Cambus - Mfumo wa Ukusanyaji wa Takwimu kwenye Basi la Mjini: Hatua 8

2025 Mwandishi: John Day | [email protected]. Mwisho uliobadilishwa: 2025-01-23 15:11

Miongoni mwa shida na shida zinazojulikana katika usafiri wa umma, idadi ya watu haina habari ya wakati halisi na kwa uthabiti mdogo. Msongamano wa mabasi ya uchukuzi wa umma huwafukuza watumiaji, ambao wanapendelea kutumia magari yao wenyewe, ingawa bado wako kwenye trafiki kwa masaa. Ikiwa habari ya wakati halisi, kama idadi ya mabasi, inapatikana kwa urahisi kwa mtumiaji, anaweza kuchagua kusubiri basi inayofuata au kuzunguka kwa basi au kutumia gari lake mwenyewe. Nguvu ya chaguo hufanya usafirishaji wa umma chaguo la kuvutia zaidi kwa mtumiaji.

Kuhesabu au kukadiria watu ndani ya nyumba kunaweza kufanywa kwa njia nyingi, kati ya ambayo wafanyikazi wa kawaida ni:

• Picha za joto;
• Maono ya kompyuta;
• Kaunta ya uso;

Miongoni mwa shida kadhaa za kukadiria watu katika mazingira kwa kutumia maono ya kompyuta, kuu ni:

• Kazi za watu;
• Kugeuza taa;
• Kuziba tuli, ambayo ni, watu nyuma ya vitu;
• Pembe ya kamera kwa mazingira;

Changamoto kwa mradi huu ni kujua pembe sahihi ya kamera ambayo itasaidia sana katika kutoa asili ya picha, na mwangaza wa kutofautiana wakati wa mchana ndani ya basi.

Lengo kuu la pendekezo ni kuunda mtindo thabiti na unaoweza kusanidiwa kukadiria msongamano na kufanya matokeo kupatikana kwa idadi ya watu kupitia simu mahiri.

Hatua ya 1: Vifaa

Nyenzo zinazohitajika kwa mradi ni zifuatazo:

1 x Bodi ya joka 410c;

1 x Kamera ya USB;

1 x Simu ya Mkononi Android;

Hatua ya 2: Sakinisha Linaro kwenye Dragonboard 410c

Kufuatia maagizo kwenye kiunga hapa chini kusanikisha Linaro 17.09 kwenye DragonBoard 410c. Tunapendekeza kusanikisha Linaro 17.09 kwa msaada wa kernel kwa GPS.

www.96boards.org/documentation/consumer/dr…

Hatua ya 3: Hatua ya 2: Sakinisha Maktaba na Pakua Nambari ya Chanzo Kutoka kwa GitHub

Cambus ina usanifu wa msimu na muundo wa nambari. Inawezekana kuweka alama kwa algorithm yako mwenyewe ya kujifunza mashine, badili kwa huduma nyingine ya wingu na uunda programu zako za mtumiaji.

Ili kuendesha mradi wa cambus, kwanza unahitaji kupakua nambari ya chanzo kutoka github (https://github.com/bmonteiro00/cambus). Sakinisha chatu (Cambus ilikuwa mode ya kutumia verison 2.7 na> 3.x) na maktaba zifuatazo kwa kutumia 'pip' (sudo apt-get install python-pip). Itahitajika kusanikisha rundo la maktaba katika mfumo wa Linaro (Pia, Inapendekezwa kuunda mazingira halisi - pip install virtualenv - ili kutenga mfumo wa Cambus kutoka SO). Tafadhali, sakinisha maktaba zifuatazo:

• bomba funga paho-mqtt
• bomba kufunga numpy
• bomba kufunga opencv-chatu
• pip kufunga opencv-contrib-chatu
• bomba kufunga twilio
• bomba funga matplotlib

Programu kuu iligawanywa katika madarasa:

• CamBus - darasa kuu;
• Sensorer - darasa kupata data kama nafasi ya GPS, joto, Co2.
• Darasa la kukabiliana na hesabu ya usindikaji picha.

Hakikisha ikiwa maktaba zote ziliwekwa na kutekeleza chatu CamBus_v1.py.

Hatua ya 4: Kuweka AWS IoT Core, DynamoDB

Tulitumia msingi wa AWS IoT kama broker wa MQTT na TLS na X509 na NoSQL na DynamoDB kuweka data. Utalazimika kuunda akaunti kwenye https://aws.amazon.com/free.). Ifuatayo, utakuwa na kufuata hatua zifuatazo kuunda kitu na kujumuisha na Dynamo:

docs.aws.amazon.com/iot/latest/developergu …….

Hatua ya 5: Kuweka Twilio na API za Dweet

Huduma ya SMS ya Twilio pia ilianzishwa. Tazama URL hapa chini kwa maagizo ya kukamilisha hatua hii:

www.twilio.com/docs/iam/api/account

Ushirikiano kati ya programu ya android na mfumo ulifanywa kwa njia ya REST ikitumia jukwaa la Dweet.

dweet.io/

Hatua ya 6: Changamoto

Wakati wa maendeleo yetu changamoto nyingi tulikabiliana nazo, kuanzia mbinu za OpenCV hadi jukwaa la AWS. Tuliamua kuweka nambari na Python ili kuokoa wakati unaendelea katika C / C ++. Wakati wa maendeleo yetu tu njia za msingi za Opencv kama vile:

• cv2. GaussianBlur (..)

• kizingiti cha cv2 (..)

• cv2.mofolojiaEx (..)

• cv2.contourArea (..)

• cv2.findContours (..)

Njia hizi za msingi hazitoshi kufikia ubora mzuri katika kugundua watu. Matukio yenye video ya kutetereka ML (Kujifunza kwa Mashine) ilitumika. Kwa hivyo, tuliamua kutumia maktaba ya kujifunza mashine ya OpenCV na tukapata shida nyingine kwa sababu kupata uingizaji mzuri wa data kwa algorithm ya ML ilikuwa shida ambayo tulitumia siku nyingi. Tumetumia algorithm ya OpenCV SVM lakini haijafanya kazi. Tulitumia OpenCV Naive Bayses na hii ilifanya kazi sawa. Tumejaribu kutumia mitandao ya neva ya Tensorflow na CNN, hata hivyo hatukuifanya ifanyike kwa sasa. CNN hutumia nguvu nyingi za usindikaji, kitu ambacho hatukuwa nacho. Kutumia OpenCV ML na njia za msingi za OpenCV zilitusaidia kufikia kiwango kizuri cha kugundua watu. Walakini, kwa kila aina ya vídeo tunapaswa kubadilisha vigezo vya OpenCV ili kufikia kiwango kizuri cha kugundua watu na kuepuka chanya. Katikati ya miezi hii miwili tulibadilisha wazo letu la kwanza kufanya kituo cha ukusanyaji wa data sio idadi tu ya abiria na eneo la GPS. Tuliamua kukusanya sio data kwa kutumia sensorer za wengine kama hali ya joto na kadhalika. Tuliunda faili ya.ini kuidhinisha programu na kuifanya iweze kusanidi. Kwenye faili ya Cambus.ini unaweza kusanidi programu kwa njia nyingi.

Hatua ya 7: Matokeo na Kazi ya Baadaye

Kama unavyoona kwenye video, kaunta inafanya kazi kwa usahihi. Mistari ya bluu inaashiria kikomo cha kuingiza na mstari mwekundu kikomo cha pato. Katika kesi hii, video ilitumika kuiga kwa sababu hatungeweza kuipeleka kwa basi.

Kumbuka kuwa mabadiliko mengine yanapaswa kufanywa kwa hali yako juu ya saizi ya video, pembe ya kamera, mwangaza nk. Kila aina ya video lazima iwe vigezo vyake mwenyewe kama vile opencv kernel suctraction background na kadhalika.

Tafadhali pia badilisha vigeuzi kwenye cambus.ini, ikionyesha broker wa MQTT na kadhalika.

Tunazingatia katika utekelezaji wa siku zijazo kuongeza sensorer, kwa mfano, joto, unyevu na CO2 kwenye mfumo. Wazo ni kupata data kuzunguka miji na kuifanya ipatikane kwa jamii.

Kufuatia tunaorodhesha hatua zifuatazo ambazo unaweza kuboresha mradi:

• Andika tena nambari ukitumia C / C ++;
• Kuboresha algorithm ya ML;
• Re-code msimbo wa chatu;
• Kupelekwa kwa basi;

Tungependa kuwashukuru Embarcados na Qualcomm kwa msaada wote uliopewa.

Washirika:

Bruno Monteiro - [email protected]

Kleber Drobowok - [email protected]

Vinicius de Oliveira - [email protected]

Hatua ya 8: Marejeo

[1]

[2]

[3]

[4]

[5]