รีวิว: ชุดหุ่นยนต์ SunFounder PICAR-X สำหรับการเรียนรู้ด้าน AI ด้วยบอร์ด Raspberry Pi

PiCar-X เป็นรถหุ่นยนต์ขับเคลื่อนอัตโนมัติที่ขับเคลื่อนด้วย AI สำหรับแพลตฟอร์ม Raspberry Pi ของบริษัท SunFounder โดยมี Raspberry Pi ทำหน้าที่เป็นบอร์ดประมวลผลหลักมี โมดูลกล้องสามารถเคลื่อนไหวด้วยเซอร์โวมอเตอร์แบบ 2 แกนโดยสามารถแพนหรือเอียงของกล้องได้ มีโมดูลอัลตราโซนิกในการตรวจับวัตถุระยะไกล และมีโมดูลตรวจจับเส้นเพื่อการเรียนรู้เกี่ยวกับเดินตามเส้น หุ่นยนต์ PiCar-X สามารถเรียนรู้เกี่ยวกับ Computer Vision ได้ด้วยไม่ว่าจะเป็นฟังก์ชันการตรวจจับสี การตรวจจับใบหน้า การตรวจจับป้ายสัญญาณจราจร การหลบเลี่ยงสิ่งกีดขวางแบบอัตโนมัติ และการติดตามเส้นอัตโนมัติ

PiCar-X สามารถเขียนโปรแกรมได้ 2 ภาษาคอมพิวเตอร์ ได้แก่: Blockly (Ezblock Studio) เป็นลักษณะลากวางที่ทำให้การเขียนโปรแกรมเป็นเรื่องง่าย และ ภาษา Python เพื่อการเรียนรู้การใช้โมดูลต่างๆที่เกี่ยวกับ Computer Vision Library ของ OpenCV และ TensorFlow ของ Google เป็นการเรียนรู้เชิงลึกเกี่ยวกับ Computer Vision ได้เป็นอย่างดี อีกทั้งยังสามารถควบคุมหุ่นยนต์ผ่านแอบพลิเคชั่น SunFounder Controller บนมือถือได้อีกด้วย

รายละเอียดของหุ่นยนต์ SunFounder PICAR-X

ชุดหุ่นยนต์ Picar-X ในกล่องจะประกอบไปด้วยชิ้นส่วนต่างๆ ที่ถูกแยกชิ้นมาเป็นชิ้นๆ ไม่ว่าจะเป็น ชุดโครงสร้าง, มอเตอร์ไฟฟ้ากระแสตรงที่ใช้ในการขับเคลื่อน, ล้อหุ่นยนต์, บอร์ดขยาย RoboHat, เซนเซอร์ Ultrasonic, เซนเซอร์จับเส้น, เซอร์โวมอเตอร์, แบตเตอรี่, ชุดน๊อตสกรูในการประกอบ โดยผู้เรียนจะต้องทำการประกอบเองเพื่อการเรียนรู้เกี่ยวกับประกอบหุ่นยนต์และเรียนรู้การต่อสายไฟของหุ่นยนต์ชุดนี้ สามารถดูรายละเอียดและการประกอบเพิ่มเติมบนเอกสาร

บอร์ดควบคุมหลักของหุ่นยนต์ SunFounder PICAR-X

Raspberry Pi เป็น Single Board Computer ขนาดเล็กราคาประหยัดที่ได้รับความนิยมเป็นอย่างมาก ด้วยความสามารถประสิทธิภาพการทำงานที่ยอดเยี่ยม Raspberry Pi จึงได้รับการพัฒนาขึ้นมาเพื่อวัตถุประสงค์ทางด้านการศึกษา โดยสามารถเชื่อมต่อบอร์ดเสริม HAT ได้ทำให้เพิ่มประสิทธิภาพในการเชื่อมต่ออุปกรณ์ต่างๆสูงขึ้น จึงทำให้ Raspberry Pi ถูกนำมาใช้ในชุดหุ่นยนต์ PICAR-X ชุดนี้ และเป็นเครื่องมือที่เหมาะสมเป็นอย่างยิ่งสำหรับการเรียนรู้เกี่ยวกับหุ่นยนต์ระบบอัตโนมัติ โดยการรีวิวในบทความนี้เราจะใช้ Raspberry Pi 4 Ram 4GB

บอร์ดขยาย SunFounder PICAR-X Robot HAT

บอร์ดขยาย Robot HAT ที่ออกแบบโดย SunFounder PiCar-X มาพร้อมสวิตซ์ เปิด-ปิด มีพอร์ตขับมอเตอร์ 2 พอร์ต สามารถเชื่อมต่อมอเตอร์ซ้ายและมอเตอร์ขวาได้ มีพอร์ตขับเซอร์โวมอเตอร์ 12 พอร์ต สามารถใช้งานในการขับเคลื่อน Sterring หรือ พวงมาลัยของรถ และสามารถควบคุมการแพน-เอียงของกล้องได้อีกด้วย บอร์ดขยาย Robot HAT มีลำโพงในการเล่นเสียงที่เป็นแบบเอฟเฟกต์ หรือ ตอบโต้เป็นคำพูด หรือการเล่นเพลง mp3 ได้ด้วย อีกทั้งสามารถตั้งค่าพอร์ต ADC พอร์ต PWM และ พอร์ตการสื่อสารแบบอนุกรม I2C ได้ สามารถเชื่อมต่อแบตเตอรี่ 7-12 โวลต์ได้และมีพอร์ต USB-C ในการชาร์จแบตเตอรี่พร้อมไฟสถานะของแบตเตอรี่ได้อีกด้วย

