Ինֆրակարմիր տեսախցիկով ինքնավար անօդաչու սարք ՝ առաջին արձագանքողներին օգնելու համար. 7 քայլ

2024 Հեղինակ: John Day | [email protected]. Վերջին փոփոխված: 2024-01-30 09:47

Համաձայն Առողջապահության համաշխարհային կազմակերպության զեկույցի, ամեն տարի բնական աղետները սպանում են շուրջ 90,000 մարդ և տուժում մոտ 160 միլիոն մարդու ամբողջ աշխարհում: Բնական աղետները ներառում են երկրաշարժեր, ցունամի, հրաբխային ժայթքումներ, սողանքներ, փոթորիկներ, ջրհեղեղներ, անտառային հրդեհներ, ջերմային ալիքներ և երաշտներ: Timeամանակն ամենակարևորն է, քանի որ գոյատևման հնարավորությունը սկսում է նվազել ամեն րոպեի հետ: Առաջին արձագանքողները կարող են խնդիրներ ունենալ վերապրածներին վնասված տներում գտնելու և նրանց կյանքը վտանգի տակ դնելու ընթացքում: Համակարգ ունենալը, որը կարող է հեռակա տեղորոշել մարդկանց, մեծապես կբարձրացնի այն արագությունը, որով առաջին արձագանքողները կկարողանան նրանց տարհանել շենքերից: Այլ համակարգեր ուսումնասիրելուց հետո ես գտա, որ որոշ ընկերություններ ստեղծել են ռոբոտներ, որոնք ցամաքային են կամ ստեղծել են անօդաչու թռչող սարքեր, որոնք կարող են հետևել մարդկանց, բայց գործում են միայն շենքերից դուրս: Խորքի տեսախցիկների համադրությունը հատուկ ինֆրակարմիր տեսախցիկների հետ կարող է թույլ տալ ներքին տարածքի ճշգրիտ հետևում և հրդեհը, մարդկանց և կենդանիներին ներկայացնող ջերմաստիճանի փոփոխությունների հայտնաբերում: Անօդաչու թռչող սարքի (ԱԹՍ) վրա անհատական ալգորիթմով սենսորներ ներդնելով ՝ հնարավոր կլինի ինքնավար ստուգել տները և պարզել մարդկանց և կենդանիների գտնվելու վայրը ՝ դրանք հնարավորինս արագ փրկելու համար:

Խնդրում եմ քվեարկեք իմ օգտին Օպտիկայի մրցույթում:

Քայլ 1: Դիզայնի պահանջներ

Առկա տեխնոլոգիաները ուսումնասիրելուց հետո ես քննարկեցի հնարավոր լուծումները մեքենայական տեսողության փորձագետների և առաջին արձագանքողի հետ ՝ վտանգավոր տարածքներում վերապրածներին հայտնաբերելու լավագույն մեթոդը գտնելու համար: Ստորև բերված տեղեկատվությունը թվարկում է համակարգի համար անհրաժեշտ ամենակարևոր հատկանիշները և նախագծման տարրերը:

• Տեսողության մշակում - Համակարգը պետք է ապահովի արագ մշակման արագություն սենսորների և Արհեստական բանականության (Արհեստական ինտելեկտի) արձագանքի միջև փոխանակվող տեղեկատվության համար: Օրինակ ՝ համակարգը պետք է կարողանա հայտնաբերել պատերը և դրանցից խուսափելու խոչընդոտները ՝ միևնույն ժամանակ գտնելով վտանգի ենթարկված մարդկանց:
• Ինքնավար - համակարգը պետք է կարողանա գործել առանց օգտագործողի կամ օպերատորի մուտքի: UAV տեխնոլոգիայի նվազագույն փորձ ունեցող անձինք պետք է կարողանան սեղմել մեկ կամ մի քանի կոճակ, որպեսզի համակարգը սկսի սկանավորումն ինքնուրույն:
• Շառավղ - Շառավիղը համակարգի և հարևանությամբ գտնվող մյուս բոլոր օբյեկտների միջև հեռավորությունն է: Համակարգը պետք է կարողանա միջանցքները և մուտքերը հայտնաբերել առնվազն 5 մետր հեռավորության վրա: Իդեալական նվազագույն միջակայքը 0.25 մ է, որպեսզի մոտ օբյեկտները կարողանան հայտնաբերվել: Որքան մեծ է հայտնաբերման տիրույթը, այնքան կարճ է վերապրածների հայտնաբերման ժամանակը:
• Նավիգացիայի և հայտնաբերման ճշգրտություն - համակարգը պետք է կարողանա ճշգրիտ գտնել բոլոր մուտքերը և չխփել որևէ առարկայի ՝ միաժամանակ հայտնաբերելով օբյեկտների հանկարծակի տեսքը: Համակարգը պետք է կարողանա տարբեր սենսորների միջոցով գտնել մարդկանց և ոչ կենդանի օբյեկտների միջև եղած տարբերությունը:
• Գործողության տևողությունը. Համակարգը պետք է կարողանա տևել 10 րոպե կամ ավելի երկար `կախված նրանից, թե քանի սենյակ է անհրաժեշտ սկանավորել:
• Արագություն - այն պետք է կարողանա սկանավորել ամբողջ շենքը 10 րոպեից պակաս ժամանակում:

