Skip to content
This repository has been archived by the owner on Sep 8, 2023. It is now read-only.

Latest commit

 

History

History
250 lines (163 loc) · 9.19 KB

README.md

File metadata and controls

250 lines (163 loc) · 9.19 KB
Raw

嵌入式物联网大作业

0 小组成员

姓名 学号
侯为栋 191250045
于环宇 191250185
蒋睿兮 191250063
李福梁 191250068
李智强 191250078

1 项目介绍

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:

1

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:

2

  1. Atlas200DK 上的摄像头将发生目标照片传递给分类算法;
  2. 分类算法将分类结果传递给 server;
  3. Server 将分类结果以 event 的方式发送给 edgex 规则引擎;
  4. Edgex 通过规则引擎请求 edgex command service 进行对应的服务调用;
  5. Edgex command service 找到正确的 Atlas200DK 地址并向其服务端发送 LED 修改请求;
  6. 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.

2 总体部署流程

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.

  1. 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;
  2. 进入 edgex 文件夹完成 edgex 的配置, 请参考 4 EdgeX 配置;
  3. 进入 Atlas200DK, 完成基本环境部署, 请参考 5.1 Atlas 运行环境配置;
  4. 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;
  5. 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.

3 EdgeX 安装部署

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

4 EdgeX 配置

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.

5 Atlas

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.

5.1 Atlas 运行环境配置

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

5.2 LED

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 NUM

NUM 对应五种类别的垃圾, 可取值为 0, 1, 2, 3, 4.

5.3 Camera

可以使用以下命令直接控制摄像头拍照:

cd atlas
bash camera.sh NAME

NAME 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.

5.4 垃圾分类算法

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.

5.5 Server

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.