โดยรายละเอียดของ Robot HAT มีดังนี้

พอร์ตมอเตอร์ ซ้าย/ขวา

จำนวน 2 ช่อง 2P XH2.54 ช่องมอเตอร์ซ้ายเชื่อมต่อ GPIO 4 และ ช่องมอเตอร์ขวาเชื่อมต่อ GPIO 5

I2C Pin

จำนวน 2 ช่องจาก Raspberry Pi

PWM Pin

จำนวน 12 ช่อง P0-P12

ADC Pin

จำนวน 4 ช่อง A0-A3

Digital Pin

จำนวน 4 ช่อง D0-D3

การแสดงไฟสถานะของแบตเตอรี่

ไฟ LED 2 ดวงสว่างขึ้นเมื่อแรงดันไฟฟ้ามากกว่า 7.8 โวลต์
ไฟ LED 1 ดวงสว่างขึ้นเมื่อแรงดันไฟฟ้าอยู่ในช่วงระหว่าง 6.7 – 7.8 โวลต์
ไฟ LED ดับลงทั้ง 2 ดวง เมื่อแรงดันไฟฟ้าต่ำกว่า 6.7 โวลต์

Power Port

แรงดันไฟเข้า 7 – 12โวลต์ แบบ 2P PH2.0 สามารถจ่ายไฟให้ Raspberry Pi ไปพร้อมๆกัน

การติดตั้ง OS Raspberry Pi

ระบบปฎิบัติการของหุ่นยนต์ PiCar-Xจะใช้โปรแกรม Pi Imager

โดยมี 2 ระบบปฏิบัติการให้เราได้เลือกใช้งานว่าเราจะเลือกเขียนโปรแกรมแบบไหนได้แก่

ภาษา Python โดยสามารถติดตั้งได้โดยเลือกที่ CHOOSE OS -> Raspberry Pi OS(Legacy).
ภาษา Blockly จะใช้โปรแกรม Ezblock Studio โดยจะต้องทำการโหลด Firmware นามสกุล .img จาก -> Link นี้ จากนั้นเลือกไปที่ CHOOSE OS -> เลือก Use Custom -> เลือกไฟล์ที่ดาวน์โหลดมา RaspiOS-xxx_EzBlockOS-xxx.img

เลือก Device ของ SD Card

จากนั้นทำการเขียน Firmware ลงไปใน SD Card รอจนเสร็จ ถือว่าการติดตั้ง OS เรียบร้อยแล้ว

การเริ่มต้นใช้งานหุ่นยนต์ SunFounder PICAR-X

นำ SD Card ที่ติดตั้ง OS เรียบร้อยแล้วนำมาใส่บริเวณด้านล่างของ Raspberry pi

จากนั้นทำการเสียบสายขั้วแบตเตอรี่และเปิดสวิตซ์ Power บน Robot HAT

ตรวจสอบการติดตั้ง Raspberry pi OS โดยทำการเสียบ เมาส์ คีย์บอร์ด และเชื่อมต่อสาย HDMI เข้ากับจอภาพ หากขึ้นหน้าต่างของระบบปฎิบัติการ Raspberry Pi OS แสดงว่าติดตั้งเสร็จสมบูรณ์

การเริ่มต้นเขียนโปรแกรมหุ่นยนต์ PiCar-X ด้วย EzBlock Studio

EzBlock Studio เป็นแพลตฟอร์มที่พัฒนาโดย SunFounder ออกแบบมาสำหรับผู้เริ่มต้นในการเริ่มต้นใช้งาน Raspberry Pi มีภาษาในการเขียนโปรแกรม 2 ภาษา คือ Blockly และ ภาษา Python และมีคำสังการใช้งานบนอุปกรณ์ประเภทต่างๆ ด้วยการรองรับการเชื่อมต่อแบบ Bluetooth และ กรเชื่อมต่อแบบ Wi-Fi สามารถดาวน์โหลดซอสโค้ดและรีโมทคอนโทรลควบคุม Raspberry Pi บน EzBlock Studio ได้

EzBlock Studio เป็นแพลตฟอร์มสำหรับการเขียนโปรแกรมและควบคุมหุ่นยนต์ SunFounder PiCar-X ซึ่งช่วยให้ผู้เริ่มต้น (นักเรียน) เริ่มต้นการเขียนโปรแกรมหุ่นยนต์ Raspberry Pi ได้อย่างรวดเร็ว

สามารถดาวน์โหลด Appilcation บนมือถือ ได้ทั้ง App Store (iOS) หรือ Play Store (Android) สามารถค้นหา EzBlock Studio และดาวน์โหลดติดตั้งได้เลยครับ

