raspberry pi

ラズパイ拡張ボード　DesignSpark Pmod HATについて
先日ラズパイコンテストに応募してみました。　https://trendy.nikkeibp.co.jp/pcls/rpic/

このコンテストにはスポンサーから部品類が提供されます。２０１８年はオムロンから環境センサ、RSコンポーネンツから Pmod HAT、eneblerからAPI的なものが利用でき、これを使ったアイディアを応募します。

設備のマニアどっとこむ的にはオムロンの温度センサーを希望したが、次点でPmod HATになりました。

応募して数日後この液晶PmodOLEDrgbと拡張ボードが届きました。

さーてコンテスト用の作品をつくるか、と思ったのですが予想以上にハードな道のりでした。

まずはググっても日本語記事が検索できず、参考文献はほぼ英語だった…。

数少ない日本語での解説　https://www.rs-online.com/designspark/easy-peasy-peripheral-interfacing-with-pi-python-and-pmods-jp

この記事を参考にしてインストールは可能でパイソンコード例は使えるんですが、PmodOLEDrgbはこの記事だけでは動かせません。SPI通信でJA１か２を使うみたいなのですが…
（SPI設定はraspi-configでやっておいてください）

リファレンスをみると

https://reference.digilentinc.com/reference/pmod/pmodoled/reference-manual

The Pmod OLED communicates with the host board via the SPI protocol. By driving and keeping the Chip Select (CS) line at a logic level low, users may send both commands and data streams to the display controller based on the state of the Data/Command (D/C) pin.

どうやらCSピンをGNDに落とさなければならないのですが、いったいどれがCSピンなのか…？？

拡張ボードのリファレンスにラズパイのピン配置との対象表があるのでこちらを参照してください。（JA1とJA２でGNDに落とすピンは異なるので注意してください）
https://reference.digilentinc.com/reference/add-ons/pmod-hat/reference-manual

無事CNピンをGNDに落とし、サンプルコードをpython2で実行すると
```
from DesignSpark.Pmod.HAT import createPmod
from luma.core.render import canvas
from luma.oled.device import ssd1331
oled = createPmod('OLEDrgb','JA')
device = oled.getDevice()
     
with canvas(device) as draw:
draw.rectangle(device.bounding_box, outline="white", fill="black")
draw.text((16,20), "Hello, World!", fill="white")
 
while True:
   pass
```
ディスプレイにHello World！の文字が出てきます。
注意して頂きたいのが、この状態でないとSPI通信をしていると反応しません。
lsmodコマンドで事前に確認する事はできません。（ここで結構つまづいた）

無事動作確認する事ができたのですが、普段日本語のブログなどに頼りきっていたのでいい経験になりました。　やはり電子工作をするにあたり英文が読めないいけないですね笑
今回数少ない日本語解説記事として参考になればと思います

そのうちコンテスト応募作品を紹介していきまーす。
[0回]
PR
OpenCV で分類器を作成する　（ラズパイ、一部Win10）
OpenCVも多少慣れてきたので、次のステップに移ろうと思って分類器作成に取り組んだものの、お盆休みにがっつりハマってしまった。

日本語、英語ともにググればかなり参考文献が出てくるから大丈夫と思っていたが、甘かった…

分類器は、画像処理をやるにあたり、判別するために使用するxmlファイルで、かなりサンプルがなければ難しいらしい。１０００枚近く画像ファイルをもっているのは娘の写真くらいなので娘の顔を判別するファイルを作ることにした。

まずは画像にワクをつくるところから

objectmakerというフリーソフトで写真をワクで囲むと表をテキストで出力するというとても便利なソフトです。１００枚くらいならいいのですが、１０００枚やると病んできます笑

↓このサイトを参考にしました
http://d.hatena.ne.jp/takmin/20100930/1285848450

↓解像度が大きい画像の場合は一気に縮小するソフトも使います。
https://www.vector.co.jp/download/file/win95/art/fh690609.html

