Smart Helmzubehör - Gunook

2024 Autor: John Day | [email protected]. Zuletzt bearbeitet: 2024-01-30 07:20

Jedes Jahr sterben unglaubliche 1,3 Millionen Menschen bei Verkehrsunfällen. Ein Großteil dieser Unfälle betrifft Zweiräder. Zweiräder sind gefährlicher denn je. Im Jahr 2015 waren 28% aller Todesfälle durch Verkehrsunfälle mit Zweirädern verbunden. Trunkenheit am Steuer, Ablenkungen, Geschwindigkeitsüberschreitungen, Rotlichtspringen und Straßenwut sind einige der Gründe, warum Straßen zu einem gefährlichen Teil des städtischen Lebens werden. Wenn nichts unternommen wird, könnten Straßenverkehrsunfälle bis 2030 die fünfthäufigste Todesursache sein.

Mit Beschleunigungsmesser und Gyroskopsensor von Arduino haben wir eine Lösung für dieses Problem in Form eines Helmzubehörs entwickelt. Eines der Hauptmerkmale unseres intelligenten Helms verwendet eine Raspberry Pi-Kamera auf der Rückseite des Helms, um seinen Feed zu analysieren, um zu erkennen, ob sich ein Fahrzeug in gefährlicher Nähe befindet. Bei Erkennung wird ein Summer eingeschaltet. Eine weitere Funktion des Helms besteht darin, den Trägern des Helms bei einem Unfall sofort Hilfe zu leisten. Dazu gehört das Senden einer SOS-Nachricht an ihre Notfallkontakte mit dem Standort des Trägers. Wir haben auch eine App entwickelt, die mit dem Arduino interagiert und Daten vom Arduino empfängt und diese verarbeitet, um die Funktion des Helms weiter zu verbessern.

Schritt 1: Materialien

Nicht elektronische Materialien:

1 Helm

1 Action-Kamera-Kopfhalterung

1 Beutel

Elektronische Materialien:

1 Raspberry Pi 3

1 Arduino Uno

1 R-Pi-Kamera

1 KY-031 Klopfsensor

1 GY-521 Beschleunigungsmesser/Gyroskop

1 HC-05 Bluetooth-Modul

1 USB-Kabel

Drähte

Schritt 2: Hardware-Montage

Platzieren Sie die Kopfhalterung der Action-Kamera wie abgebildet um den Helm und befestigen Sie die Tasche an der Kopfhalterung in Richtung der Rückseite des Helms.

Schritt 3: Raspberry Pi-Setup

Mittels Bildanalyse und der RPi-Kamera erkennt der Raspberry Pi Autos, die sich gefährlich dicht hinter dem Nutzer befinden und warnt den Nutzer durch Aktivieren von Vibrationsmotoren. Um den Raspberry PI und die Kamera einzurichten, laden wir zunächst unseren Code auf den Raspberry Pi und stellen dann eine SSH-Verbindung mit diesem her. Anschließend führen wir unseren Code auf dem Raspberry Pi entweder manuell aus, indem wir die Python-Datei vom Terminal aus ausführen oder ein Bash-Skript zur Laufzeit aktivieren.

Die Aufgabe der Bildanalyse wird durch den Einsatz der trainierten OpenCV-Modelle an Autos gelöst. Wir berechnen dann die Geschwindigkeit des Fahrzeugs, und unter Verwendung der Sicherheitsabstandstabelle und der berechneten Geschwindigkeit des Fahrzeugs berechnen wir den Sicherheitsabstand, um den Benutzer zu warnen. Anschließend berechnen wir die Koordinaten des Rechtecks des gewünschten Fahrzeugs und warnen schließlich beim Überschreiten einer Schwelle, die uns mitteilt, wenn das Fahrzeug zu nahe ist.

Um das richtige Python-Skript auszuführen, navigieren Sie zum Ideenordner in Ihrem jeweiligen Verzeichnis. Führen Sie dann die Datei v2.py (in Python 2 geschrieben) aus, um den Identifizierungsprozess mit einem vorab eingespeisten Video zu starten. Um die Eingabe von der Pi-Kamera aufzunehmen und dann zu verarbeiten, führen Sie die Python 2-Datei v3.py aus. Der gesamte Prozess ist derzeit manuell, kann aber durch ein Bash-Skript, das gemäß den Anforderungen ausgeführt wird, automatisiert werden.

Schritt 4: Arduino-Setup

Bluetooth-Modul: Versorgen Sie das HC-05-Modul mit 5 V und stellen Sie die RX- und TX-Pins als 10 und 11 ein und stellen Sie die entsprechenden Verbindungen zum Arduino-Board her.

GY 521 Gyroskop/Beschleunigungsmesser: SCL an A5 und SDA an A4 anschließen und 5V liefern und den Sensor mit einem der Massepins erden.

KY 031 Klopfsensor: Versorgen Sie den VCC-Pin des Klopfsensors mit 5 V und erden Sie ihn und verbinden Sie den Ausgangspin mit Digital I / O Pin 7 in Arduino.