レベル1：ロボットカー走行デモ

目標

3つの距離センサーから値を取得し、Neaural Networksで進行方向を判断してロボットカーを自走させる

画像

実行環境

Fabo TYPE1 ロボットカー
- Fabo #605 Motor Shield Raspberry Pi Rev 1.0.1
- Fabo #902 Kerberos ver 1.0.0
- Fabo #1202 Robot Car Rev. 1.0.1
- Fabo #103 Button
- VL53L0X or Lidar Lite v3
- Tower Pro SG90
- Raspberry Pi3
  - Stretch Lite or Jessie Lite
  - docker
    - Ubuntu
    - Python 2.7
    - FaBoPWM-PCA9685-Python
    - FaBoGPIO-PCAL6408-Python
    - VL53L0X_rasp_python
    - Tensorflow r1.1.0

動画

走行デモ動画：

インストール方法

インストール済みのロボットカーを用意しているので省略します。

コースの準備

コースとなる壁は、距離センサーが発するレーザーが反射できるような素材で作ります。
足元での突起物となるので、人がぶつかった時の安全性や価格、レイアウト変更のしやすさ、修復しやすさを考えて画用紙とクリップで作ってあります。
ジグザグに織ることで、収納しやすさ、立たせやすさ、レイアウト変更のしやすさ、レーザー反射しやすさも獲得しています。
道幅は直線なら狭くても大丈夫ですが、カーブでは側面にセンサーが付いていないため、内側を巻き込みやすくなっています。
そのため、カーブは広めに作り、狭い道への入り口も誘導しやすいように広めに作っておきます。

<ページTOP>　<目次>

実行方法

1. ロボットカーのRaspberry Pi3にログインします

USER:pi
PASSWORD:raspberry

ssh pi@192.168.xxx.xxx

2. rootになってdockerコンテナIDを調べます

sudo su
docker ps -a

CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
2133fa3ca362 naisy/fabo-jupyter-armhf "/bin/bash -c 'jup..." 3 weeks ago Up 2 minutes 0.0.0.0:6006->6006/tcp, 0.0.0.0:8091->8091/tcp, 0.0.0.0:8888->8888/tcp hardcore_torvalds

STATUSがUpになっているコンテナIDをメモします。

3. dockerコンテナにログインします

docker exec -it CONTAINER_ID /bin/bash

docker exec -it 2133fa3ca362 /bin/bash

CONTAINER_IDにはベースイメージがnaisy/fabo-jupyter-armhfの2133fa3ca362を使います。

4. ロボットカーのディレクトリに移動します

cd /notebooks/github/RobotCarAI/level1_demo/
ls

total 48
160769 4 ./ 127297 4 README.md 160770 4 fabolib/ 160772 4 model/ 141770 4 start_button.py
123628 4 ../ 160804 4 document/ 160771 4 lib/ 141769 16 run_car_ai.py

5. ロボットカーを起動します

python start_button.py

6. 走行開始するには、ロボットカーの青いボタンを押します

7. 走行停止するには、ロボットカーの赤いボタンを押します

Ctrl + c でstart_button.pyを終了します

<ページTOP>　<目次>

必要なコードとファイル

走行に必要なコードは以下になります。
* ライブラリ
* ./fabolib/以下
* ./lib/以下
* 学習済みモデル
* ./model/以下
* 実行コード
* start_button.py 開始ボタンコード
* run_car_ai.py level0のrun_car_if.pyを元に修正

<ページTOP>　<目次>

[Python] level1_carの自走コードを元に修正する

Neural Networksの判断処理を追加する

AI判断を追加し、ジェネレータの判断は不要なのでコメントアウトしておきます。

車両自走コード：./run_car_ai.py

from lib.ai import AI
#from generator.labelgenerator import LabelGenerator
...
    # AI準備
    ai = AI("car_model_100M.pb")
    SCORE = 0.6 # スコア閾値
    # IF準備 (学習ラベル ジェネレータ)
    #generator = LabelGenerator()
...
            ########################################
            # AI予測結果を取得する
            ########################################
            # 今回の予測結果を取得する
            ai_value = ai.get_prediction(sensors,SCORE)

            print("ai_value:{} {}".format(ai_value,sensors))
            # 予測結果のスコアが低い時は何もしない
            if ai_value == ai.get_other_label():
                time.sleep(LIDAR_INTERVAL)
                continue

            ########################################
            # IF結果を取得する
            ########################################
            # 今回の結果を取得する
            #generator_result = generator.get_label(sensors)
            #ai_value = np.argmax(generator_result)

開始ボタンコードも修正します。
開始ボタンコード：./start_button.py

1	`cmd = "python "+os.path.abspath(os.path.dirname(__file__))+"/run_car_ai.py"`

あとはlevel1_car同様に開始ボタンコードを実行します。

python start_button.py

<ページTOP>　<目次>

ディレクトリとファイルについて

ディレクトリについて
- document/ ドキュメント関連
- fabolib/ Fabo製基板関連
- lib/ SPI,AIライブラリ
ファイルについて
- README.md このファイル
- run_car_ai.py 自動走行コード
- start_button.py 開始ボタンコード

<ページTOP>　<目次>