Քայլ 2. Սարքավորումների ընտրություն. Շարժունակության մեթոդ

Չորս ուղղաթիռը ընտրվել է հեռակառավարվող մեքենայի փոխարեն, քանի որ չնայած այն, որ այն փխրուն է, բայց ավելի հեշտ է կառավարել և փոխել բարձրությունը `խոչընդոտներից խուսափելու համար: Quadcopter- ը կարող է պահել բոլոր սենսորները և կայունացնել դրանք այնպես, որ դրանք ավելի ճշգրիտ լինեն տարբեր սենյակներ տեղափոխվելիս: Պտուտակները պատրաստված են ածխածնային մանրաթելից, որոնք ջերմակայուն են: Սենսորները պատերից անմիջապես հեռու են ՝ վթարները կանխելու համար:

• Հեռակառավարվող ցամաքային մեքենա

  • Կողմ - Կարող է արագ շարժվել առանց ընկնելու և չի ազդում ջերմաստիճանի վրա
  • Դեմ - Տրանսպորտային միջոցը սենսորները ցածր կդնի գետնին ՝ միաժամանակ ավելի քիչ տարածք զբաղեցնելով և կարող է արգելափակվել խոչընդոտների պատճառով

• Quadcopter

  • Կողմ - օդ է բարձրացնում սենսորները ՝ շրջապատի 360 տեսարան ստանալու համար
  • Դեմ - Եթե այն բախվի պատին, այն կարող է ընկնել և չվերականգնվել

Քայլ 3. Սարքավորումների ընտրություն. Միկրոկոնտրոլերներ

Միկրոկոնտրոլերների հիմնական երկու պահանջները փոքր չափսերն են `քառակուսու վրա բեռը նվազեցնելու և տեղեկատվության մուտքն արագ մշակելու արագությունը: Rock64- ի և DJI Naza- ի համադրությունը միկրոկոնտրոլերների կատարյալ համակցություն է, քանի որ Rock64- ն ունի բավարար մշակման հզորություն `մարդկանց արագ հայտնաբերելու և քառակուսու պատի և պատնեշների բախումից զերծ պահելու համար: DJI Naza- ն դա լավ է գովում ՝ կատարելով բոլոր կայունացման և շարժիչի վերահսկողությունը, որը Rock64- ը չի կարող անել: Միկրոկոնտրոլերները շփվում են սերիական նավահանգստի միջոցով և անհրաժեշտության դեպքում թույլ են տալիս վերահսկել օգտվողին: Raspberry Pi- ն լավ այլընտրանք կլիներ, բայց քանի որ Rock64- ն ուներ ավելի լավ պրոցեսոր և ավելի լավ միացում հաջորդ աղյուսակում թվարկված տվիչների հետ, Pi- ն չընտրվեց: Intel Edison- ը և Pixhawk- ը չեն ընտրվել աջակցության և կապի բացակայության պատճառով:

• Ազնվամորի Պի

  • Կողմ - Կարող է հայտնաբերել պատերը և ամրացված առարկաները
  • Դեմ - Պայքարում է բոլոր սենսորների տվյալներին հետևելու համար, այնպես որ մուտքերը բավականաչափ արագ չեն տեսնում: Չի կարողանում շարժիչային ազդանշաններ թողնել և չունի քառակուսու համար կայունացուցիչ սենսորներ

• Ռոք 64

  • Կողմ - Փոքր ուշացումով կարող է հայտնաբերել պատերն ու մուտքերը:
  • Դեմ - Նաև կարող է ղեկավարել համակարգը ամբողջ տանը ՝ առանց որևէ բանի բախվելու ՝ օգտագործելով բոլոր սենսորները: Չի կարողանում ազդանշաններ ուղարկել այնքան արագ, որ կարող է կառավարել շարժիչի արագությունը և չունի որևէ կայունացուցիչ սենսորներ քառակուսու համար

