Привет, хабр. Решил слегка разбавить нескончаемый поток статей "K8S для ёжиков", "ИИ добавлен в туалетную бумагу" и прочих авторов нейростатей, пиарящих телеграм-каналы. Я просто напишу, как захотел руками сделать дверной звонок на ESP32 и какие трудности я при этом преодолевал.
Результат, если кто хочет побыстрее
Первая ревизия
Вторая ревизия (текущая)
Часть 0. Disclaimer
У меня умный дом на HomeAssistant. Давным-давно, лет 10 назад, я пытался создать платформу на AVR, которая бы запускала в себе нечто вроде интерпретатора команд, чтобы логику можно было задавать без перепрошивки устройства, но столкнулся с набором проблем, из-за которых проект и похоронил. Потом я узнал о существовании esphome и всё засияло яркими красками. Сейчас стараюсь использовать его для конечных устройств, благо пока возможностей хватает. Потому и тут всё описание и код будет с использованием этой платформы.
Часть 1. Идея
Однажды, бродя по cults3d, я наткнулся на модельку для игрушки на Хэллоуин. Она меня зацепила, я полез внутрь. Оказалось, что это не только печатная игрушка - автор сделал в ней возможность поставить электронные компоненты, чтобы слегка её оживить. Тут мысль побежала вперёд: я давно хотел сделать что-то "эдакое", а тут я прямо увидел вариант сделать из этого дверной звонок, от которого дети будут писаться по ночам. Окей, начнём.
Но, как говорится, какое ТЗ, такое и ХЗ, так что надо подумать, что именно я вообще хочу сделать.
Очевидно - ловить нажатие кнопки и передавать его внутрь, на HA. Т.е. нужны мозги.
Наверное, будет круто, если будет какая-то анимация. То есть дисплей.
Звуки тоже не помешают. Динамик.
Лирическое отступление: в квартире, в которой я живу сейчас, 30 лет назад было сделано хитрое видеонаблюдение: в стыки панелей в лифтовом холле (!) была встроена миниатюрная камера и микрофон. Потом это всё было заштукатурено, оставили лишь малую дырочку. Провода провели в квартиру и повесили экран. Что происходит с техникой за 30 лет без обслуживания, тем более замурованной в бетон - догадайтесь сами. Мне этот функционал показался интересным, потому я решил - почему бы и да?
Видеокамера. Не скрытая, конечно - закон мы чтим!
Микрофон - вдруг пригодится слышать, что творится снаружи?
Автономность? Не, у нас штука, которая всегда висит на одном месте, провода протяну.
Таким образом, накидав примерный список хотелок, я начал смотреть, какие устройства помогут мне их воплотить.
Часть 2. Подбор железа
Начнём с мозгов. На тот момент (2024 год) из удобного железа было представлено только ESP32-Wrover-Dev, вроде такого:
Внешний вид платы
С дисплеем оказалось ещё проще: уже несколько лет у меня в ящике валялся экранчик на 1,77" на базе ST7735, типа такого:
Модуль дисплея
Со звуком тоже достаточно просто: из современных плееров кроме dfplayer я ничего и не знаю. Бонусом в расходам идёт мелкий динамик, на 2 Ом или вроде того, и microsd для файлов плеера. У меня была на 64Мб, более чем достаточно для нашей цели.
Сам плеер
Труднее всего было с микрофоном - я до этого с ними вообще не контактировал. После долгих изысканий я выяснил, что мне нужно устройство, поддерживающее I2S, поэтому просто купил первый попавшийся модуль всенаправленного микрофона. Я не был уверен, что звук будет распознаваем в условиях эха, потому особо не заморачивался.
Часть 3. Эксперименты
Когда ко мне приехали все железки, я начал изучать, как их связать. И тут началась самая увлекательная часть всего процесса - фигурные танцы на граблях.