これで学習させる正常画像とそのリストができました。

続いてまったく関係ないNG画像も集め、テキストでリストも作ります。

ここまでWin10で作成しUSBメモリーでラズパイに移しました。

ラズパイで動かす場合、画像の格納場所などフォルダ体系に注意が必要です。

自分はhomeのpiにOpenCVをインストールし保存していますが、/home/pi/Build/binのなかの
OpenCV～関係のファイルをコピーして新規に作成したフォルダにもっていきます。

新規フォルダーーー正常画像フォルダーー判別したい画像
　　　　　　　｜
　　　　　　　｜
　　　　　　　－－NG画像フォルダーー関係のない画像
　　　　　　　｜
　　　　　　　｜
　　　　　　　－－正常画像リスト.txtかdat（objectmakerで作成）
　　　　　　　｜
　　　　　　　｜
　　　　　　　－－NG画像リスト.txt
　　　　　　　｜　　　
　　　　　　　｜
　　　　　　　－－分類器フォルダーーtraincascadeでxmlが作成される
　　　　　　　｜
　　　　　　　｜
　　　　　　　－－/home/pi/Build/bin/opencv関係ファイル
　　　　　　　｜　
　　　　　　　｜
　　　　　　　－－vecファイル　createsample実施時に作成される。

まずは正常画像リストを確認します。objectmakeで作成しても最初の何行目かは消した方がエラーが出にくいと思われます。正常画像フォルダ/ファイル名　ワクの数　座標というテキストになっているはずです。パスを確認して下さい。

取り急ぎ学習データであるvecファイルを作るには判別したい画像、正常画像リスト、/home/pi/Build/bin/opencv関係ファイルがあればOKです。

まずはコマンドプロンプトで移動　
cd 新規フォルダ

続いてreatesampleのコマンドです。

opencv_createsample -info 正常画像リスト.txt -vec vecファイル名.vec -num 正常画像数
-bg NG画像リスト.txt -show -w24 -h24

-w24 -h24はvecファイルの大きさです。分類器ファイルを作成する際に合わせる必要があります。　-show をつけるとサンプル画像が表示されます。ワクで切り抜かれた画像が出てくれば成功です。ちなみに失敗するとvecファイルがえらい軽くなります。
学習結果で-imgがnullになっていますが -infoでリストと紐づいて実行しているので気にしなくてOKです。

続いてxmlファイルを作成していくのですがその前にNG画像リストのチェックです。
Windowsで改行するとエラーが出てきます。

Image reader can not be created.....

自分はとりあえずリストを１行だけにして確認しました。（改行が原因だとエラーが出ない）
テキストをラズパイで作り直したら復旧しました。

あとは勇気をだして下記コマンドを入力
```
opencv_traincascade　-data 分類器フォルダ名　-vec vecファイル名.vec　-bg NG画像リスト.txt 
-numPos 正常画像数×0.9ぐらい　-numNeg NG画像数　-mode all  -w24 -h24
```
```
NG画像数はそのまま数を入力すればいいのですが、正常画像はそのまま入れると
```
```
Bad argument (Can not get new positive sample. The most possible reason is insufficient count of samples in given vec-file.)
```
こんなエラーが出てきます。正常の画像に０．９くらいかけた数にしておけば解消する（はず）です。

成功すると下記の様な表示がしばらく繰り返されたら成功です。

ーーーーーーーーーーーーーーーーーーーーーー
| | | |
| FA | HR | N |
| | | |
| | | |
| | | |

完了すると分類器フォルダにcascade.xmlという分類器が作成されるのでこの記事にあるコードの分類器パスを変更すればOKです。（赤字の部分）
cascade_path = "haarcascade_frontalface_alt.xml"

分類器が作成されても精度？が悪すぎるとカメラ画像が呼び出せなかったり、フリーズしたりするのでその場合はcreatesampleからやり直したり、NGファイルを増やしたりといろいろ試してください。

