RoboCar3 mit Coral

Nachdem RoboCar3 mit den Ultraschall-Sensoren einfach viel zu unverlässig lief (den verchromten Kühlschrank hat das Ding auch nach diversen Rammversuchen nicht erkannt und Stuhlbeine haben die Sensoren generell sehr gerne übersehen), habe ich es via Kamera versucht.

Die Kamera anzubauen ging sogar mit meinen arg eingeschränkten handwerklichen Fähigkeiten auffallend einfach und schnell. Der Anleitung bei github folgend, war auch die Software schnell installiert.

Eigentlich wollte ich mich jetzt an das Model machen und Tensorflow die Wohnung erklären. Im Gegensatz zum echten Leben (also richtigen Autos in freier Wildbahn) habe ich den Vorteil einer sehr übersichtlichen Umgebung mit vielen Konstanten – so oft räume ich nun nicht um. Dabei ergab sich schnell ein kleines Problem mit der doch recht eingeschränkten Rechenleistung des Raspberry: schon das kleine Beispiel-Model braucht ab 600ms aufwärts, um sich für ein Objekt zu entscheiden. Das erschien mir für die geplanten Fahrten zu wenig zu sein.

Als Abhilfe habe mich entschieden den TPU-Beschleuniger von Google zu testen. Es gibt da mittlerweile einige Alternativen, aber der USB-Stick erschien mir am einfachsten zu nutzen und ist auch relativ erschwinglich. Das Ergebnis:

Die Kamera habe ich vorne über den Ultraschall-Sensoren befestigt (der kleine rote Punkt im Bild), die TPU ist der große weiße Block, welcher per USB am Pi hängt. Nach links aus dem Bild läuft ein HDMI-Kabel zum Display. Diese Kabel war etwas tricky, da direkt vor dem HDMI-Port des PI der Servo für die Lenkung des Autos sitzt. Für einen normalen HDMI-Stecker zu wenig Platz. Unter dem Stichwort FPU findet man flexible HDMI-Kabel mit relativ kurzen Steckern zum selber montieren. Damit ging es problemlos.

Die Installation der Software war nicht ganz reibungslos, wenngleich eine an sich gute Anleitung geliefert wird. Es fehlten ein paar Details, was dann doch einige Zeit gekostet hat. Am Ende mussten nur einige Pakete nachinstalliert werden:

apt-get install libopenjp2-7-dev
 apt install libtiff5
 apt install libtiff5-dev
 apt-get install libatlas-base-dev

Und damit man auch als normaler User arbeiten kann:

usermod -aG plugdev mathias

Das Ergebnis ist schon beeindruckend:

13ms pro Bild – damit kann ich erstmal gut leben.

Jetzt geht es also wirklich an das Model, ich bin schon gespannt.