- µC : Teensys 3.5
- Contrôle servomoteur : Driver I2C pour 16 servomoteurs
- IMU : CMPS12
- Servomoteurs : MG91
- Matériaux : peuplier de 3 mm découper avec une découpe laser
Category: robot
Robot MRPiZ + capteur de gestes
Une vidéo du robot MRPiZ avec le capteur de gestes 3D Flick:
Le programme en langage python:
#!/usr/bin/env python import sys from mrpiZ_lib import * import time import flicklib from copy import copy import subprocess def message(value): print value @flicklib.move() def move(x, y, z): global xyz xyz = [x,y,z] def main(): time_PasDetection = 0 global xyz xyz = [0,0,0] old_xyz = [0,0,0] deplacement_axeX = 0 print "Exemple" while True: if old_xyz != xyz: deplacement_axeX = xyz[0] deplacement_axeY = xyz[1] print "X", deplacement_axeX print "Y", deplacement_axeY if(deplacement_axeX < 0.35): print "avancer" forward(25) if(deplacement_axeX > 0.75): print "reculer" back(25) if((deplacement_axeY > 0.75)and(deplacement_axeX > 0.35)and(deplacement_axeX < 0.75)): print "tourner droite" turnRight(25) if((deplacement_axeY < 0.5)and(deplacement_axeX > 0.35)and(deplacement_axeX < 0.75)): print "tourner gauche" turnLeft(25) time.sleep(0.5) #stop() else: print "pas de detection" time_PasDetection = time_PasDetection + 1 if(time_PasDetection > 5): stop() time_PasDetection = 0 old_xyz = copy(xyz) time.sleep(0.2) if __name__ == "__main__": main()
Partie 1 : tracking d’une balle colorée
Un nouveau tutoriel pour le robot MRPiZ :
https://fr.macerobotics.com/developpeur/partie-1-tracking-dune-balle-coloree/
MRPiZ with a gripper
MRPiZ – suivie de ligne avec openCV & python
Ce tutorial présente l’implémentation d’un suivi de ligne pour le robot mobile MRPiZ.
Matériel nécessaire
- Un robot MRPiZ
- Une caméra compatible, idéalement grand angle.
Logiciels nécessaire
- Python 2.7 (déja installé par défaut),
- La bibliothèque Python MRPiZ (déja installée par défaut),
- OpenCV pour python
Activation de video4linux
Deux méthodes sont possibles pour accéder à la caméra:
- PiCamera: la méthode la plus répandue, mais lente car il est nécessaire de transformer l’image pour la mettre au bon format,
- v4l: qui s’interface directement avec OpenCV, c’est la méthode choisie pour ce tutorial.
Il nous faut donc activer v4l:
$ sudo modprobe bcm2835-v4l2
Le suivi de ligne
Le fichier complet se trouve dans Software/Python/tutorials/line_follower/line.py.
Warning
Utilisez CTRL+C pour arrêter le robot.
Importation des modules
import numpy as np
import cv2
import sys
from mrpiZ_lib import *
Paramétrés globaux
# image size
WIDTH = 640
HEIGHT = 480
# turn coeff
COEFF = 0.05
# base robot speed in straight line
SPEED = 30
Activation de la caméra
Pour améliorer les performances, la résolution est réduite à 640 pixels en largeur et 480 en hauteur.
video_capture = cv2.VideoCapture(0)
video_capture.set(3, WIDTH)
video_capture.set(4, HEIGHT)
Boucle principale
La boucle principale va fonctionner à l’infini, pour l’arrêter il faudra appuyer sur CTRL+C.
try:
while(True):
Capture de l’image
Première étape, on commence par capturer une image.
# Capture the frames
ret, frame = video_capture.read()
Voici un exemple d’image capturée:
Suppression de la partie haute
Pour améliorer les performances, on ne va garder que la partie basse de l’image:
# Crop the image
# Keep the 100 lower pixels
crop_img = frame[379:480, 0:640]
Niveaux de gris
Ensuite on passe l’image en niveaux de gris:
# Convert to grayscale
gray = cv2.cvtColor(crop_img, cv2.COLOR_BGR2GRAY)
Flou
Un filtre afin de rendre flou les lignes de l’image est appliqué, il permet de rendre plus efficace les étapes suivantes:
# Gaussian blur
blur = cv2.GaussianBlur(gray,(5,5),0)
Seuillage
Ensuite on va filtrer les parties claires de l’image pour ne garder les parties noires, pour cela, un filtre de seuillage est appliqué:
# Color thresholding
ret,thresh = cv2.threshold(blur,60,255,cv2.THRESH_BINARY_INV)
Détection de contours
Ensuite, on va utiliser openCV pour détecter les contours:
# Find the contours of the frame
contours,hierarchy = cv2.findContours(thresh.copy(), 1, cv2.CHAIN_APPROX_NONE)
Extraction du plus gros contour
Il nous faut ensuite extraire la ligne la plus large trouvée afin d’éliminer les fausses détections:
# Find the biggest contour (if detected)
if len(contours) > 0:
c = max(contours, key=cv2.contourArea)
M = cv2.moments(c)
# Skip to avoid div by zero
if int(M['m00']) == 0:
continue
Calcul du milieu de la ligne
Une fois les contours de la ligne détectée, on calcul le centre de la ligne, c’est la que l’on veut que le robot aille:
# Get the line center
cx = int(M['m10']/M['m00'])
cy = int(M['m01']/M['m00'])
Contrôle des moteurs
Une correction proportionnelle à la différence entre la position de la ligne et le milieu de l’image est calculée. Les moteurs sont ensuite commandés pour ralentir un des moteurs et accélérer l’autre, ceci afin de faire tourner le robot en direction du centre de la ligne.
