lukasz-dev

Jak na moje oko, jak energetycznie rzecz biorąc stać Cię na utrzymanie routerka i małego SBC to postawienie HomeAssistant lokalnie rozwiązuje problem "mózgu". W razie potrzeby można to potem eksportować do internetu. Ostatnio testuje u siebie dongle Zigbee, który pomaga mi między innymi lokalnie obsługiwać urządzenia Sonoff bez wychodzenia w "ich cloud'a".

Z jednej strony energia jest istotna (choć urządzenia typu raspberry to najczęściej kilkanaście W max). Ale też podczas przemieszczania campera można wziąć pod uwagę zaniki internetu. Wtedy fajnie jakby to było sterowalne w sieci wewnętrznie bez wychodzenia na świat. Ciekawy temat. Jakie czujniki chciałbyś tam mieć i nimi zarządzać?

Widzę to tak, ESP32 ma moduł WIFI. Można je ułożyć niedaleko czujników, połaczone po kablu. Te ESP32 mogą łączyć się z lokalnym serwerem MQTT. Ten może być lokalnie na jakimś małym komputerze SBC (np Raspberry) z brokerem MQTT i aplikacją która zarządza logiką - np Home Assistant. Skoro sygnały docierają do tego mózgu : komputer SBC, to można tam je dalej przesyłać do chmury / innych serwisów. Nie mam doświadczenia z ekranami dotykowymi.

Ostatnio właśnie badam temat łączenia takich systemów. Duzi dostawcy chmurowi mają b dobre środowiska do integracji. Np AWS Iot. Ale to co na początek może starczyć to zebranie lokalnie takich sygnałów na brokerze MQTT, zmostkowanie go z innym i sterowanie po połączonych szynach.

Zestaw zawiera elementy które możesz wykorzystać do budowy robota mobilnego. Sprzedaję bo poszedłem w Jetson Nano i rozpoznawanie obiektów a mam dwa komplety więc chętnie się podzielę. W zestawie: - proste 2 silniki DC 6V i koła - sterownik silnika LMN 298N - 4 czujniki linii - trzymajka na 4 paluszki - breadboard - LCD (napięcia 5V) - silnik krokowy - kilkanaście kabli połączeniowych - ESP 8266 gratis dokładam lutownicę!! Większość elementów nowych/nieużywanych lutownica wyraźnie używana

Cel na ten rok osiągnięty. Udało się wypuścić pierwszą wersję mobilnego robota, który zapewnia interakcję z otoczeniem. Co prawda musiałem zmienić koncepcję, ponieważ na początku chciałem raczej śledzić małe przedmioty i umieszczać je w odpowiednich “pudełkach”, ale używany przeze mnie model ma zdecydowanie lepszą dokładność na dużych obiektach (SSD Mobilenet v2). Dopuściłem się też retrenowania modelu, ale ostatecznie go nie wykorzystałem z uwagi na małe rozmiary obiektów (awokado, czosnek). Dokładny opis projektu znajdziesz tutaj na Github https://github.com/lukaszkuczynski/zamyotek

Hej, dzięki małe początki z robotyką, Ta dłuższa chwila z tego co dostrzegłem ma związek z przetwarzaniem przez program na Raspberry różnych obiektów. Myślę że to też interpretacja modelu przez maszynkę tylko z 1GB RAM też swoje robi. Mam też tam opóźnienie w tej pętli co robi swoje. Ogólnie ten COCO dataset to kilkadziesiąt obiektów różnych typów, tak jak jest u nich to opisane. To taki trochę Hello World dla Computer Vision z tego co się zorientowałem bo Tensorflow to lobbuje. Oczywiście można wykryć dokładną pozycję obiektu, to w kolejnych iteracjach projektu mogłoby sprawi

dzień dobry, jestem Łukasz wcześniej programista smutnej Javy i wielkiej daty, ale teraz pokochałem małe zielone układziki, małe napięcia i wielkie wynalazki Oczywiście dzięki Covid znalazł się czas owocem mojej kilkumiesięcznej fascynacji jest m.in. mały robocik, który opisałem na forum Ostatnio w naszej firmie mieliśmy nawet warsztaty IoT i razem robiliśmy alarm domowy. Dzieje się!

Zbudowałem jeżdzącego robota na bazie standardowego podwozia, który ma jeździć zdalnie rozpoznawać obrazy Cieszę się bo było to pierwszy kontakt z technologią Tensorflow Lite i widzę jak fajne możliwości daje to na urządzeniach drobnych, niepodłączonych do internetu. Oryginalny wpis z mojego bloga znajdziecie tu: https://lukaszkuczynski.github.io/Machina-ze-slaboscia/ Github z projektem jest tu: https://github.com/lukaszkuczynski/rpi80b3 Dlaczego samochód? Od kiedy kupiłem pojedynczy silnik krokowy musiał odczekać swoje. Przeleżał dobre kilka tygodni w p