| 姓名 | 学号 |
|---|---|
| 侯为栋 | 191250045 |
| 于环宇 | 191250185 |
| 蒋睿兮 | 191250063 |
| 李福梁 | 191250068 |
| 李智强 | 191250078 |
我们使用 EdgexFoundry 作为边缘平台, Atlas200DK 作为端设备.
我们设想的场景是垃圾分类. Atlas200DK 通过扩展摄像头拍摄垃圾, 并且使用其搭载的垃圾分类算法进行分类; 随后 Atlas200DK 将分类结果传给 edgex, 并通过 edgex 的规则引擎控制 Atlas200DK 上的 LED.
例如, Atlas200DK 拍到一张电池的照片, 它通过分类算法判断出这是有害垃圾后, 将 "有害垃圾" 这一信息传递给 edgex. Edgex 的规则引擎接收到这一信息后, 便会调用 Atlas200DK 的某个 LED 接口.
LED 只是我们展示分类结果的方式, 在实际运用中, 可以换成语音提示, 文字提示等.
上述过程是一个持续的状态: Atlas200DK 开始运行后会一直检测图像状态, 若图像发生改变 (在具体场景中, 可能是摄像头一直监控垃圾投放口, 如果有手伸入准备扔垃圾时就会触发检测) 就会运行分类算法并将结果发给 edgex, 从而导致自己 LED 状态的变化.
项目部署图如下:
我们将 Atlas200DK 抽象为一个 REST 设备, 通过一个服务器来接收 REST 调用.
一次流程如下图所示:
- Atlas200DK 上的摄像头将发生目标照片传递给分类算法;
- 分类算法将分类结果传递给 server;
- Server 将分类结果以 event 的方式发送给 edgex 规则引擎;
- Edgex 通过规则引擎请求 edgex command service 进行对应的服务调用;
- Edgex command service 找到正确的 Atlas200DK 地址并向其服务端发送 LED 修改请求;
- Server 接收到请求后转发给 LED, LED 状态得到修改.
上述流程会在 Atlas200DK 摄像头检测到图像发生改变时触发.
我们的演示视频在 billbill 上.
我们将总体部署的流程先简要介绍一遍, 方便读者有的放矢.
- 在某台可以访问到 Atlas200DK 的机器上安装启动 edgex, 请参考
3 EdgeX 安装部署; - 进入
edgex文件夹完成 edgex 的配置, 请参考4 EdgeX 配置; - 进入 Atlas200DK, 完成基本环境部署, 请参考
5.1 Atlas 运行环境配置; - 将
atlas文件夹移动到 Atlas200DK 中, 启动 camera 和 server, 请参考5.3 Camera和5.5 Server; - 获取 GPIO 引脚的控制权限, 请参考
5.2 LED.
垃圾分类算法在完成 5.1 后应该可以直接运行. 但是如果出现问题还请详细阅读文档与源码.
参考官方文档的安装教程.
我们使用 hanoi 发行版.
前提条件: 安装 docker, docker-compose, git, make.
运行以下命令:
git clone https://github.com/edgexfoundry/edgex-compose.git
cd edgex-compose
git checkout hanoi需要微调我们需要的 docker-compose 文件的网络配置:
vim docker-compose-hanoi-no-secty.yml
# 以下为 vim 命令
# :%s/127.0.0.1://g
# :wq 通过以下命令启动服务:
make run no-secty
make run-ui通过以下命令查看容器启动情况:
docker-compose -p edgex -f docker-compose-hanoi-no-secty.yml ps参考官方文档的 Walkthrough.
我们已经将所有命令整理成 shell 脚本, 如果不想细究可以直接执行然后跳过.
运行以下命令:
cd edgex
bash -x all.sh SERVER_ADDR SERVER_PORT EDGEX_ADDR PROFILE_PATH RULE_PATH其中:
SERVER_ADDR对应 edgex 的 ip 地址;SERVER_PORT对应 server 开的 port;EDGEX_ADDR对应 edgex 所在机器的 ip 地址;PROFILE_PATH对应要上传的 device profile 的路径, 这里可以直接填./atlas_profile.yaml;RULE_PATH对应rule.sh的路径, 这里可以直接填./rule.sh
若想了解具体流程请 RTFSC.
Atlas 为华为 Atlas200DK 开发版的简称, 我们在 Atlas 上接入了 LED 和摄像头.
请将本项目的 atlas 文件夹拷贝到 Atlas200DK 环境上.
本项目 atlas 中所有子项目的编译文件都没有 ignore, 方便读者在无法编译的时候可能可以直接运行.
5.2 后的所有命令都是在 Atlas200DK 上运行; 5.1 看语境.
请读者充分发挥自己的 debug 能力...
假设读者拥有一块完全没有配置过的 Atlas200DK 开发版.
请务必在用户 HwHiAiUser 上完成配置, 否则会出现很多麻烦. 样例很多地方是硬编码路径.
这里只阐述和 Atlas200DK 直接相关的, 也就是运行环境.
请参考官方文档的运行环境配置进行基础环境搭建.
我们使用的 camera 来自官方样例, 注意 tag 是 v0.3.0.
请参考上述官方样例中的 README 进行环境搭建, 尤其注意环境准备和依赖安装.
按照官方文档的流程会缺失 ascend_ddk 的配置, 这里可以参考这篇文章.
最终生成 ascend_ddk 文件夹并且传输到 Atlas200DK 中, 并扩展环境变量:
export LD_LIBRARY_PATH=/home/HwHiAiUser/ascend_ddk/arm/lib:/home/HwHiAiUser/Ascend/acllib/lib64:${LD_LIBRARY_PATH}我将最后运行环境应该有的环境变量罗列一下, 但不保证一定正确:
export LD_LIBRARY_PATH=/usr/lib64
export LD_LIBRARY_PATH=/home/HwHiAiUser/ascend_ddk/arm/lib:/home/HwHiAiUser/Ascend/acllib/lib64:${LD_LIBRARY_PATH}
export LD_LIBRARY_PATH=/home/HwHiAiUser/Ascend/acllib/lib64:${LD_LIBRARY_PATH}
export PYTHONPATH=/home/HwHiAiUser/Ascend/pyACL/python/site-packages/acl:$PYTHONPATH
export ASCEND_AICPU_PATH=/home/HwHiAiUser/Ascend
export PKG_CONFIG_PATH=/usr/share/pkgconfig/
export PYTHONPATH=$HOME/ascend_ddk/:$PYTHONPATH
export PATH=$PATH:/home/HwHiAiUser/ascend_ddk/arm/bin通过使用 Atlas200DK 上的 40 个 GPIO 接口来控制 led.
控制程序具体介绍见 atlas/led 的 README.
请至少看完上述文档中介绍如何获得 GPIO 引脚的操作权限的部分.
可以方便地使用命令来控制:
cd atlas
bash led.sh NUMNUM 对应五种类别的垃圾, 可取值为 0, 1, 2, 3, 4.
可以使用以下命令直接控制摄像头拍照:
cd atlas
bash camera.sh NAMENAME 为自定义照片名, 运行结束后照片会存放在 camera.sh 所在目录下.
但是我们需要启动一个一直运行摄像头的程序. 该程序一直进行拍照并对比图片差异, 如果两张图片差异过大就认为是检测到了垃圾, 并开启垃圾分类流程.
使用如下命令启动:
cd atlas
bash detect.py EDGEX_ADDR DEVICE VALUEDESCRIPTOR其中:
EDGEX_ADDR对应 edgex 部署地址;DEVICE对应设备注册名, 这里可以直接填atlas;VALUEDESCRIPTOR对应值描述符, 这里可以直接填idx.
如果对后两者有不解, 那你需要细究 EdgeX 配置一节.
本处使用的垃圾分类算法参考官方垃圾分类样例, 不过我们基本重写了对外接口.
本算法用到 python 依赖 atlas_utils. 如果在 4.1 漏掉的话请参考官方文档对应部分补全.
使用以下命令直接使用垃圾分类算法:
cd atlas
python3 rubbish/classify.py /path/to/xxx.jpg会返回 0, 1, 2, 3, 4, 分别对应干垃圾, 可回收物, 湿垃圾, 有害垃圾, 其他垃圾.
代码量不多, 可以很方便地 RTFSC.
直接运行即可:
cd atlas
python3 server.py如果出现依赖问题直接 pip3 安装即可.