หรือสามารถใช้งานผ่าน Web Browser -> http://ezblock.cc/ezblock-studio

โดยการเริ่มต้นเขียนโปรแกรมคลิ๊กที่ -> New Project

เลือก Device หุ่นยนต์ของเราคลิ๊กที่ -> PiCar-X

จากนั้นคลิ๊กที่ -> Connect

จากนั้นโปรแกรมจะทำการแสดง IP Ardress ของหุ่นยนต์ขึ้นมาให้คลิ๊ก -> Confirm

เมื่อทำการเชื่อมต่อเรียบร้อยแล้วจะมีข้อมูลต่างๆ ของหุ่นยนต์แสดงขึ้นมา

การเริ่มต้นการติดตั้ง Modules และ ไลบารี่ แบบ(Python)

โดยเปิด Terminal ของตัว Raspberry Pi ขึ้นมาแล้วทำการ Update และ Upgrade ระบบปฎิบัติการ

sudo apt update
sudo apt upgrade

1 2	sudo apt update sudo apt upgrade

ทำการติดตั้งไลบารี่ SunFounder PICAR-X Robot Hat

cd ~/
git clone -b v2.0 https://github.com/sunfounder/robot-hat.git
cd robot-hat
sudo python3 setup.py install

cd ~/

git clone -b v2.0 https://github.com/sunfounder/robot-hat.git

cd robot-hat

sudo python3 setup.py install

จากนั้นดาวน์โหลดและติดตั้งโมดูล Vilb

cd ~/
git clone -b picamera2 https://github.com/sunfounder/vilib.git
cd vilib
sudo python3 install.py

cd ~/

git clone -b picamera2 https://github.com/sunfounder/vilib.git

cd vilib

sudo python3 install.py

ดาวน์โหลดและติดตั้งโมดูล Picar-X

cd ~/
git clone -b v2.0 https://github.com/sunfounder/picar-x.git
cd picar-x
sudo python3 setup.py install

cd ~/

git clone -b v2.0 https://github.com/sunfounder/picar-x.git

cd picar-x

sudo python3 setup.py install

run script i2samp.sh เพื่อติดตั้งระบบสื่อสารลำโพงแบบ I2S

cd ~/picar-x
sudo bash i2samp.sh

1 2	cd ~/picar-x sudo bash i2samp.sh

พิมพ์ y เพื่อยืนยันการติดตั้ง

พิมพ์ y เพื่อยืนยันการรีสตาร์ทระบบ

เปิดการทำงานการสื่อสารผ่าน I2C (Python)

พิมพ์คำสั่งเพื่อเข้าไปตั้งค่า

sudo raspi-config

1	sudo raspi-config

เลือก -> Interface Options

เลือก -> I2C

เลือก “yes” เพื่อยืนยันการเปิด I2C

เลือก “yes” เพื่อทำการรีสตาร์ระบบปฎิบัติการ

การตั้งค่า Servo Motor ให้เป็น 0° องศาเพื่อการประกอบที่ง่ายขึ้น

ช่วงองศาของเซอร์โวชุดหุ่นยนต์ PiCar-X คือ -90° , 90° แต่องศาที่โรงงานตั้งไว้จะเป็นแบบสุ่ม อาจจะ 0° หรืออาจจะ 45° ก็ได้ถ้าเราประกอบมันด้วยมุมดังกล่าวไปเลย จะทำให้องศาของเซอร์โวผิดเพี้ยนไป อาจจะทำให้เซอร์โวเสียหายได้ ดังนั้นจึงจำเป็นต้องตั้งค่าองศาของเซอร์โวทั้งหมดเป็น 0° ก่อน แล้วจึงทำการติดตั้งกับตัวหุ่นยนต์ เพื่อให้องศาเซอร์โวอยู่ตรงกลางไม่ว่าจะหมุนไปในทิศทางใดก็ตาม โดยรันคำสั่ง

cd ~/picar-x/example
sudo python3 servo_zeroing.py

1 2	cd ~/picar-x/example sudo python3 servo_zeroing.py

จากนั้น เสียบสายเซอร์โวเข้ากับพอร์ต P11 ในขณะเดียวกันจะเห็นแขนเซอร์โวหมุนไปที่ตำแหน่ง (นี่คือตำแหน่ง 0°) ต่อไปให้ใส่แขนเซอร์โว โดยสามารถดูได้ตามคู่มือการประกอบ

การ Calibration หุ่นยนต์ PICAR-X (Python)

มุมเซอร์โวบางมุมอาจเอียงเล็กน้อยเนื่องจากการเบี่ยงเบนที่เป็นไปได้ระหว่างการติดตั้ง PiCar-X หรือมีข้อจำกัดของเซอร์โว

Run the calibration.py.

cd /home/pi/picar-x/example/calibration
sudo python3 calibration.py

1 2	cd /home/pi/picar-x/example/calibration sudo python3 calibration.py

หลังจากรันโค้ดแล้ว คุณจะเห็นอินเทอร์เฟซต่อไปนี้แสดงในเทอร์มินัล

ปุ่ม R ใช้เพื่อทดสอบว่าเซอร์โวที่ควบคุมทิศทางของล้อหน้าสามารถทำงานได้ตามปกติและไม่เสียหายหรือไม่
กดปุ่มตัวเลข 1 เพื่อเลือกเซอร์โวล้อหน้า จากนั้นกดปุ่ม W/S เพื่อให้ล้อหน้ามองไปข้างหน้ามากที่สุดโดยไม่เอียงไปทางซ้ายและขวา