• Intel Edison

  • Կողմ - ի վիճակի է որոշ հետամնացությամբ հայտնաբերել պատերն ու մուտքերը
  • Դեմ - Ավելի հին տեխնոլոգիա, սենսորներից շատերին անհրաժեշտ կլինեն նոր գրադարաններ, որոնք ստեղծելու համար շատ ժամանակատար է

• DJI Նազա

  • Կողմ - Ունի ինտեգրված գիրոսկոպ, արագացուցիչ և մագնիսաչափ, որը թույլ է տալիս քառանկյուն ինքնաթիռին կայուն լինել օդում `շարժիչի արագության միկրո ճշգրտումներով:
  • Դեմ - Անհնար է որևէ տեսակի տեսողության մշակում

• Պիքշավկ

  • Կողմ - Կոմպակտ և համատեղելի նախագծում օգտագործվող սենսորների հետ ՝ ընդհանուր նպատակի մուտքի ելքի (GPIO) միջոցով
  • Դեմ - անկարող է անել որևէ տեսակի տեսողության մշակում

Քայլ 4. Սարքավորումների ընտրություն. Սենսորներ

Վտանգավոր տարածքներում մարդկանց գտնելու համար անհրաժեշտ ամբողջ տեղեկատվությունը ստանալու համար օգտագործվում է մի քանի տվիչների համադրություն: Ընտրված երկու հիմնական սենսորները ներառում են ստերեո ինֆրակարմիր տեսախցիկ ՝ SOund Navigation And Ranging- ի (SONAR) կողքին: Որոշակի փորձարկումներից հետո ես որոշեցի օգտագործել Realsense D435 տեսախցիկը, քանի որ այն փոքր է և կարողանում է ճշգրիտ հետևել մինչև 20 մետր հեռավորությունների հեռավորություններին: Այն աշխատում է վայրկյանում 90 կադր արագությամբ, ինչը թույլ է տալիս բազմաթիվ չափումներ կատարել նախքան որոշում կայացնելը, թե որտեղ են գտնվում օբյեկտները և որ ուղղությամբ պետք է ուղղել քառակուսին: SONAR սենսորները տեղադրված են համակարգի վերևում և ներքևում, որպեսզի թույլ տան, որ քառակուսին իմանա, թե որքան բարձր կամ ցածր է թույլատրվում բարձրանալ մակերեսի հետ շփումից առաջ: Առջևում տեղադրված է մեկը, որը թույլ է տալիս համակարգին հայտնաբերել ապակու նման առարկաներ, որոնք ստերեո ինֆրակարմիր տեսախցիկի սենսորը չի կարող հայտնաբերել: Մարդիկ և կենդանիները հայտնաբերվում են շարժման և առարկաների ճանաչման ալգորիթմների միջոցով: FLIR տեսախցիկը կիրականացվի ՝ ստերեո ինֆրակարմիր տեսախցիկին օգնելու համար հետևել, թե ինչն է կենդանի և ինչը ՝ չբարձրացնել սկանավորման արդյունավետությունը անբարենպաստ պայմաններում:

• Kinect V1

  • Կողմ - Կարող է հեշտությամբ հետևել 3D առարկաներին մինչև 6 մետր հեռավորության վրա
  • Դեմ -Ունի ընդամենը 1 ինֆրակարմիր տվիչ և չափազանց ծանր է քառակուսու համար

• Իրականություն D435

  • Կողմ - Ունի 2 ինֆրակարմիր տեսախցիկ և կարմիր, կանաչ, կապույտ, խորություն (RGB -D) տեսախցիկ ՝ բարձր ճշգրիտ 3D օբյեկտների հայտնաբերման համար ՝ մինչև 25 մետր հեռավորության վրա: Այն ունի 6 սմ լայնություն, ինչը թույլ է տալիս հեշտությամբ տեղավորվել քառակուսու մեջ
  • Դեմ - Կարող է տաքանալ և կարող է անհրաժեշտ լինել հովացման օդափոխիչ

• ԼԻԴԱՐ

  • Կողմ - amառագայթ, որն իր տեսադաշտում կարող է հետևել մինչև 40 մետր հեռավորության վրա գտնվող վայրերին
  • Դեմ - Շրջակա միջավայրի ջերմությունը կարող է ազդել չափման ճշգրտության վրա