Первое огорчение меня ждало с ESP-модулем. Взглянем на его распиновку:
Распиновка
Я совершенно не ожидал, что бОльшая часть пинов на модуле при установке камеры в слот будет недоступна! Все пины, отмеченные голубым цветом, нужны камере и не могут быть использованы иначе. То есть мои возможности урезаются вдвое. Больно, но тогда я этому значения не придал. А зря, и вот почему:
Распиновка
Вот распиновка плеера. Он работает по UART, ��ак что ему нужно выделить две ноги: RX и TX.
Рапиновка
А вот распиновка дисплея. На нём остановлюсь чуть подробнее. Он работает по I2C:
SDA/SCL - линии данных и тактовых импульсов
CS - линия выбора устройства. На I2S может быть несколько устройств, выбор того, с кем говорит модуль, осуществляется подачей сигнала на этот вход
RES - линия перезагрузки дисплея
DC - Data/Command линия. По ней экрану поясняют, идёт ли сейчас команда или данные об изображении.
BL - управление подсветкой модуля.
Итого 2 на плеер, 6 на экран и 1 на кнопку - уже 9 пинов. Отбросим системные пины, которые не рекомендуют трогать при загрузке ESP, и остаётся грустная картина - на всё задуманное нам уже не хватает. Даже если завести BL напрямую на питание, чтобы подсветка была всегда включена, и не использовать RES - всё равно надо 7. А что свободно на контроллере:
32
33
1
3
14
12
Окей, но ведь можно же... поставить два контроллера! Один отвечает чисто за камеру, второй за всё остальное. Отличный план... в теории. Ведь так?
Часть 4. Принятие
Оказалось, что идея плоха прямо по всем пунктам. Вот они:
Два контроллера в корпус влезают еле-еле, чуть ли не с треском.
Две wifi-антенны рядом, судя по всему, начинают дико мешать друг другу. Эта сборка просто отваливалась, если я открывал на ноуте видеопоток с камеры.
Внезапно, на модуле с камерой сумрачные китайские гении использовали один из системных пинов под камеру! Это приводило к тому, что при холодном старте контроллер не запускался. Только после физического нажатия на RESET он стартовал в рабочем режиме. Что, как вы понимаете, для звонка, который должен висеть и которому никто не гарантирует питание 24/7 как-то не подходит.
В итоге пришлось отказаться от части фич. На тот момент проект уже сожрал 3 месяца свободного времени, хотелось его побыстрее закончить, потому я урезал хотелки: убрал камеру и микрофон, выкинул модуль камеры и заменил основной ESP на ESP-WROVER-KIT. На нём не было распаянной колодки, потому ног контроллера хватало на всё. Распределил я их так:
Распиновка WROVER
16 | TX DFplayer | |
17 | RX DFplayer | |
32 | SPI CLK | для дисплея |
33 | SPI MOSI | для дисплея. MOSI - "Master Out Slave In" |
14 | DC | DC дисплея |
13 | CS | CS дисплея |
25 | INPUT | Сигнал с кнопки, другим концом подвешенной на GND |
BL привязал на VCC дисплея, подсветка включена всегда. RES не использовал - оказалось, что esphome после загрузки автоматически в процессе инициализации дисплея его сбрасывает.
Часть 5. Корпус и контент
Так как корпус "ванильной" модели не годился, мне пришлось методом тыка осваивать Blender. Не самый приятный опыт для начинающего, хотя конкретная задача слегка облегчала путь. Под спойлером два скрина: лицевая часть модели с двух сторон и задняя крышка.
Вот они
Не буду описывать полтора десятка неудачных принтов и попыток, просто дам пояснения: на верхней крышке пришлось увеличивать отверстие глаза, т.к. родное было слишком маленьким. Из-за того там есть небольшой артефакт в виде "скола", который, впрочем, в глаза не бросается. Также изначально хотел сделать кнопку в виде торчащего языка, потому там такое странное отверстие и есть маленькие крепления. В итоге от этого отказался: во-первых, неочевидно, что это кнопка, во-вторых - слишком хрупко получилось, т.к. маленькое. Но отверстие отлично открывает динамик, так что всё ж полезное.
