 작업을 수행하려면 Google Play에서 echosim과 Amazon Alexa 앱을 사용해야 했습니다. WalaBeer는 Alexa가 인식하지 못하는 것이기 때문에 스킬 이름은 Beer Tank입니다. 맥주를 사거나 맥주를 좋아하는 등이지만 WalaBeer는 아닙니다. 다음 명령을 사용하여 Alexa와 상호 작용할 수 있습니다.

다음은 처음 두 가지 기능에 대한 동영상입니다.

Some of the voice commands in the video might differ from the current commands due to some requirements during the publishing process (e.g:'stop' changed to 'stop following me'). Controlling a Raspberry Pi using Alexa is very easy, however to get the knowledge to do that is not. For the first time I used ngrok and it was super easy to do this but ngrok is only good for testing purposes. The URL provided by ngrok will change after every restart and there are other problems too. Long story short, I needed a better solution.

I moved on to using AWS Lambda and AWS IoT. They are perfect for my purpose but it was quite difficult to find useful information about how to use them. I mean I found lots of partial tutorials and documentation but usually they were missing some crucial information and/or just didn't work. Finally, I found the youtube channel of Kurt Braun. He made an excellent tutorial that helped me a LOT. I really recommend his videos if you want to use AWS Lambda and AWS IoT:

This other video also helped me when I did the experimenting part. I won't go into details about configuring Lambda and AWS IoT, these videos are containing every necessary information about this topic.

He used Node-RED in his videos. That is a very useful tool, however I needed to use Python instead of JavaScript. Amazon provides an SDK for Python, but I used Paho MQTT Client to make the Raspberry Pi subscribe to my 'wbt' topic's messages. It was easier for me to use.

Finally, here's a video about the current status of the prototype:

As you can see the "follow me" mode is working quite well, but the tank is very slow in this mode. Possibly it is capable of slightly higher speeds but I wanted to be sure that it doesn't do crazy things. Slowing the tank down was needed because at higher speeds it can easily lose me, mostly when it is turning. I've got a couple of ideas how I can significantly increase the speed in "follow me" mode but it will take some time and possibly some extra hardware to implement a solution for that.

You can access my skill here and this is its id:

amzn1.ask.skill.a7453502-b1aa-47fa-a552-ed8e2c792b2e

If you want to publish your skill it might be a good idea to you authentication to differentiate the devices. For that follow this great tutorial.

Canceled

I'd like to write some words about another part that is on the "Most of the electronics are integrated onto the top part" image. I'm talking about these:

These are tachometers. I didn't use them in the final version, but they are still there.

A tachometer like this is made of two parts:a black and white paper on the main wheel and a reflective IR sensor in front of it. The reflected light depends on the color of the object. The difference is very big so distinguishing the states is very easy and thus you can easily calculate the speed of rotation. The only problem of this setup is the low sample rate in case of slow movement, however they work quite well on higher speeds.

The tachometers worked great, but I realized that I don't need them for the project and I also needed the GPIO pins on the Arduino for other purposes. This is their story.

결론

The end result is great, useful and fun! It is also a good platform for other future projects. With hard work I managed to make the voice control work and Walabot proved to be a great sensor for this purpose, too. I see numerous ways to improve this tank so it is likely that you'll see more about it in the future!

This is my best and most successful project so far. And also the longest. To keep it from getting even longer I'd like to thank for all the help that I got and I also thank you for reading! As a prize here's a picture about a strange dog:

코드

Codes for the Arduino and Raspberry Pi