Робот-танк на Raspberry Pi с OpenCV

[@P0rt]

Исправьте, пожалуйста:
В итоге была найдем

[@Stantin]

готово. спасибо, что заметили.

[@Areso]

У гусеничных платформ есть свои недостатки. Шумность, вес, цена, скорость движения.

Эти скользят?

[@Aquahawk]

зависи от производителя и цены. У одних это мягкая резина, у других это жёсткий чёрный пластик который только выглядит как резина

[@Stantin]

Колеса не столько скользят, сколько застревают на мягком ковре, так как такие машинки поворачивают при помощи skid steering — т.е колеса одной стороны крутятся вперед, а другой — назад.

[@SuhoffGV]

Вопрос чуть не в тему, но может знаете — как искать выбирать двигатели как на фото выше на замену? Получил с китая гусеничный лего вездеход с похожими моторами (только редуктора другие). Один мотор крутится нормально, второй еле ползет. Из за чего вездеход не ездит прямо. Купил в оффлайне 2 визуально таких же мотора на 6-12 вольт — и теперь оба тормозят и вездеход еле едет. Маркировки на моторах нет. «Быстрый» мотор жив, но он один. Редуктора разбирал — все ок, т.е. дело точно в моторе, но как найти «правильный»?

[@Stantin]

Эти моторы самые базовые, должно быть много предложений по ним, можно по отзывам выбирать.

[@SuhoffGV]

Базовые, то базовые. Но на популярных лотах написано 3-6 вольт (а блок Лего выдает 7,2/9 вольт на АКБ/батарейках). Количество оборотов разнится от лота к лоту и в отзывах иногда пишут что они «слабые».
Знать бы на какое количество оборотов смотреть, как минимум.
А так мотор ищется по строке «dc motor 130».

[@Stantin]

Да, на базе румбы очень популярно роботов делать

[@vasimv]

У этих другая проблема — они слишком шустрые (125 RPM при 6 вольтах, вроде). В диапазоне 3-6 вольт еще крутятся кое-как, но скорость движения получается довольно высокой. То есть если несколько сантиметров в секунду надо — никак, моторы на низких напряжениях/PWM просто не могут провернуть редуктор.

[@shadson]

А что за шасси? На али нашел похожее за 75$. Это оно? Имхо, дороговато для творчества…

[@Stantin]

Да, столько.
ru.aliexpress.com/item/USB-SD-MP3-Shield/32413892216.html
Недешево, но очень понравилось, не смог устоять перед игрушкой.

[@GBIT]

Не пробовали, такое? ru.aliexpress.com/item/-/32812717185.html
Для творчества… В раздумьях.

[@nanshakov]

А я всегда мечтал собрать такое, только с нормальным вооружением ( порох, автомат заряжаниям (револьверный барабан выстрелы на 20) сжатый воздух?) и устраивать дистанционные бои на танках…

[@oldbay]

Вот Вас точно нельзя к котам подпускать :)
По теме: недавно смотрел всякие бои «роботов» и откровенно скучал. Схватка радиоуправляемых моделек.
Насколько бы было интереснее запуск автономных ботов управляемых нейросетями — схватка не только железа но и боевых алгоритмов.

[@Stantin]

Лазером можно. как в лазертаге устроено. Была у меня такая идея, может и сделаю ещё, только матчасть по оптике надо подтянуть.

[@Mhyhr]

Рекомендую всем брать шасси с амортизаторами, иначе робот будет очень жестко ездить по неровностям. (Для экспериментов в доме хватит и обычного).

Автор — я веду схожий хобби проект, было бы интересно пообщаться.

[@Stantin]

Можно пообщаться конечно. По какому каналу?

