Isi kandungan:

Aksesori Helmet Pintar: 4 Langkah
Aksesori Helmet Pintar: 4 Langkah

Video: Aksesori Helmet Pintar: 4 Langkah

Video: Aksesori Helmet Pintar: 4 Langkah
Video: WONDER WOMAN ACCESSORIES | Fast-n-Easy | DIY Labs 2024, Julai
Anonim
Image
Image

1.3 juta orang mati setiap tahun kerana kemalangan jalan raya. Sebilangan besar kemalangan ini melibatkan kenderaan roda dua. Dua roda kenderaan menjadi lebih berbahaya daripada sebelumnya. Pada tahun 2015, 28% daripada semua kematian yang disebabkan oleh kemalangan jalan raya dikaitkan dengan kenderaan roda dua. Pemanduan yang mabuk, gangguan, kelajuan yang terlalu cepat, lompatan lampu merah dan kemarahan jalan raya adalah beberapa sebab mengapa jalan raya menjadi bahagian kehidupan bandar yang berbahaya. Sekiranya tindakan tidak diambil, kemalangan jalan raya boleh menjadi penyebab kematian kelima utama pada tahun 2030.

Dengan menggunakan sensor akselerometer dan giroskop yang dikuasakan oleh Arduino, kami membuat penyelesaian untuk masalah ini dalam bentuk aksesori topi keledar. Salah satu ciri utama helmet pintar kami menggunakan kamera Raspberry Pi yang diletakkan di bahagian belakang topi keledar untuk menganalisis suapannya untuk mengesan jika kenderaan berada dalam keadaan berbahaya. Semasa pengesanan, bel dihidupkan. Fungsi topi keledar lain adalah mendapatkan bantuan segera kepada pemakai topi keledar sekiranya berlaku kemalangan. Ini termasuk menghantar mesej SOS ke kenalan kecemasan mereka dengan lokasi pemakainya. Kami juga telah membuat aplikasi yang berinteraksi dan menerima data dari Arduino dan memprosesnya untuk meningkatkan fungsi topi keledar.

Langkah 1: Bahan

Bahan bukan elektronik:

1 topi keledar

1 Pelekap kepala kamera tindakan

1 beg

Bahan elektronik:

1 Raspberry Pi 3

1 Arduino Uno

1 R-Pi Kamera

1 KY-031 Sensor Ketukan

1 GY-521 Accelerometer / Giroskop

1 modul Bluetooth HC-05

1 kabel USB

Wayar

Langkah 2: Pemasangan Perkakasan

Persediaan Arduino
Persediaan Arduino

Letakkan pelekap kepala kamera tindakan di sekitar helmet seperti yang ditunjukkan dan pasangkan kantung ke pelekap kepala ke arah belakang helmet.

Langkah 3: Persediaan Raspberry Pi

Dengan menggunakan analisis gambar dan kamera RPi, Raspberry Pi mengesan kereta yang berada di dekat pengguna dengan berbahaya dan memberi amaran kepada pengguna dengan mengaktifkan motor getaran. Untuk menyiapkan Raspberry PI dan kamera, pertama-tama kami memuat naik kod kami ke Raspberry Pi dan kemudian membuat sambungan SSH dengannya. Kami kemudian menjalankan kod kami pada Raspberry Pi sama ada secara manual dengan menjalankan fail python dari terminal atau dengan mengaktifkan skrip bash pada waktu jalan.

Tugas analisis gambar dicapai dengan menggunakan model OpenCV terlatih pada kereta. Kami kemudian mengira kelajuan kenderaan, dan dengan menggunakan carta jarak selamat dan kelajuan dikira kenderaan, kami mengira jarak selamat untuk memberi amaran kepada pengguna. Kami kemudian mengira koordinat segi empat tepat kenderaan yang dikehendaki dan akhirnya memberi amaran kepada pengguna apabila ambang dilintasi, yang memberitahu kami ketika kenderaan terlalu dekat.

Untuk menjalankan skrip python yang betul, arahkan ke folder idea di direktori masing-masing. Kemudian, jalankan fail v2.py, (ditulis dalam Python 2) untuk memulakan proses pengenalan dengan video yang dimakan sebelumnya. Untuk mula mengambil input dari Kamera Pi dan kemudian memprosesnya, jalankan fail Python 2, v3.py. Seluruh prosesnya manual saat ini, tetapi dapat diotomatiskan dengan memiliki skrip bash yang berjalan sesuai dengan persyaratan.

Langkah 4: Persediaan Arduino

Persediaan Arduino
Persediaan Arduino

Modul Bluetooth: Bekalkan 5V ke modul HC-05 dan tetapkan pin RX dan TX sebagai 10 dan 11 dan buat sambungan yang sesuai ke papan Arduino.

GY 521 Giroskop / Accelerometer: Sambungkan SCL ke A5 dan SDA ke A4 dan sediakan 5V dan arahkan sensor menggunakan salah satu pin ground.

Sensor ketukan KY 031: Sediakan 5V ke pin VCC sensor ketukan dan arahkan dan pasangkan pin output ke Pin I / O Digital 7 di Arduino.

Disyorkan: