DIY robot "PiCar" - Czterokołowy pojazd z funkcjami prostej jazdy autonomicznej i zdalnego sterowania

[Gemyn]

Chciałem przedstawić wam mój projekt samochodziku "PiCar". To pojazd z funkcjami prostej jazdy autonomicznej opartej na wizji komputerowej, oraz zdalnego sterowania padem do konsoli (Xbox) z transmisją na żywo z kamerki pokładowej. Ponadto, ważnym elementem tego projektu jest moja własnoręcznie zaprojektowana płytka PCB, która reguluje napięcie płynące z baterii, zasila RPi 5, steruje silnikami i serwami i monitoruje napięcie baterii. Nazwa wzięła się z wykorzystania Raspberry Pi 5 jako komputera pokładowego. 

Na zdjęciu widać PiCar'a obok znacznika, który potrafi śledzić.

Pod tym linkiem można znaleźć repozytorium tego projektu: https://github.com/ghemyn/picar 

Można tam zobaczyć pliki do których się odnoszę w tym poscie.

 

Aby ułatwić czytanie, podzieliłem ten post na następujące sekcje:

1. "Hardware - Płytka PCB"
2. "Hardware - Silniki i serwa + koła"
3. "Software - Autonomiczna jazda"
4. "Software - Zdalne sterowanie"

 

Hardware - Płytka PCB

Powstała, aby pozbyć się osobno połączonych, niechlujnie wyglądających modułów i zastąpić je jedną dopracowaną płytką PCB. Osiągnęła swój cel ale obstawiam, że powstaną kiedyś kolejne wersje, które robią to lepiej  Najważniejsze funkcję opisuję poniżej:

Pliki projektowe płytki PCB można znaleźć w repozytorium tego projektu.

 

Mikrokontroler CH32V003 jest głównym kontrolerem całej płytki PCB. Odpowiada za sterowanie sterownikami silników, generowanie sygnałów do serw i monitorowania napięcia baterii. Komunikuje się z Raspberry Pi 5 za pomocą magistrali I2C. Firmware jest napisany w C (w repo: /pwm_board/firmware/CH32V003A4M6), chociaż wersja znajdująca się na repozytorium jeszcze nie jest w pełni kompatybilna z tą nową płytką PCB. Przedtem CH32V003 było na innej płytce odpowiedzialnej tylko za sterowanie serwami.

 

Napięcie wejściowe z baterii jest najpierw filtrowane przez kondensator low-ESR oraz ograniczane do 15 V za pomocą diody TVS SMBJ15A. Następnie układ MP2338 skutecznie obniża napięcie z zakresu 9–12,6 V do około 5,15 V, które jest podawane prosto do Raspberry Pi 5 poprzez kabel USB-C. Pin GND układu MP2338 jest połączony z szerokimi ścieżkami miedzi oraz przelotkami, żeby poprawić odprowadzanie ciepła z tak małego układu.

 

Układ TB6612FNG jest wykorzystywany do sterowania oboma głównymi silnikami. Logika zasilania jest sterowana sygnałami PWM generowanymi przez mikrokontroler. Częstotliwość sygnału PWM może być regulowana z software'u o czym opowiadam więcej w sekcji "Hardware - Silniki i serwa".

 

Płytka umożliwia jednoczesne generowanie czterech niezależnych hardware'owych sygnałów PWM. Serwa są zasilane napięciem 4,8 V generowanym przez drugi układ MP2238, skonfigurowany analogicznie do konwertera zasilającego RPi 5 (Oczywiście poza napięciem wyjściowym). Sekcja serw posiada 3-pinowe złącza dla każdego kanału, co ułatwia podpinanie i odpinanie kabli. Zrobiłem zapas kanałów, mimo że wykorzystuję tylko jeden, żeby zapewnić możliwość rozbudowy tego projektu w przyszłości, np. umożliwienia regulacji obrotu kamery w kilku osiach.

 

Hardware - Silniki i serwa + koła

Napęd tylnych kół PiCara realizowany jest przez dwa silniki DC N20-BT32 micro 100:1 320RPM - 9V sterowane dwukanałowym mostkiem H TB6122FNG. Umożliwia regulację prędkości za pomocą sygnału PWM generowanego przez wspomniany mikrokontroler CH32V003. Częstotliwość sygnału PWM może być regulowana z software'u, zależnie od tego czy użytkownik woli, żeby silniki były cichsze, czy żeby były mocniejsze. Im niższa częstotliwość, tym silniki pracują wydajniej, ale generują głośniejszy ton powstały przez przełączanie prądu.

Skręt przednich kół realizowany jest za pomocą mikro-serwa, które przez prosty układ mechaniczny steruje kątem ich obrotu, dając efekt podobny, jak w samochodzie. Serwo jest sterowane sygnałem PWM o częstotliwości 50Hz również generowanym przez mikrokontroler.