กดปุ่มตัวเลข 2 เพื่อเลือก Pan servo จากนั้นกดปุ่ม W/S เพื่อให้แท่นแพน/เอียงมองตรงไปข้างหน้า และไม่เอียงไปทางซ้ายหรือขวา

กดปุ่มตัวเลข 3 เพื่อเลือกเซอร์โวการเอียง จากนั้นกดปุ่ม W/S เพื่อให้แท่นแพน/เอียงมองตรงไปข้างหน้าและไม่เอียงขึ้นและลง

เนื่องจากการเดินสายไฟของมอเตอร์อาจกลับด้านระหว่างการติดตั้ง คุณสามารถกด E เพื่อทดสอบว่ารถสามารถเคลื่อนที่ไปข้างหน้าได้ตามปกติหรือไม่ ถ้าไม่เช่นนั้น ให้ใช้ปุ่มตัวเลข 4 และ 5 เพื่อเลือกมอเตอร์ด้านซ้ายและขวา จากนั้นกดปุ่ม Q เพื่อปรับเทียบทิศทางการหมุน

เมื่อการสอบเทียบเสร็จสิ้น ให้กด Spacebar เพื่อบันทึกพารามิเตอร์การสอบเทียบ จะมีข้อความให้ป้อน y เพื่อยืนยัน จากนั้นกด esc เพื่อออกจากโปรแกรมเพื่อทำการปรับเทียบให้เสร็จสิ้น

การ Calibrate หุ่นยนต์ PICAR-X (EzBlock Studio)

หลังจากประกอบหุ่นยนต์เรียบร้อยแล้วอาจจะมีการไม่ตรงกลางของเซอร์โวมอเตอร์ตอนเวลาติดตั้ง ขั้นตอนนี้เป็นการ Calibrate ทำให้มุมองศาของเซอร์โวมอเตอร์ตรงมากขึ้น โดยสามารถทำได้ตามขั้นตอนต่อไปนี้

เข้าโปรแกรม EzBlock Studio หลังจากเชื่อมต่อกับหุ่นยนต์ PiCar-X แล้ว จากนั้นคลิ๊กที่ -> Setting

จากนั้นจะมีหน้าต่างข้อมูลของหุ่นยนต์ PiCar-X ขึ้นมา จากนั้นคลิ๊ก -> Calibrate

สามารถเลือกเซอร์โวมอเตอร์ในการ Calibration ได้ โดยมี 2 จุดให้เลือกคือ จุด Pan-Tilt ของกล้อง กับ ชุดเลี้ยวของล้อแบบ Streering

หน้าต่างของการ Calibration เซอร์โวมอเตอร์ Pan-Tilt ของ PiCar-X (ส่วนของกล้อง) ใช้ปุ่มสองชุดทางด้านขวา หากปรับขึ้น-ลง จะเป็นมุมก้ม-เงย หากปรับซ้ายกับขวาจะเป็นการแพนของกล้องอย่างช้าๆ เมื่อปรับแต่งเสร็จแล้ว จากนั้นคลิ๊ก -> Confirm เสร็จสิ้นการ Calibration

หน้าต่างของการ Calibration เซอร์โวมอเตอร์ มุมของล้อ ใช้ปุ่มลูกศรซ้าย – ขวา จะเป็นการปรับมุมล้ออย่างช้าๆ เมื่อปรับแต่งเสร็จแล้ว จากนั้นคลิ๊ก -> Confirm เสร็จสิ้นการ Calibration

ทดสอบการเคลื่อนที่ของหุ่นยนต์ PICAR-X

การทดสอบเคลื่อนที่ไปข้างหน้าของหุ่นยนต์ PiCar-X เป็นรูปตัว S จากนั้นให้หุ่นยนต์หยุด โดยทำการทดสอบเขียนโปรแกรมทั้ง 2 ภาษาดังนี้

Code: Python

from picarx import Picarx
import time


if __name__ == "__main__":
    try:
        px = Picarx()
        px.forward(30)
        time.sleep(0.5)
        for angle in range(0,35):
            px.set_dir_servo_angle(angle)
            time.sleep(0.01)
        for angle in range(35,-35,-1):
            px.set_dir_servo_angle(angle)
            time.sleep(0.01)
        for angle in range(-35,0):
            px.set_dir_servo_angle(angle)
            time.sleep(0.01)
        px.forward(0)
        time.sleep(1)

        for angle in range(0,35):
            px.set_camera_servo1_angle(angle)
            time.sleep(0.01)
        for angle in range(35,-35,-1):
            px.set_camera_servo1_angle(angle)
            time.sleep(0.01)
        for angle in range(-35,0):
            px.set_camera_servo1_angle(angle)
            time.sleep(0.01)
        for angle in range(0,35):
            px.set_camera_servo2_angle(angle)
            time.sleep(0.01)
        for angle in range(35,-35,-1):
            px.set_camera_servo2_angle(angle)
            time.sleep(0.01)
        for angle in range(-35,0):
            px.set_camera_servo2_angle(angle)
            time.sleep(0.01)

    finally:
        px.forward(0)

from picarx import Picarx

import time

if __name__ == "__main__":

try:

px = Picarx()

px.forward(30)

time.sleep(0.5)

for angle in range(0,35):

px.set_dir_servo_angle(angle)

time.sleep(0.01)

for angle in range(35,-35,-1):

px.set_dir_servo_angle(angle)