• ՍՈՆԱՐ

  • Կողմ - Beառագայթ, որը կարող է հետևել 15 մ հեռավորության վրա, բայց ունակ է հայտնաբերել թափանցիկ առարկաներ, ինչպիսիք են ապակին և ակրիլը
  • Դեմ - Միայն մեկ տեսողության գծի կետեր, սակայն դրանք կարող են տեղափոխվել քառակուսու կողմից `սկանավորման տարածք

• Ուլտրաձայնային

  • Կողմ - ունի մինչև 3 մ տարածություն և շատ էժան է
  • Դեմ

• FLIR տեսախցիկ

  • Կողմ - smokeխի միջոցով առանց միջամտության կարող է խորքային լուսանկարներ անել և կարող է կենդանի մարդկանց հայտնաբերել ջերմային ստորագրությունների միջոցով
  • Դեմ - Եթե որևէ բան խանգարում է սենսորներին, հեռավորության հաշվարկները կարող են սխալ հաշվարկվել

• PIR ցուցիչ

  • Կողմ - ի վիճակի է հայտնաբերել ջերմաստիճանի փոփոխությունը
  • Դեմ - Անհնար է հստակ նշել, թե որտեղ է ջերմաստիճանի տարբերությունը

Քայլ 5. Սարքավորումների ընտրություն. Softwareրագրակազմ

Ես օգտագործեցի Realsense SDK- ը Robot Operating System- ի (ROS) կողքին ՝ միկրոկառավարիչի հետ բոլոր սենսորների միջև անխափան ինտեգրացիա ստեղծելու համար: SDK- ն ապահովեց կետային ամպի տվյալների կայուն հոսք, որն իդեալական էր բոլոր օբյեկտներն ու քառակուսու սահմանները հետևելու համար: ROS- ն ինձ օգնեց սենսորների բոլոր տվյալները ուղարկել իմ ստեղծած ծրագրին, որն իրականացնում է արհեստական բանականություն: Արհեստական ինտելեկտը բաղկացած է օբյեկտների հայտնաբերման ալգորիթմներից և շարժման հայտնաբերման ալգորիթմներից, որոնք թույլ են տալիս քառանկյունին շարժում գտնել իր միջավայրում: Հսկիչը օգտագործում է Pulse Width Modulation (PWM) ՝ քառակուսու դիրքը վերահսկելու համար:

• Freenect

  • Կողմ - Ամեն ինչ վերահսկելու համար ունի մուտքի ավելի ցածր մակարդակ
  • Դեմ - Աջակցում է միայն Kinect V1- ին

• Realsense SDK

  • Կողմ - Կարող է հեշտությամբ ստեղծել կետային ամպի տվյալները Realsense Camera- ի տեղեկատվական հոսքից
  • Դեմ - աջակցում է միայն Realsense D435 տեսախցիկը

• FLIR Linux վարորդ

  • Կողմ - Կարող է ստանալ տվյալների հոսքը FLIR տեսախցիկից
  • Դեմ - Փաստաթղթերը շատ սահմանափակ են

• Ռոբոտների օպերացիոն համակարգ (ROS)

  • Կողմ - Օպերացիոն համակարգ իդեալական տեսախցիկի գործառույթների ծրագրավորման համար
  • Դեմ - Անհրաժեշտ է տեղադրել արագ SD քարտի վրա `տվյալների արդյունավետ հավաքման համար

Քայլ 6: Համակարգի մշակում

Սարքի «աչքերը» Realsense D435 ստերեո ինֆրակարմիր սենսորն է, որն անջատված սենսոր է, որը հիմնականում օգտագործվում է ռոբոտային ծրագրերի համար, ինչպիսիք են 3D քարտեզագրումը (Նկար 1): Երբ այս սենսորը տեղադրվում է քառանկյունի վրա, ինֆրակարմիր տեսախցիկը կարող է ուղղորդել և թույլ տալ, որ քառակուսին ինքնուրույն տեղաշարժվի: Տեսախցիկի ստեղծած տվյալները կոչվում են կետային ամպ, որը բաղկացած է տարածության մի շարք կետերից, որոնք ունեն տեղեկատվություն տեսախցիկի տեսողության մեջ որոշակի օբյեկտի դիրքի մասին: Այս կետային ամպը կարող է փոխակերպվել խորության քարտեզի, որը ցույց է տալիս գույները որպես տարբեր խորություններ (Նկար 2): Կարմիրը ավելի հեռու է, իսկ կապույտը ՝ ավելի մոտ մետր:

Այս համակարգի անխափանությունն ապահովելու համար օգտագործվել է բաց կոդով ROS կոչվող օպերացիոն համակարգը, որը սովորաբար օգտագործվում է ռոբոտների վրա: Այն թույլ է տալիս կատարել ցածր մակարդակի սարքի վերահսկում և մուտք գործել բոլոր սենսորներ և կազմել տվյալներ, որոնք կօգտագործվեն այլ ծրագրերի կողմից: ROS- ը կշփվի Realsense SDK- ի հետ, որը թույլ է տալիս միացնել և անջատել տարբեր տեսախցիկներ `հետևելու համար, թե որքան հեռու են օբյեկտները համակարգից: Երկուսի միջև եղած կապը թույլ է տալիս մուտք գործել տեսախցիկի տվյալների հոսք, որը ստեղծում է կետային ամպ: Կետային ամպի մասին տեղեկությունները կարող են որոշել, թե որտեղ են գտնվում սահմաններն ու առարկաները 30 մետր հեռավորության վրա և 2 սմ ճշգրտություն: Մյուս սենսորները, ինչպիսիք են SONAR սենսորները և DJI Naza վերահսկիչում տեղադրված տվիչները, թույլ են տալիս ավելի ճշգրիտ տեղակայել քառանկյունը: Իմ ծրագրակազմը օգտագործում է արհեստական ինտելեկտի ալգորիթմներ ՝ կետային ամպ մուտք գործելու և տեղայնացման միջոցով սարքը շրջապատող ամբողջ տարածքի քարտեզ ստեղծելու համար: Երբ համակարգը գործարկվի և սկսի սկանավորումը, այն կանցնի միջանցքներով և մուտքեր կգտնի դեպի այլ սենյակներ, որտեղ այն կարող է մաքրել սենյակը, որը հատուկ մարդկանց է փնտրում: Համակարգը կրկնում է այս գործընթացը մինչև բոլոր սենյակների սկանավորումը: Ներկայումս, քառանկյունը կարող է թռչել մոտ 10 րոպե, ինչը բավական է լիարժեք մաքրում կատարելու համար, բայց կարող է բարելավվել մարտկոցի տարբեր դասավորություններով: Առաջին արձագանքողները ծանուցումներ կստանան, երբ մարդկանց նկատեն, որպեսզի նրանք կարողանան իրենց ջանքերը կենտրոնացնել ընտրված շենքերի վրա:

Քայլ 7. Քննարկում և եզրակացություն

Բազմաթիվ փորձություններից հետո ես ստեղծել էի աշխատանքային նախատիպ, որը բավարարում էր Աղյուսակ 1 -ում նշված պահանջները: Realsense D435 ստերեո ինֆրակարմիր տեսախցիկն օգտագործելով Realsense SDK- ն, ստեղծեց քառանկյունի առջևի բարձր լուծման խորության քարտեզ: Սկզբում ես խնդիրներ ունեի ինֆրակարմիր տեսախցիկի հետ, որը չկարողացավ հայտնաբերել ապակու նման որոշ առարկաներ: SONAR սենսոր ավելացնելով ՝ ես կարողացա հաղթահարել այս խնդիրը: Rock64- ի և DJI Naza- ի համադրությունը հաջողված էր, քանի որ համակարգը կարողացավ կայունացնել քառանկյունը, մինչդեռ կարողացավ օբյեկտներն ու պատերը հայտնաբերել համակարգչային տեսողության հատուկ ստեղծված ալգորիթմների միջոցով `OpenCV- ի միջոցով: Թեև ներկայիս համակարգը ֆունկցիոնալ է և բավարարում է պահանջները, այն կարող է օգուտ քաղել ապագա նախատիպերից:

Այս համակարգը կարող է բարելավվել ՝ օգտագործելով ավելի բարձրորակ տեսախցիկներ ՝ մարդկանց ավելի ճշգրիտ հայտնաբերելու համար: Թանկարժեք FLIR տեսախցիկներից ոմանք ունեն ջերմային ստորագրություններ հայտնաբերելու ունակություն, ինչը կարող է թույլ տալ ավելի ճշգրիտ հայտնաբերում: Համակարգը կարող է նաև կարողանալ գործել տարբեր միջավայրերում, ինչպիսիք են փոշոտ և ծխով լցված սենյակները: Նոր տեխնոլոգիայի և հրդեհաշիջման միջոցով այս համակարգը կարող է ուղարկվել այրվող տներ և արագորեն հայտնաբերել, թե որտեղ են մարդիկ, որպեսզի առաջին արձագանքողները կարողանան փրկել ողջ մնացածներին վտանգից:

Շնորհակալություն կարդալու համար: Մի մոռացեք ինձ ձայն տալ Օպտիկայի մրցույթում: