Tilbehør til smart hjelm: 4 trin

2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:29

Svimlende 1,3 millioner mennesker dør hvert år på grund af trafikuheld. En stor del af disse ulykker involverer to hjul. To hjulere er blevet farligere end nogensinde før. Fra 2015 var 28% af alle dødsfald forårsaget af trafikulykker forbundet med to hjul. Spritkørsel, forstyrrelser, for høj hastighed, rødt lyshopp og raseri på vejen er nogle af grundene til, at veje er ved at blive en farlig del af bylivet. Hvis der ikke skrides til handling, kan vejulykker blive den femte største dødsårsag inden 2030.

Ved hjælp af accelerometer og gyroskopsensor drevet af Arduino lavede vi en løsning på dette problem i form af et hjelmtilbehør. En af hovedfunktionerne i vores smarte hjelm bruger et Raspberry Pi -kamera placeret bag på hjelmen til at analysere dets feed for at opdage, om et køretøj er farligt tæt på. Ved registrering tændes en summer. En anden funktion ved hjelmen er at få øjeblikkelig hjælp til hjelmbærere i tilfælde af en ulykke. Dette inkluderer at sende en SOS -besked til deres nødkontakter med placeringen af brugeren. Vi har også lavet en app, der interagerer med og modtager data fra Arduino og behandler den for yderligere at forbedre hjelmens funktion.

Trin 1: Materialer

Ikke-elektroniske materialer:

1 hjelm

1 Action kamera hovedmontering

1 pose

Elektroniske materialer:

1 Raspberry Pi 3

1 Arduino Uno

1 R-Pi kamera

1 KY-031 knock-sensor

1 GY-521 accelerometer/gyroskop

1 HC-05 Bluetooth-modul

1 USB -kabel

Ledninger

Trin 2: Hardware -samling

Placer actionkameraets hovedbeslag omkring hjelmen som vist, og fastgør posen til hovedbeslaget mod hjelmens bagside.

Trin 3: Opsætning af Raspberry Pi

Ved hjælp af billedanalyse og RPi -kameraet registrerer Raspberry Pi biler, der er farligt tæt på brugeren, og advarer brugeren ved at aktivere vibrationsmotorer. For at konfigurere Raspberry PI og kameraet uploader vi først vores kode til Raspberry Pi og etablerer derefter en SSH -forbindelse med den. Vi kører derefter vores kode på Raspberry Pi enten manuelt ved at køre python -filen fra terminalen eller ved at aktivere et bash -script på løbetiden.

Opgaven med billedanalyse udføres ved hjælp af de uddannede OpenCV -modeller på biler. Vi beregner derefter køretøjets hastighed, og ved hjælp af diagrammet for sikker afstand og hastigheden beregnet for køretøjet beregner vi den sikre afstand for at advare brugeren. Vi beregner derefter koordinaterne for rektanglet i det ønskede køretøj og advarer til sidst brugeren, når en tærskel er krydset, hvilket fortæller os, hvornår køretøjet er for tæt.

For at køre det korrekte python -script skal du navigere til idémappen i dit respektive bibliotek. Kør derefter v2.py-filen (skrevet i Python 2) for at starte identifikationsprocessen med en forudindført video. For at begynde at tage input fra Pi -kameraet og derefter behandle det, skal du køre Python 2 -filen, v3.py. Hele processen er i øjeblikket manuel, men kan automatiseres ved at have et bash -script, der kører i henhold til kravene.

Trin 4: Arduino -opsætning

Bluetooth-modul: Tilfør 5V til HC-05-modulet, og indstil RX- og TX-benene til 10 og 11 og foretag de relevante forbindelser til Arduino-kortet.

GY 521 gyroskop/accelerometer: Tilslut SCL til A5 og SDA til A4, og tilfør 5V, og jord sensoren med en af jordstifterne.

KY 031 Knocksensor: Tilfør 5V til knock -sensorens VCC -pin, og jord den, og fastgør output -pin til Digital I/O Pin 7 i Arduino.