time.sleep(0.01)

for angle in range(-35,0):

px.set_dir_servo_angle(angle)

time.sleep(0.01)

px.forward(0)

time.sleep(1)

for angle in range(0,35):

px.set_camera_servo1_angle(angle)

time.sleep(0.01)

for angle in range(35,-35,-1):

px.set_camera_servo1_angle(angle)

time.sleep(0.01)

for angle in range(-35,0):

px.set_camera_servo1_angle(angle)

time.sleep(0.01)

for angle in range(0,35):

px.set_camera_servo2_angle(angle)

time.sleep(0.01)

for angle in range(35,-35,-1):

px.set_camera_servo2_angle(angle)

time.sleep(0.01)

for angle in range(-35,0):

px.set_camera_servo2_angle(angle)

time.sleep(0.01)

finally:

px.forward(0)

Code: EzBlock Studio

ทดสอบการหลบหลีกสิ่งกีดขวางของหุ่นยนต์ PICAR-X

หุ่นยนต์ PiCar-X ใช้เซนเซอร์ Ultrasonic HC-SR04 ในการตรวจจับวัตถุที่มีระยะ 0-400 cm ในการทดสอบเขียนโปรแกรม ถ้าระยะในการตรวจจับวัตถุมากกว่า 0 เซนติเมตร และ น้อยกว่า 300 เซนติเมตร จากนั้นถ้าระยะในการตรวจจับน้อยกว่า 25 เซนติเมตร ให้เซอร์โวมอเตอร์หมุนเพื่อเลี้ยวล้อของหุ่นยนต์ -35 องศา หากไม่สามารถตรวจจับวัตถุใดๆได้ให้เดินหน้าและปรับล้อที่ 0 องศา โดยเราทำการทดสอบเขียนโปรแกรมทั้ง 2 ภาษาดังนี้

Code: Python

from picarx import Picarx

def main():
    try:
        px = Picarx()
        # px = Picarx(ultrasonic_pins=['D2','D3']) # tring, echo
        px.forward(30)
        while True:
            distance = px.ultrasonic.read()
            print("distance: ",distance)
            if distance > 0 and distance < 300:
                if distance < 25:
                    px.set_dir_servo_angle(-35)
                else:
                    px.set_dir_servo_angle(0)
    finally:
        px.forward(0)

if __name__ == "__main__":
    main()

from picarx import Picarx

def main():

try:

px = Picarx()

# px = Picarx(ultrasonic_pins=['D2','D3']) # tring, echo

px.forward(30)

while True:

distance = px.ultrasonic.read()

print("distance: ",distance)

if distance > 0 and distance < 300:

if distance < 25:

px.set_dir_servo_angle(-35)

else:

px.set_dir_servo_angle(0)

finally:

px.forward(0)

if __name__ == "__main__":

main()

Code: EzBlock Studio

ทดสอบการเดินตามเส้นของหุ่นยนต์ PICAR-X

หุ่นยนต์ PiCar-X ใช้เซนเซอร์ SunFounder 3-ch Gray Scale Sensor ในการตรวจจับเส้น โดยให้ค่า Output ออกมาแยกแต่ละตัว เป็นค่าแบบ Analog

การทดสอบเขียนโปรแกรมสร้างเงื่อนไข 3 กรณีในการตรวจจับเส้น โดยแบ่งเป็นดังนี้

วิ่งเดินหน้าด้วยความเร็ว 10%
หากเซนเซอร์ ซ้าย ตรวจจับเจอเส้นสีดำให้หมุนเซอร์โวควบคุมล้อเลี้ยว 12 องศา
หากเซนเซอร์ ขวา ตรวจจับเจอเส้นสีดำให้หมุนเซอร์โวควบคุมล้อเลี้ยว -12 องศา
หากไม่เข้างั้นไขอะไรเลยให้หมุนเซอร์โวควบคุมล้อเลี้ยว 0 องศา

โดยทำการทดสอบเขียนโปรแกรมทั้ง 2 ภาษาดังนี้

Code: Python

from picarx import Picarx


if __name__=='__main__':
    try:
        px = Picarx()
        # px = Picarx(grayscale_pins=['A0', 'A1', 'A2'])
        px_power = 10
        while True:
            gm_val_list = px.get_grayscale_data()
            print("gm_val_list:",gm_val_list)
            gm_status = px.get_line_status(gm_val_list)
            print("gm_status:",gm_status)

            if gm_status == 'forward':
                print(1)
                px.forward(px_power)

            elif gm_status == 'left':
                px.set_dir_servo_angle(12)
                px.forward(px_power)

            elif gm_status == 'right':
                px.set_dir_servo_angle(-12)
                px.forward(px_power)
            else:
                px.set_dir_servo_angle(0)
                px.stop()
    finally:
        px.stop()

from picarx import Picarx

if __name__=='__main__':

try:

px = Picarx()

# px = Picarx(grayscale_pins=['A0', 'A1', 'A2'])

px_power = 10

while True:

gm_val_list = px.get_grayscale_data()

print("gm_val_list:",gm_val_list)

gm_status = px.get_line_status(gm_val_list)

print("gm_status:",gm_status)

if gm_status == 'forward':

print(1)

px.forward(px_power)

elif gm_status == 'left':

px.set_dir_servo_angle(12)

px.forward(px_power)

elif gm_status == 'right':

px.set_dir_servo_angle(-12)

px.forward(px_power)

else:

px.set_dir_servo_angle(0)

px.stop()

finally:

px.stop()

Code: EzBlock Studio

ทดสอบหุ่นยนต์ PICAR-X พูดทักทายผ่านลำโพง

ขั้นตอนแรกจะต้องเรียกฟังก์ชั่น Text-to-Speech(TTS) ก่อน โดยเรียก script i2samp.sh ใน picar-x โฟลเดอร์ก่อน

cd /home/pi/picar-x
sudo bash i2samp.sh

1 2	cd /home/pi/picar-x sudo bash i2samp.sh

จากนั้นจะมีข้อความเพื่อยืนยันเปิดการทำงานให้พิมพ์ “y” และกด Enter

ในการทดสอบการเขียนโปรแกรมเราให้หุ่นยนต์ PiCar-X พูดทักทาย”Hello”, “Hi”, “Good bye”, “Nice to meet you”.

โดยทำการทดสอบเขียนโปรแกรมทั้ง 2 ภาษาดังนี้

Code: Python

from robot_hat import TTS


if __name__ == "__main__":
    words = ["Hello", "Hi", "Good bye", "Nice to meet you"]
    tts_robot = TTS()
    for i in words:
        print(i)
        tts_robot.say(i)

from robot_hat import TTS

if __name__ == "__main__":

words = ["Hello", "Hi", "Good bye", "Nice to meet you"]

tts_robot = TTS()

for i in words:

print(i)

tts_robot.say(i)

Code: EzBlock Studio

ทดสอบการทำงานเกี่ยวกับ Computer Vision

ในชุดหุ่นยนต์ PiCar-X ใช้กล้อง SunFounder ความละเอียด 5 ล้านพิกเซล พร้อมโมดูลกล้อง OV5647 สามารถถ่ายวิดีโอและภาพนิ่ง 1080p ที่เชื่อมต่อโดยตรงกับ Raspberry Pi

ทดสอบการตรวจจับสีผ่านกล้อง

การทดสอบสามารถปริ้นแผ่นวงกลมสี เพื่อทดสอบการเรียนรู้เกี่ยวกับการตรวจจับสีสามารถดาวน์โหลดได้ที่นี่ -> Link

ในการทดสอบเป็นการตรวจจับสีของแผ่นป้ายวงกลมโดยให้แสดงข้อความสีที่ตรวจจับได้และตีกรอบสี่เหลี่ยมตรงสีที่ตรวจจับได้ตามโค้ดตัวอย่างทั้ง 2 ภาษาดังนี้

Code: Python

import cv2
from picamera.array import PiRGBArray
from picamera import PiCamera
import numpy as np
import time

color_dict = {'red':[0,4],'orange':[5,18],'yellow':[22,37],'green':[42,85],'blue':[92,110],'purple':[115,165],'red_2':[165,180]}  #Here is the range of H in the HSV color space represented by the color

kernel_5 = np.ones((5,5),np.uint8) #Define a 5×5 convolution kernel with element values of all 1.

def color_detect(img,color_name):

    # The blue range will be different under different lighting conditions and can be adjusted flexibly.  H: chroma, S: saturation v: lightness
    resize_img = cv2.resize(img, (160,120), interpolation=cv2.INTER_LINEAR)  # In order to reduce the amount of calculation, the size of the picture is reduced to (160,120)
    hsv = cv2.cvtColor(resize_img, cv2.COLOR_BGR2HSV)              # Convert from BGR to HSV
    color_type = color_name

    mask = cv2.inRange(hsv,np.array([min(color_dict[color_type]), 60, 60]), np.array([max(color_dict[color_type]), 255, 255]) )           # inRange()：Make the ones between lower/upper white, and the rest black
    if color_type == 'red':
            mask_2 = cv2.inRange(hsv, (color_dict['red_2'][0],0,0), (color_dict['red_2'][1],255,255))
            mask = cv2.bitwise_or(mask, mask_2)

    morphologyEx_img = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel_5,iterations=1)              # Perform an open operation on the image

    # Find the contour in morphologyEx_img, and the contours are arranged according to the area from small to large.
    _tuple = cv2.findContours(morphologyEx_img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
    # compatible with opencv3.x and openc4.x
    if len(_tuple) == 3:
        _, contours, hierarchy = _tuple
    else:
        contours, hierarchy = _tuple

    color_area_num = len(contours) # Count the number of contours

    if color_area_num > 0:
        for i in contours:    # Traverse all contours
            x,y,w,h = cv2.boundingRect(i)      # Decompose the contour into the coordinates of the upper left corner and the width and height of the recognition object