[@rautate]

Автор, спасибо за статью, у меня как раз стоит в режиме «ожидания» проект по TensorFlow на Raspberry Pi. Он уже собран по той инструкции с гитхаба. Моя задача, распознать например цвета (тюльпаны, бутоны… и т.д). Распберри с камерой будет статичной. Сами цветы будут подноситься к нему. На данный момент, модель ТФ обучена и портирована на Малинку, только времени нету чтобы все проверить, и допилить. Ты пишешь, что OpenCV (с модулем DNN) уже развился до уровня, что TensorFlow не нужен. Я правильно понял? Или для моей задачи, все-таки TensorFlow?

[@Stantin]

Да, если обученная модель по формату подходит версии OpenCV, то можно дальше обойтись без TF на распберри

[@rautate]

а на OpenCV тоже обучение происходит на стороннем компьютере, или непосредственно ра Малинке?

[@Stantin]

на OpenCV нельзя обучить нейросеть. Для этого нужен TF на стороннем компе и помощнее. А OpenCV может использовать обученную.

[@ChePeter]

А как исправляли искажение перспективы при поиске красного круга? Или ждали пока танк сделает фотку прямо перпендикулярно красному кругу?

[@Stantin]

OpenCV допускает определенный эллипс при поиске окружности.

[@ChePeter]

Что то в документации такого не было. Хафа, а Вы использовали cv2.HoughCircles именно его алгоритм, ищет точно и только круги, ни на какие эллипсы он не реагирует просто потому, что в нем заложена формула окружности, а не эллипса.
Что бы методом Хафа искать эллипс нужно менять исходники cv2.HoughCircles — у эллипса и окружности разные, похожие, но всё же разные формулы.
И вопрос остался, искажение перспективы тоже.

[@Stantin]

Только что посмотрел свои тестовые круги — один например оказался 16x19 и контур вокруг был распознан как окружность.

[@ChePeter]

Так какого диаметра окружность распознана? Как 16, 19 или еще как?

[@ginkage]

Очень интересно, спасибо.
А вы не смотрели в сторону AIY Vision Kit от гугла? Там к малинке подцепляется дополнительная платка, которая, как я понимаю, напрямую работает с заранее скомпилированными TF-моделями. По задачам, кажется, есть определённая схожесть, плюс не нужно заморачиваться со сборкой OpenCV нужной версии, да и сама малинка там используется вообще Zero, т.к. вся обработка идёт на внешней плате.

[@Stantin]

Да, смотрел. Главная проблема — эта плата садится на все пины Raspberry, блокируя что-либо кроме распознавания. А у меня на пинах завязано и движение колес, и управление штативом, и эхолотом.

[@ginkage]

Там на внешней плате выведено четыре GPIO-контакта для произвольных применений, а у вас на фото, кажется, как раз четыре и используется. ;)

[@Stantin]

Сейчас используется 6 gpio плюс все пины питания, 3 граунда плюс оба пина i2c.

[@barabanus]

Спасибо, что поделились своей разработкой, но у меня есть некоторые комментарии по использованию OpenCV на Python:

1. Вместо

mask = cv2.erode(mask, None, iterations=2)
mask = cv2.dilate(mask, None, iterations=2)

лучше писать:

cv2.erode(mask, dst=mask, kernel=None, iterations=2)
cv2.dilate(mask, dst=mask, kernel=None, iterations=2)

… а еще лучше:

cv2.morphologyEx(mask, dst=mask, op=cv2.MORPH_OPEN, kernel=None, iterations=2)

Во-первых, erode() -> dilate() это морфологическая операция open(). Во-вторых, по возможности надо переиспользовать буферы памяти — это экономит не только память, но и время исполнения, поскольку память уже может находиться в кэше.

2. Вместо

thresh = cv2.bitwise_not(thresh)

лучше писать:

thresh = ~thresh

В сложных выражениях это упрощает понимание. Точно так же NumPy переопределяет побитовые AND (&), OR (|), XOR (^)

3. «каскадом Хаара» — на самом деле это детектор Виола-Джонса с Хааровскими фичами.

[@Stantin]

Спасибо, буду иметь в виду.