Przednie koła są przykręcone krótkimi śrubkami M3 do mocowań, które następnie wczepiają się do łożysk kulkowych, dokładnie tak, jak działają łączenia w LEGO technic. Bolec o odpowiedniej średnicy z przecięciami po bokach wchodzi w otwór łożyska i trzyma się wystarczająco mocno. Tylne koła są nasunięte na wały silników:


Układ przedniego koła widziany w Fusion360:

Użyte koła to Koła 60x8mm - czarne - Pololu 1420

 

Software - Autonomiczna jazda
Autonomiczna jazda, póki co jest prostym algorytmem wizji komputerowej, który wyszukuje na obrazie z kamerki Raspberry Pi Camera HD v2 8MPx, specjalnego znacznika z trzema kluczowymi kolorami: czerwonym, zielonym i niebieskim.

Obraz pochodzący z kamerki, jest najpierw filtrowany bilateralnie (Bilateral Filter), aby pozbyć się drobnych szczegółów i zakłóceń w późniejszym wyszukiwaniu znacznika. Następnie zmieniana jest gamma, żeby zwiększyć kontrast i powstały obraz jest binaryzowany, żeby SimpleBlobDetector z biblioteki OpenCV mógł wykryć trzy koła. Ostatecznie algorytm sprawdza czy koła znajdują się "wewnątrz" potencjalnie znalezionego znacznik - tzn. czy nie są przesunięte od uśrednionego środka o więcej niż o odchylenie standardowe. Jeśli nie są, to mamy pewność, że znacznik został znaleziony.

Poniżej znajduje się wizualizacja, jak znacznik jest widziany przez algorytm:

Kod jest dostępny na githubie

Gdy znacznik jest znaleziony, pojazd jedzie do przodu i skręca tak, żeby środek znacznika znalazł się na środku widoku kamery. To w zupełności wystarczyło, aby efektywnie śledzić taki znacznik.

Mam plan w przyszłości wykorzystać model wizji komputerowej "DepthAnythingV2", który oszacowuje głębię korzystając tylko z jednej kamerki w połączeniu z jednym czujnikiem ToF. Dzięki takiemu połączeniu będę w stanie uzyskać przybliżone (wystarczająco dokładne) informacje o odległości wszystkiego, co jest widoczne na przedniej kamerce. Te dane będę mógł wykorzystać do wykrywania kształtów po konturach i autonomicznego omijania przeszkód.

Software - Zdalne sterowanie

PiCar może być sterowany przez prosty interfejs webowy oparty na WebSocketach (interfejs znajduje się w repo: /frontend/index.html). Dostępne są dwa suwaki, jednak lepszą (i zdecydowanie fajniejszą) metodą sterowania jest gamepad (na przykład do XBox'a One), który strona wykrywa automatycznie. Przyspieszanie i hamowanie odbywa się za pomocą triggerów, a skręcanie lewym drążkiem analogowym.

Interfejs wyświetla też obraz na żywo z kamery podłączonej do Raspberry Pi 5 z bardzo małym opóźnieniem (nie więcej niż 20ms). Strumień wideo jest udostępniony przez WebRTC, np. przy użyciu MediaMTX. Używany przeze mnie plik konfiguracyjny znajduje się w /car/mediamtx.yml. Po uruchomieniu transmisja z MediaMTX jest dostępna pod adresem ip raspberry_pi_5_ip:8889/rpi. Interfejs wygląda tak:

Niezbyt atrakcyjny... Wiem.


Podsumowanie
Projekt nie jest w swojej finalnej postaci i obecnie jest w trakcie sporej aktualizacji jeśli chodzi o płytkę PCB, ale ciężko powiedzieć czy kiedykolwiek będzie gotowy bo zawsze będzie co poprawić
Pliki ramy wydrukowanej na drukarce 3D, projekty płytek PCB, oraz kod można znaleźć na githubie w repozytorium projektu: https://github.com/ghemyn/picar/

Edytowano 30 marca przez Gemyn
Poprawka tekstu

[AntekBezak]

Bardzo porządny projekt, akurat temat wizji komputerowej jest mi bliski, więc mnie zaciekawiło. Jeśli chcesz w przyszłości przejść poziom wyżej to jest coś takiego jak algorytmy YOLO, do wykrywania bardziej skomplikowanych rzeczy jak ludzie itp. Obecnie z narzędziem zwanym ultralytics hub jest to dość proste w użyciu. Ale myślę że jeżdżący robot z kamerą ogólnie ma bardzo duży potencjał do rozwoju. Zainteresował mnie też temat przesyłania obrazu, bo pracuję nad robotem w którym mam z tym duży problem. Nie słyszałem o tym MediaMTX, ale jak o tym czytam to brzmi nieźle i chyba to wypróbuję. Tak więc, gratuluję projektu.

[LeciZNamiPilot]

Nie bardzo widzę tutaj zastosowanie dla YOLO, ale też nie mam dużego doświadczenia z CV. Korzystałem z YOLO do wykrywania tablic rejestracyjnych tylko.

[AntekBezak]

1 godzinę temu, LeciZNamiPilot napisał:

Nie bardzo widzę tutaj zastosowanie dla YOLO, ale też nie mam dużego doświadczenia z CV. Korzystałem z YOLO do wykrywania tablic rejestracyjnych tylko.