            # Draw a rectangle on the image (picture, upper left corner coordinate, lower right corner coordinate, color, line width)
            if w >= 8 and h >= 8: # Because the picture is reduced to a quarter of the original size, if you want to draw a rectangle on the original picture to circle the target, you have to multiply x, y, w, h by 4.
                x = x * 4
                y = y * 4
                w = w * 4
                h = h * 4
                cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)  # Draw a rectangular frame
                cv2.putText(img,color_type,(x,y), cv2.FONT_HERSHEY_SIMPLEX, 1,(0,0,255),2)# Add character description

    return img,mask,morphologyEx_img

with PiCamera() as camera:
    print("start color detect")
    camera.resolution = (640,480)
    camera.framerate = 24
    rawCapture = PiRGBArray(camera, size=camera.resolution)
    time.sleep(2)

    for frame in camera.capture_continuous(rawCapture, format="bgr",use_video_port=True):# use_video_port=True
        img = frame.array
        img,img_2,img_3 =  color_detect(img,'red')  # Color detection function
        cv2.imshow("video", img)    # OpenCV image show
        cv2.imshow("mask", img_2)    # OpenCV image show
        cv2.imshow("morphologyEx_img", img_3)    # OpenCV image show
        rawCapture.truncate(0)   # Release cache

        k = cv2.waitKey(1) & 0xFF
        # 27 is the ESC key, which means that if you press the ESC key to exit
        if k == 27:
            break

    print('quit ...')
    cv2.destroyAllWindows()
    camera.close()

import cv2

from picamera.array import PiRGBArray

from picamera import PiCamera

import numpy as np

import time

color_dict = {'red':[0,4],'orange':[5,18],'yellow':[22,37],'green':[42,85],'blue':[92,110],'purple':[115,165],'red_2':[165,180]} #Here is the range of H in the HSV color space represented by the color

kernel_5 = np.ones((5,5),np.uint8) #Define a 5×5 convolution kernel with element values of all 1.

def color_detect(img,color_name):

# The blue range will be different under different lighting conditions and can be adjusted flexibly. H: chroma, S: saturation v: lightness

resize_img = cv2.resize(img, (160,120), interpolation=cv2.INTER_LINEAR) # In order to reduce the amount of calculation, the size of the picture is reduced to (160,120)

hsv = cv2.cvtColor(resize_img, cv2.COLOR_BGR2HSV) # Convert from BGR to HSV

color_type = color_name

mask = cv2.inRange(hsv,np.array([min(color_dict[color_type]), 60, 60]), np.array([max(color_dict[color_type]), 255, 255]) ) # inRange()：Make the ones between lower/upper white, and the rest black

if color_type == 'red':

mask_2 = cv2.inRange(hsv, (color_dict['red_2'][0],0,0), (color_dict['red_2'][1],255,255))

mask = cv2.bitwise_or(mask, mask_2)

morphologyEx_img = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel_5,iterations=1) # Perform an open operation on the image

# Find the contour in morphologyEx_img, and the contours are arranged according to the area from small to large.

_tuple = cv2.findContours(morphologyEx_img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

# compatible with opencv3.x and openc4.x

if len(_tuple) == 3:

_, contours, hierarchy = _tuple

else:

contours, hierarchy = _tuple

color_area_num = len(contours) # Count the number of contours

if color_area_num > 0:

for i in contours: # Traverse all contours

x,y,w,h = cv2.boundingRect(i) # Decompose the contour into the coordinates of the upper left corner and the width and height of the recognition object

# Draw a rectangle on the image (picture, upper left corner coordinate, lower right corner coordinate, color, line width)

if w >= 8 and h >= 8: # Because the picture is reduced to a quarter of the original size, if you want to draw a rectangle on the original picture to circle the target, you have to multiply x, y, w, h by 4.

x = x * 4

y = y * 4

w = w * 4

h = h * 4

cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2) # Draw a rectangular frame

cv2.putText(img,color_type,(x,y), cv2.FONT_HERSHEY_SIMPLEX, 1,(0,0,255),2)# Add character description

return img,mask,morphologyEx_img

with PiCamera() as camera:

print("start color detect")

camera.resolution = (640,480)

camera.framerate = 24

rawCapture = PiRGBArray(camera, size=camera.resolution)

time.sleep(2)

for frame in camera.capture_continuous(rawCapture, format="bgr",use_video_port=True):# use_video_port=True

img = frame.array

img,img_2,img_3 = color_detect(img,'red') # Color detection function

cv2.imshow("video", img) # OpenCV image show

cv2.imshow("mask", img_2) # OpenCV image show

cv2.imshow("morphologyEx_img", img_3) # OpenCV image show

rawCapture.truncate(0) # Release cache

k = cv2.waitKey(1) & 0xFF

# 27 is the ESC key, which means that if you press the ESC key to exit

if k == 27:

break

print('quit ...')

cv2.destroyAllWindows()

camera.close()

Code: EzBlock Studio

ทดสอบการใช้ฟังก์ชั่นตรวจจับใบหน้า

การตรวจจับวัตถุโดยใช้ตัวแยกประเภทแบบ Haar Cascade Classifiers เป็นวิธีการตรวจจับวัตถุที่มีประสิทธิภาพ โดย Paul Viola และ Michael Jones ได้ทำการวิจัยเกี่ยวกับ “Rapid Object Detection using a Boosted Cascade of Simple Features” ในปี 2544 นี่จึงเป็นแนวทางการเรียนรู้ของระบบที่นิยมใช้อยู่ในปัจจุบัน

การทดสอบนี้เราจะทดสอบด้วยการวิเคราะห์ภาพจากกล้อง ใช้ Model Haar Cascade Classifiers อันดับแรกแปลงรูปภาพเป็นโทนสีเทาก่อน จากนั้นตรวจจับใบหน้ามนุษย์บนภาพระดับสีเทาจากนั้นวาดกรอบสี่เหลี่ยมใบหน้าบนจอภาพ สามารถดูโค้ดตัวอย่างทั้ง 2 ภาษาดังนี้