とりあえず相当苦労しましたが、娘を判別することができたので感無量でした。
いろいろな文献ありますが、微妙に古い記事だとOpenCVのバージョンが違ったりして参考にならなかったりします。今回はver3.1.0にて動作させています。あまり内容は理解していませんが（オイ）、参考になればまたOpenCV関連の記事を書いていこうと思います。
[0回]
raspberry pi×Open CVで庭に来る猫対策

マンション一階に住んでいるのだが、庭に猫がときどき入ってくる時がある。　通りすぎるくらいならいいのだが、奥さんが育てているコケを荒らしたり、糞をしたり結構やりたい放題。

こんな猫よけグッズはあるのだが全然効果なし。（慣れちゃったのか？）

近くを通ると耳がキーンってする

退治するまではいかないまでも、どの時間帯にに来るのかぐらいは調べてみることにした。
といってもずっと見ているわけにはいかないのでラズパイでOpenCVを動かして、反応した時だけ写真をとってみます。

まずはこの記事など見てもらってラズパイにOpenCVインストール済みということで…　

インストールがうまくできたらこのようなコードを書きます。
# -*- coding: utf-8 -*-
import sys
import cv2
import time
if _name_ == '_main_':
try:

cascade_path = "/home/pi/opencv-3.1.0/data/haarcascades/cascade.xml"
cascade = cv2.CascadeClassifier(cascade_path)
capture = cv2.VideoCapture(0)
if capture.isOpened() is False:
raise IOError("VideoCapture could not open.")

while True:

ret, image = capture.read()
if ret == False:
continue

facerect = cascade.detectMultiScale(image, scaleFactor=1.2, minNeighbors=2, minSize=(10, 10))

color = (255, 255, 255)
for rect in facerect:
cv2.rectangle(image, tuple(rect[0:2]),tuple(rect[0:2] + rect[2:4]), color, thickness=2)

time.sleep(1)

cv2.imwrite("img.png", image);
break

cv2.imshow("FaceDetection", image)
#wait[ms]
cv2.waitKey(1)
except KeyboardInterrupt :
print("\nCtl+C")
except Exception as e:
print(str(e))
finally:
capture.release()
cv2.destroyAllWindows()
for i in range (1,5):
cv2.waitKey(10)
print("\nexit program")


ここで顔認識と違うのは画像処理を行う判別ファイルが違います。
猫用なんてあるの？　って思うかもしれませんが、ここにあります。
保存したら、パスを入れ替えてください。
cascade_path = "/home/pi/opencv-3.1.0/data/haarcascades/cascade.xml"

あとは猫を認識したときに画像を保存します。ファイル名は適当です。
cv2.imwrite("img.png", image);

これでとりあえず、猫を画像検索したタブレットでテスト

に、認識してる気がする…

ホントは電磁弁とかと連動させて水でもかけたいとこだけどかわいそうなのでやめときます…

とりあえずリフォーム終わったら仕掛けてみます！！

[0回]
仮想通貨マイニングでラズパイ3Bと3B+を比較する

先日ラズパイ3B+を購入したのでなんとか3Bとの性能の差を定量的に比較したいと日々もがいていました。

今回思いついたのがマイニング。仮想通貨を採掘してみて、3Bと3B+で性能の差が出るはずと思ってやってみました。

掘るのはモナコイン、このサイトを参考にしてやってみました。 ※意外と簡単です。

sudo apt -y install git

git clone https://github.com/tpruvot/cpuminer-multi.git

sudo apt install automake g++ libcurl4-nss-dev libjansson-dev libssl-dev

cd cpuminer-multi/

./build.sh

確認ためのコマンドを打ちます
ls -l cpuminer
-rwxr-xr-x 1 pi pi 1231124 10月 19 00:49 cpuminerみたいなものが出ればビルドできています