Dosyć oczywisty przykład, ale możnaby choćby wykrywać człowieka na obrazie z kamery i za nim podążać. Prawdopodobnie można wymyślić mniej oczywiste zastosowania, wypatrywanie przeszkód, poruszanie się po oznaczonej w jakiś sposób trasie, rozpoznawanie znaków... Potencjał jest spory.

[LeciZNamiPilot]

Ja myślałem bardziej o ogólnym przypadku dla pojazdu autonomicznego, czyli głównie omijaniu przeszkód. Ale tak jak piszesz @AntekBezak podążanie za jakimś obiektem jest OK pomysłem, ciekaw jestem czy Raspberry Pi 5 sprosta też inferencji modelu YOLO. 

Bedę śledził ten projekt,bo jest ciekawy!

[Gemyn]

10 godzin temu, AntekBezak napisał:

Bardzo porządny projekt, akurat temat wizji komputerowej jest mi bliski, więc mnie zaciekawiło. Jeśli chcesz w przyszłości przejść poziom wyżej to jest coś takiego jak algorytmy YOLO, do wykrywania bardziej skomplikowanych rzeczy jak ludzie itp. Obecnie z narzędziem zwanym ultralytics hub jest to dość proste w użyciu. Ale myślę że jeżdżący robot z kamerą ogólnie ma bardzo duży potencjał do rozwoju. Zainteresował mnie też temat przesyłania obrazu, bo pracuję nad robotem w którym mam z tym duży problem. Nie słyszałem o tym MediaMTX, ale jak o tym czytam to brzmi nieźle i chyba to wypróbuję. Tak więc, gratuluję projektu.

Dzięki  Miałem już YOLO na celowniku, więc jak dopracuję hardware to pewnie będzie jedną z rzeczy software'owych z którą poeksperymentuję. Jedyny problem jest taki że nowe modele YOLO działają słabo na samym Pi 5 bez HATów do AI a na dodatek moje Pi jest underclockowane żeby konwertery napięcia miały się łatwiej. Chociaż, prawdę mówiąc, odkąd zrobiłem nowe PCB to nie testowałem czy sobie poradzi z Pi na pełnym (zwykłym) core clock'u i włączonymi wszystkimi rdzeniami, bo stary moduł konwertera sobie nie radził. Najwyższa pora to sprawdzić...

Tutaj jest całkiem fajny materiał, który mi pomógł, między innymi z MediaMTX: 

A tutaj benchmarki YOLO, które miałem na myśli: 

 

Edytowano 29 stycznia przez Gemyn

[AntekBezak]

@Gemyn Dzięki za filmik, z pewnością mi to pomoże.

Co do YOLO, biblioteka ultralytics pozwala minimalnym wysiłkiem przetwarzać wszystko w chmurze (kod w pythonie do tego do dosłownie kilka linijek). Wtedy model pracuje np. na Google Collab i rpi nie jest prawie wcale obciążone. Jest trochę mniej FPS, ale da się przeżyć.

[Szaber]

Całkiem klawy samochodzik 

[robotykLEGO]

Fajny pomysł. Ciekawe czy da się wyposażyć softa w AI.

[robotykLEGO]

A skąd masz PCB?

[Gemyn]

Dnia 26.02.2026 o 08:33, robotykLEGO napisał:

A skąd masz PCB?

Projektowałem w KiCad a zamówiłem z JLCPCB. Mają naprawdę korzystne ceny, bo zapłaciłem:
- 31,10zł za produkcję płytek (5 sztuk bo tyle to minimum)
- 24,48zł za dostawę
- 12,80zł za podatki + cło

Cena jest zwykle proporcjonalna do stopnia zaawansowania płytki, a dla nowych użytkowników są czasem zniżki.

[Gemyn]

Dnia 26.02.2026 o 08:32, robotykLEGO napisał:

Fajny pomysł. Ciekawe czy da się wyposażyć softa w AI.

Raspberry Pi działa na linuxie więc jedyną przeszkodą jest performance takiego AI. Ale jak już wspomniał AntekBezak, ciężkie modele AI można przenieść do chmury, żeby odciążyć Raspberry Pi.

[H1M4W4R1]

17 minut temu, Gemyn napisał:

Cena jest zwykle proporcjonalna do stopnia zaawansowania płytki, a dla nowych użytkowników są czasem zniżki.

Dodam, że dla stałych też są kupony  Szczególnie fajne są te usuwające opłatę rozruchową za PCBA, więc często jak masz 200-300 robaczków SMT na PCB lepiej to dać by przylutowali, a samemu przylutować tylko scalaki.

[robotykLEGO]

co to ,,robaczki SMT,, ?

[H1M4W4R1]

1 godzinę temu, robotykLEGO napisał:

co to ,,robaczki SMT,, ?

Komponenty pasywne w obudowach 01005, 0201, 0402, 0603 lub 0805. Te ostatnie (największe) mają około 2x1.2mm.