Projeto de robô autônomo off-road desenvolvido pela equipe Droid para a competição TREKKING 2024, na Robocore Experience 2024, na CPXP SP.
- include/: Arquivos de cabeçalho (.h). Declaração das classes, suas principais informações (variáveis e funções) e também armazenamento de informações relevantes, tais como a pinagem dos componentes. As classes são: MotorDC, que diz respeito a cada motor individualmente, Volante, que diz respeito ao servo motor que controla a direção do eixo de direção das rodas dianteiras, Tempo, que contém variáveis que gravam o tempo total percorrido, e o tempo entre cada iteração do código, Robo, que trata do robô como um todo, juntando as outras classes em uma maior, contendo as funções principais do robô em si. Pinos.h contém a pinagem adequada de cada componente do robô, e caso deseje usar em outros pinos, as variáveis devem ser alteradas de acordo.
- lib/: Bibliotecas externas utilizadas, de forma principal o Servo.h, e o MPU6050_light.
- src/: Código-fonte principal. Onde está a parte principal do código, com a descrição das funções das classes, criação dos objetos e desenvolvimento da lógica. Separados em aquivos referentes a cada classe, com main.cpp o código final, com a declaração dos objetos e a rota a ser percorrida.
- test/: Scripts de teste e validação. Inutilizada.
- V6_128_ncnn_model/: Modelo pré-treinado em NCNN (modelo de otimização ideal para uso na Raspberry Pi 4).
- V6_128.onnx: Modelo pré-treinado em ONNX (outro modelo de otimização, usar apenas se a instalação do NCNN não funcionar, ou o desempenho não estiver bom).
- V6_128.pt: Modelo pré-treinado base, na extensão padrão do PyTorch.
- RetornoDeDistancia.py: Arquivo principal da visão. É esse que você irá rodar para começar o código da visão. Para rodar, abra a pasta do repositório, depois ative sua venv, e digite
python3 RetornoDeDistancia.py. - convert_onnx.py: Arquivo criado para converter modelos para ONNX (pode ser modificado para NCNN também, basta trocar onde está escrito "onnx" e colocar "ncnn").
- Para enviar código pra o Arduino: Visual Studio Code com a extensão PlatformIO, Bibliotecas Servo e MPU6050_light
- Para visão: Python3.8+, RaspiOS Lite arm64-2024-03-15, torch=2.3.0, torchvision=0.18.0
- Clone o repositório em seu computador.
- Caso não tenha feito ainda, instale o Visual Studio Code, e posteriormente o PlatformIO.
- Acesse o código principal do Arduino nas pastas
src,includeelib. - Envie o modelo desejado e o arquivo RetornoDeDistancia.py para o Raspberry Pi por meio do comando scp.
- Na Raspberry Pi, entre na pasta onde está o modelo.
- Caso não tenha feito ainda (após primeira instalação não precisa repetir), execute o comando
python3 -m venv venv_visao, para criar a venv. - Após isso, execute o comando
source "/caminho/ate/venv_visao/bin/activate"para ativar a venv (substitua o caminho pelo real). - Caso não tenha feito ainda (após primeira instalação não precisa repetir), instale as dependências necessárias para rodar o código da visão:
pip install torch=2.3.0 torchvision=0.18.0
pip install ultralytics
- Execute o código da visão com o comando
python3 RetornoDeDistancia.py.