delta = COEFF * (cx - 320)
motorRight(0, SPEED - delta)
motorLeft(0, SPEED + delta)
Clavier
Enfin, deux lignes de code permettent d’arrêter le robot quand on appuie sur CTRL+C.
except KeyboardInterrupt:
stop()
Création d’une carte avec le robot MRPiZ
Voici un exemple de création d’une carte avec le robot MRPiZ en utilisant le capteur de distance laser VL53L0X :
Le programme python de la création d’une carte :
- Le robot tourne à 360° et lit le capteur de distance,
- Enregistrement de l’orientation du robot et de la distance du capteur dans un fichier csv.
from mrpiZ_lib import * import time, csv NameFile = 'carte.csv' def read_laser(): p3_1 = proxSensor(3) p3_2 = proxSensor(3) p3_3 = proxSensor(3) p3_4 = proxSensor(3) p3_5 = proxSensor(3) p3 = (p3_1 + p3_2 + p3_3 + p3_4 + p3_5)/5 return p3 ############################################# MAIN # wait init time.sleep(2) Fichier = open(NameFile,'w') Robot_tourne = 0 # enable asv control controlEnable() while 1: # read laser distance sensor distance = read_laser() # read robot orientation orientation = robotPositionO() # write in file Fichier.write(str(distance)) Fichier.write(";") Fichier.write(str(orientation)) Fichier.write("\r\n")# nouvelle ligne if(Robot_tourne == 0): turnLeftDegree(8,360) Robot_tourne = 1 Fichier.close() exit()
Le programme de lecture et d’affichage de la carte :
import numpy as np import math import matplotlib.pyplot as plt import numpy as np import csv liste_distance = [] liste_orientation = [] fichier = open("carte.csv", "r") c = 0 # lecture fichier while True: ligne = fichier.readline() if ligne =='': break # fin fichier # lecture de la distance (capteur distance) distance = ligne.split(';')[0] # lecture orientation orientation = ligne.split(';')[1] # correction de la distance par rapport au centre du robot et la position du capteur distance = float(distance) + 50 # conversion en radian if float(orientation) > 0: orientation = (float(orientation)*3.14)/180 liste_distance.append(float(distance)) liste_orientation.append(float(orientation)) c = c + 1 ax = plt.subplot(111, projection='polar') ax.plot(liste_orientation, liste_distance) ax.grid(True) plt.show()
Exemple d’affichage :
Imitation learning with MRPiZ robot
Imitation learning exemple with the MRPiZ robot :
- record the speed of the two motors
- repead the speed of the motors
The python code :
from mrpiZ_lib import * import time # acquisition frequency TIME_ACQ = 0.1 # acquisition time TEMPS_ACQ = 200 liste_mr = [] liste_ml = [] # main program # record loop c = 0 motorsDisable() time.sleep(1) while c < TEMPS_ACQ: ml = motorLeftSpeed() # read left motor speed mr = motorRightSpeed() # read right motor speed liste_mr.append(mr) liste_ml.append(ml) time.sleep(TIME_ACQ) print ml, mr, c c = c + 1 print "END RECORD -----------" time.sleep(2) c=0 cmd_right=0 cmd_left=0 dir_right = 0 dir_left = 0 # H-bridge enable motorsEnable() ########################################################## # imitation while c < TEMPS_ACQ: if liste_mr >= 0: cmd_right = 2.8*liste_mr dir_right = 0 elif liste_mr < 0: cmd_right = 2.8*liste_mr dir_right = 1 else: dir_right = 0 cmd_right = 0 if liste_ml >= 0: cmd_left = 2.8*liste_ml dir_left = 0 elif liste_ml < 0: cmd_left = 2.8*liste_ml dir_left = 1 else: cmd_left = 0 dir_left = 0 print cmd_left, cmd_right, c c= c + 1 # motors commands motorRight(dir_right,abs(cmd_right)) motorLeft(dir_left,abs(cmd_left)) time.sleep(TIME_ACQ) stop() # end
Promotion sur le robot MRPiZ
Promotion sur le robot MRPiZ version starter de -10% du 30/04/2018 au 14/05/2018.
Boutique : https://shop.macerobotics.com/
Dance de robots MRPiZ
La gestion des robots en parallèle est gérer par fabric (www.fabfile.org). Un outil SSH permettant d’envoyer plusieurs commandes SSH en parallèle. Chaques robots MRPiZ est identifié par une adresse IP unique:
- IP du robot n°1: 192.168.1.41
- IP du robot n°2: 192.168.1.37
- IP du robot n°3: 192.168.1.47
Le script de contrôle des robots :
#!/usr/bin/env python
import fabric
from fabric.api import run, env, task
from fabric.api import *
import time
env.hosts = ['192.168.1.41', '192.168.1.37', '192.168.1.47']
env.user = 'pi'
env.password = 'raspberry'
@parallel
def hello():
run('python /home/pi/MRPiZ/Dance.py')
Le script python pour les robots :
#!/usr/bin/env python import sys from mrpiZ_lib import * import time controlEnable() while 1: forward_mm(13,120) back_mm(11,100) forward_mm(11,100) turnRight_degree(25,360) time.sleep(1) turnRight_degree(15,90) turnLeft_degree(15,180) turnRight_degree(15,90) back_mm(12,90)
Robots MRduino Wireless – play circus
https://youtu.be/DQLK-vAj6tc