По нижней части: слева доработанное, справа оригинальное. Добавил дополнительные ножки по центру: внизу лежит ESP, над ним дисплей, высота подобрана так, чтобы они друг друга не касались. Также сверху сделал вырез для шлейфа камеры. Нижний упор мешал, его убрал вовсе.
С медиаконтентом, конечно же, тоже не обошлось без проблем. И если mp3-файл я нашёл достаточно легко среди бесплатных, то с анимацией глаза случилась неожиданная проблема. У esphome нет нативной возможности грузить что-то извне во время работы, вся анимация должна быть вкомпилирована в код и загружена на устройство. И, хоть устройство и имеет 4Мб флеша, библиотеки по работе с камерой, дисплеем и вайфаем тоже весят более 0. Более того, при компиляции происходит следующая магия: гифка режется на кадры, каждый из них превращается в отдельный двумерный массив пикселей и зашивается в код. То есть обычная гифка с более-менее плавными движениями просто не влезала в кристалл! Пришлось искать сервисы по редактированию: выкидывать кадры, уменьшать глубину цвета, ещё что-то, уже не помню. И даже так я еле влез во флеш.
RAM: [= ] 12.1% (used 39784 bytes from 327680 bytes)
Flash: [========= ] 91.3% (used 1676266 bytes from 1835008 bytes)
Всё это было засунуто в распечатанный корпус, обильно обмотано синей изолентой и повешено за дверь. Внутрь были выведены только кабели питания и линия reset, на всякий случай. И так оно проработало больше года, пока...
Часть 6. Возвращение творческого зуда
Работа в IT имеет свою специфику. Которая, к сожалению, последние годы заключается в том, что ни один проект не доделывается до конца — всегда «и так сойдёт, потом пофиксим». В какой‑то момент мне стало от этого физически некомфортно и захотелось закончить хотя бы что‑то. И я вспомнил, что звонок у меня в стадии MVP и я когда‑то обещал довести его до ума. Это был знак!
Так как в этот раз я твёрдо хотел получить полный функционал, я подошёл к выбору железа недостаточно серьёзно. В качестве платформы я решил взять ESP32-Wrover-Dev. Да, на нём опять не хватало ног.. Но есть же IO expander! Если вкратце, то это микросхема, которая слушает SPI-шину и предоставляет 8 или 16 дополнительных линий контроллеру, которые, по уверениям esphome, можно использовать совсем как родные ноги. А SCL и SDA у нас уже есть, на дисплее. То есть ценой одной дополнительной ноги и небольшой задержки я смогу получить дополнительно 16 ног? Продано! Что же может пойти не так?..
Оказалось, что дьявол кроется в деталях. Действительно, экстендер может заменить собой любой GPIO. Т.е. General Purpose Input/Output. Проблема в том, что пины, которые используются, например, для описания интерфейса UART - не считаются general! То есть я могу написать так:
uart: id: player tx_pin: GPIO43 rx_pin: GPIO44 baud_rate: 9600
И это будет корректно. Но если я захочу использовать тут экстендер:
pcf8574: - id: 'extender' address: 0x21 #or 0x21, it depends pcf8575: true # Вот так - можно binary_sensor: - platform: gpio pin: pcf8574: extender number: 2 mode: input: true inverted: true id: button1 # А вот так уже нельзя, не компилируется! uart: id: player tx_pin: pcf8574: extender number: 3 mode: input: false ...
То есть экстендером можно подменить только то, что описано как pin. А все "системные" штуки, типа шин, интерфейсов и прочего, объявляются иначе. У меня было ровно одно место, где это можно было использовать: кнопка. То есть плата, по сути, не давала ничего, потому пришлось думать дальше.