Code: Python

import cv2
from picamera.array import PiRGBArray
from picamera import PiCamera
import time


def human_face_detect(img):
    resize_img = cv2.resize(img, (320,240), interpolation=cv2.INTER_LINEAR)         # In order to reduce the amount of calculation, resize the image to 320 x 240 size
    gray = cv2.cvtColor(resize_img, cv2.COLOR_BGR2GRAY)    # Convert to grayscale
    faces = face_cascade.detectMultiScale(gray, 1.3, 2)    # Detect faces on grayscale images
    face_num = len(faces)   # Number of detected faces
    if face_num  > 0:
        for (x,y,w,h) in faces:

            x = x*2   # Because the image is reduced to one-half of the original size, the x, y, w, and h must be multiplied by 2.
            y = y*2
            w = w*2
            h = h*2
            cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)  # Draw a rectangle on the face

    return img


with PiCamera() as camera:
    print("start human face detect")
    camera.resolution = (640,480)
    camera.framerate = 24
    rawCapture = PiRGBArray(camera, size=camera.resolution)
    time.sleep(2)

    for frame in camera.capture_continuous(rawCapture, format="bgr",use_video_port=True): # use_video_port=True
        img = frame.array
        img =  human_face_detect(img)
        cv2.imshow("video", img)  #OpenCV image show
        rawCapture.truncate(0)  # Release cache

        k = cv2.waitKey(1) & 0xFF
        # 27 is the ESC key, which means that if you press the ESC key to exit
        if k == 27:
            break

    print('quit ...')
    cv2.destroyAllWindows()
    camera.close()

import cv2

from picamera.array import PiRGBArray

from picamera import PiCamera

import time

def human_face_detect(img):

resize_img = cv2.resize(img, (320,240), interpolation=cv2.INTER_LINEAR) # In order to reduce the amount of calculation, resize the image to 320 x 240 size

gray = cv2.cvtColor(resize_img, cv2.COLOR_BGR2GRAY) # Convert to grayscale

faces = face_cascade.detectMultiScale(gray, 1.3, 2) # Detect faces on grayscale images

face_num = len(faces) # Number of detected faces

if face_num > 0:

for (x,y,w,h) in faces:

x = x*2 # Because the image is reduced to one-half of the original size, the x, y, w, and h must be multiplied by 2.

y = y*2

w = w*2

h = h*2

cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) # Draw a rectangle on the face

return img

with PiCamera() as camera:

print("start human face detect")

camera.resolution = (640,480)

camera.framerate = 24

rawCapture = PiRGBArray(camera, size=camera.resolution)

time.sleep(2)

for frame in camera.capture_continuous(rawCapture, format="bgr",use_video_port=True): # use_video_port=True

img = frame.array

img = human_face_detect(img)

cv2.imshow("video", img) #OpenCV image show

rawCapture.truncate(0) # Release cache

k = cv2.waitKey(1) & 0xFF

# 27 is the ESC key, which means that if you press the ESC key to exit

if k == 27:

break

print('quit ...')

cv2.destroyAllWindows()

camera.close()

Code: EzBlock Studio

วิดีโอการทดสอบ

สรุป

PiCar-X เป็นรถหุ่นยนต์ขับเคลื่อนอัตโนมัติที่ขับเคลื่อนด้วย AI ที่เหมาะสำหรับผู้ที่สนใจเรียนรู้เกี่ยวกับบอร์ด Raspberry Pi ที่สามารถอยากจะทดลองเขียนโปรแกรมสั่งงานควบคุมหุ่นยนต์ในสามารถหลบหลีกสิ่งกีดขวางได้ ให้สามารถเดินตามเส้นได้ หรือแม้กระทั้งการเดินแบบอัตโนมัติแบบ AI Self Driving Car ได้ รวมถึงการเรียนรู้ด้วย Computer Vision ไม่ว่าจะเป็นการตรวจจับใบหน้า การตรวจจับสี ชุดหุ่นยนต์ชุดนี้เหมาะกับโรงเรียน หรือสถานบันการศึกษา และผู้ที่สนใจในด้านหุ่นยนต์และเทคโนโลยี ซึ่งในบทความนี้ยังไม่ได้พูดถึงการเรียนรู้ในฟังก์ชั่นอื่นๆ อีกมากมาย ผู้ที่สนใจสามารถดูรายละเอียดของหุ่นยนต์ PiCar-X เพิ่มเติมได้บนเว็ปไซด์

ผมต้องขอขอบคุณบริษัท SunFounder ที่ส่งชุดหุ่นยนต์ PiCar-x มาทดสอบ ผู้ที่สนใจสามารถหาซื้อชุดหุ่นยนต์ PiCar-X มีแบตเตอรี่และที่ชาร์ทด้วยในราคา $81.99 (~2,900฿) และถ้ารวม Pi 4 ด้วยราคา 154.99(~5,400฿) บนร้านค้าออนไลน์ของบริษัท และ Amazon มีคูปองส่วนลด $15 คงเหลือราคา $74.99 (~2,600฿) และถ้ารวม Pi 4 ด้วยราคา $145.10 (~5,000฿)