次にマイニングプールに登録します
今回はvip poolに登録しました。
メールアドレスさえあれば登録できます。

登録できたら続いてワークを作成します

ここでのワークの名前とパスワードをメモっておきます。

続いてラズパイに戻って、
cd cpuminer-multi/
ここのディレクトリの状態で下記のコマンドを打ちます。メモしたワーカー名、パスワードを入れて下さい。
./cpuminer -a lyra2rev2 -o stratum+tcp://vippool.net:8888 -u アカウント名.ワーカー名 -p ワーカーのパスワード

うまくいけばワーカーが動作し、採掘能力が表示されます。
ちなみに３B＋が上で３Bが下です。　若干３B＋のほうが上回っていますが、時々逆転します。
３B＋のほうが性能がいいと…　言えるのか…　うーん。

ワーカーが動きましたがこのままでは採掘されたモナコインを使えません。
ウォレットを登録する必要があります。

いろいろありますがアプリではもにゃがおススメかと
受け取りのところからこのようなアドレスをコピーしてください。
MTyM9sGMbcJv5MkDSPXSAiepEaDxDmtKpe

それをvippoolで設定すれば自動で受け取ることができます。
アカウントの編集から払い先アドレスを設定します。

これでOK。　
最低０．５モナコインでウォレットで受け取れます。
が…　ラズパイ３B+、３Bを丸一日マイニングさせた結果…

０．０００２９３モナコイン！！！
１コインが２４０円程度なので０．０７円ですね、１円いきません。
生活できませんね笑

今回、性能の比較ははっきりしませんでしたが、３B＋を買って３Bを持て余している人はマイニングをさせとくのいいかもしれません。ただ…まったく稼げませんが…

[1回]
raspberry piで自走式監視カメラ

Raspberry　pi 3B+を買って初めての作品。カメラをリモートデスクトップで見ながらサーボモーターで動かしてみた。

３Dプリンターで作成した土台にサーボモーター２台とカメラ、ラズパイにモバイルバッテリーを搭載してます。

↑これが土台　

サーボモーターは３６０°タイプを使用、ラズパイの１７ピンと１８ピンと接続した。

カメラアプリとしてはguvcviewを使用しました。※インストールその他はこの記事参照おねがいします

画像のタイムラグはありますが　３B+になって動きがきびきびした気がします。

左側のボタンはtkinterで作成しました。
↓こんな感じです。
import RPi.GPIO as GPIO
import time
GPIO.setmode(GPIO.BCM)
from tkinter import *
tk = Tk()
gp_out = 17
gp_out2 = 18
GPIO.setup(gp_out, GPIO.OUT)
GPIO.setup(gp_out2, GPIO.OUT)
servo = GPIO.PWM(gp_out, 50)
servo2 = GPIO.PWM(gp_out2, 50)
servo.start(0.0)
servo2.start(0.0)

def hello():
  servo.ChangeDutyCycle(1.5)
  servo2.ChangeDutyCycle(1.5)

def hello2():
　 servo.ChangeDutyCycle(12.5)
  servo2.ChangeDutyCycle(12.5)

def hello3():
servo.stop(0.0)
servo2.stop(0.0)
servo.start(0.0)
servo2.start(0.0)

def hello4():
  servo2.ChangeDutyCycle(12.5)
  servo.ChangeDutyCycle(1.5)

def hello5():
  servo2.ChangeDutyCycle(1.5)
  servo.ChangeDutyCycle(12.5)

btn =Button(tk, text="←", command=hello)
btn.pack()
btn =Button(tk, text="→", command=hello2)
btn.pack()
btn =Button(tk, text="■", command=hello3)
btn.pack()
btn =Button(tk, text="↑", command=hello4)
btn.pack()
btn =Button(tk, text="↓", command=hello5)
btn.pack()

ボタンで前後、左右のサーボモーターを動かします。
リモートデスクトップでやるとほとんどラジコンですね・・。
androidタブレットでもXrdpを入れると動かすことができます。

まだまだ3B+が”買い”ですとは言えませんが、今後も性能の違いを確かめていきたいと思います！！

[0回]