Часть 7. Итерация N+1
В этот момент я сделал то, что следовало сделать давным-давно: спросил нейросеть "контроллер esp32 с камерой и самым большим количеством доступных выводов". Из результатов поиска мне приглянулся монстр под кодовым именем ESP32-S3-CAM, вот такой
Распиновка
Тут я уже сначала посмотрел на распиновку и харастеристики. 240МГц в дверном звонке - не, ну а что, он же будет поддерживать HD и ИИ. По распиновке видно, что левая сторона будет почти полностью съедена камерой, на неё больше не смотрим. А что справа? Исключая PSRAM-ные пины, у нас 13 свободных ног! Подходит с запасом, надо брать. И только сильно позже я заметил, что у него ещё и 16Мб флеша, что означает, что в него влезет и другая анимация, покруче! А раз так - то и звуков тоже можно добавить.
Вот таблица с распиновкой компонентов:
Компонент | Пины контроллера | Примечание |
Дисплей | GPIO1 (CLK), GPIO2 (MOSI) | SPI |
GPIO42 (DC), GPIO41 (CS) | Линии управления | |
GPIO40 (RES), GPIO39 (BL) | Сброс и подсветка | |
DFPlayer | GPIO43 (TX), GPIO44 (RX) | UART связи с плеером |
Камера | GPIO6-13, 15-18 | Разведено производителем, шина данный с камеры |
I2C | GPIO4 (SDA), GPIO5 (SCL) | Шина управления камерой |
Кнопка | GPIO19 | Подтянута вверх, замыкание на землю |
Дальше - дело техники. Описал LLM задачу, мол, делаю хеллоуинскую игрушку, нужны фразы. Сгенерировал около 70 штук. Десяток из них понравился, выбрал их и перешёл к этапу озвучки. Тут мне сильно помог проект Silero (на Хабре видел статьи от @snakers4 ) прям огонь-штука: выбираешь в ТГ голос, закидываешь фразу и получаешь mp3, который просто надо переименовать и закинуть на sd-карту.
И тут я почти совершил классическую ошибку любого DIY-инженера - мы не знаем, когда следует остановиться. Я нашёл проект Uncanny eyes и очаровался им - это прям то, что нужно. И уже даже есть готовые скрипты и код, правда, под другой контроллер, но разве это проблема, когда есть Gemini и Claude, на которые молится половина разработчиков? С ними адаптировать это под мои нужды - буквально пара промптов. Что может пойти не так? Оказалось, очень многое. Почти неделю я убил на эти попытки - ничего адекватного не вышло. Сгенерировать gif по описанному алгоритму LLM не смогли. Преобразовать готовый скетч в .h файл смогли обе модели, но это приводило лишь к аварийной перезагрузке ESP при обращении к анимации. Создание кастомного подключаемого компонента получилось лишь через 3 дня попыток и борьбы с классами и компиляцией, и то - безуспешно, у меня был анимированный чёрный экран, который жрал 75% ресурсов модуля при работе. Я понял, что опять попал в ловушку "сделать идеально" и решил, что сейчас надо закончить как есть, а с кодом разбираться в следующей итерации, если она будет.
Я уже писал, что Blender я не осилил, потому работу с примитивами в моделях продолжил в TinkerCAD. Оказалось очень удобно добавлять там места для модулей и привязывать их к существующим моделям. В черновом варианте это выглядит примерно так
Корпусирование
Ну и вот так выглядит в сборе
Звонок в сборе
Часть 255. Заключительная
Это не пошаговая инструкция к созданию железки, скорее - путевые записи о том, как делать не надо. В итоге из пригоршни рассыпухи и неудержимого инженерного зуда рождается устройство "с характером" - такое, как хотелось, а не то, какое есть на рынке. Трудно? Да. Можно ли сделать лучше? Конечно. Стоило ли оно того? Более чем. И этот опыт, и решение сопутствующих проблем и недосмотров. Я не стал крутым инженером - но определённо стал круче, чем был.
Для тех, кто хочет себе такую же штуку (или улучшить мою) - прикладываю ссылку на репозиторий на GitHub. И обязательно подпишитесь на мой телеграм-канал, если я его когда-нибудь заведу.
