2018年9月27日 星期四

ROS Rviz




RVizThe ROS Visualization Tool: 機器人作業系統 3D 視覺化工具。 它的作用就是:一個虛擬世界,用來模擬機器運行效果。簡單的說它就是 ROS 的一個模擬器軟體。一個顯示機器人實體的工具。 





[在Ubuntu 下執行]
roscore

export TURTLEBOT3_MODEL=burger
roslaunch turtlebot3_bringup turtlebot3_model.launch



#須事先安裝 turtlebot3 package
cd ~/catkin_ws/src/
git clone https://github.com/ROBOTIS-GIT/turtlebot3_msgs.git
git clone https://github.com/ROBOTIS-GIT/turtlebot3.git
cd ~/catkin_ws && catkin_make




2018年8月28日 星期二

影像型能學運算 (Morphological Operations)



影像型能學運算 (Morphological Operations):

形態學主要用於二值化後的影像,根據使用者的目的,用來凸顯影像的形狀特徵,像邊界和連通區域等,同時像細化、像素化、修剪毛刺等技術也常用於圖像的預處理和後處理,
In short: A set of operations that process images based on shapes. Morphological operations apply a structuring element to an input image and generate an output image.

The most basic morphological operations are two: Erosion and Dilation. They have a wide array of uses, i.e. :


  1. Removing noise
  2. Isolation of individual elements and joining disparate elements in an image.
  3. Finding of intensity bumps or holes in an image



膨脹(Dilation)==> 白色區域影像變胖

Left image: original image inverted, right image: resulting dilatation




侵蝕(Erosion)  ==>  白色區域影像變瘦

Left image: original image inverted, right image: resulting erosion




斷開(Opening):  Erosion再Dilation 可以將硬幣分離





References:

  1. https://slidesplayer.com/slide/11398438/
  2. http://monkeycoding.com/?p=577
  3. http://blog.christianperone.com/2014/06/simple-and-effective-coin-segmentation-using-python-and-opencv/

2018年8月26日 星期日

HAAR Face Detection


Face Detection using Haar Cascades

利用 HAAR 分類器(包含不同的偵測dataSet), 用一個windw size 下, 不同Feature都有得到不同的分數.  再用不同window size, 再去掃,


整個演算法跑完之後, 顯示的這些不同矩形框,就是那些"疑似有人臉"出現的地方..








上課範例:

Haar-cascade Detection in OpenCV




2018年8月18日 星期六

18650電池




單顆充電電池(鎳氫電池)充飽電大概是1.2V
單顆18650電池(鋰電池)充飽電大概是4.2V (電壓掉到3.4~3.6v以下就要充電了)



18650 battery Size: 18mm x 65mm
18650電池的單顆電壓為3.7V,容量約為1000mAH左右 (以1000mA電流輸出能力持續1小時)


※電池電力尚未用至最低之前就充電,電池壽命將更長。
※將電池使用至低電量或完全沒電才進行充電,會造成新式鋰電池無法充電。
※電池金屬面積較小的一端為正極(+),較大的一端為負極(-)。


C是指 C 倍的放電效率




1C指的是在1小時內,可以把電池內全部的容量充飽或放光,而0.2C則因電流比較小,所以充電/放電的時間就是1/0.2 = 5小時了,換句話說2C的充/放電時間就是1/2 = 0.5小時了模型店使用的電池,由於需要大電流放電才能驅動馬達,所以幾C就很重要了,一般標稱8C,10C等,就是說電池有大電流放電的能力,基本上數值越大越好


2200mah 7.4V 3C
1300mah 7.4V 10C
第一組電池代表他放電電流是 2.2ax3=6.6a 的電流
第二組是 1.3ax10= 13a 的電流
容量來說,第一組比較大。可以用比較久 但是第二組可以放第一組二倍的電流





2018年8月11日 星期六

VS2017 設定Tesseract-OCR的編譯環境





Tesseract是一個光學字元識別引擎,支援多種作業系統。

[Include 目錄] (增加一項)


[程式庫目錄] 


[其他相依性] 


[C/C++ 前置處理器] 前置處理器定義






設定完成後, 執行上課範例, 可以看見原始影像為TAW-8686.jpg 然後看看Tesseract識別引擎的效果. 理論上"乾淨"的圖識別的效果應該100%正確!




但實際上取得的車牌影像不會如此乾淨, 車牌會有污點、影像對比度可能也不足(光線影響)、拍攝角度不對以及有其他的文字、符號等等., 都得再經過影像處理的手法重新把影像"惡搞"後,才能丟入OCR去做後續的文字分析識別


台灣的車牌


影像經過二值化處理,將原始影影像轉換成"黑白"影像, 至於Threshold value 怎麼選, 這就是學問所在啦~


若想要用自己的識別引擎去分析文字或一些特定的符號,也可以自己去訓練。訓練的方法可以用現在很夯的AI方法如Deep Learning  CNN來訓練模型,像是 MINST 手寫數字辨識 這種資料集(Data Set) 模型可以讓你識別出0~9的手寫數字。

不過在做真正的影像識別的應用,通常得經過一些影像處理的技巧, 例如進行二值化 (Thresholding)、閾值分析、影像去雜訊、影像模糊、影像強化、影像縮放、色彩空間轉換及影像切割等,才餵進到識別引擎,以獲得較高的辡別率。因此,對影像進行預處理,總是避免不了~



異質計算機結構



異質計算機結構? 
指的是用和CPU不同的計算裝置,例如使用顯示卡做計算的GPGPU運算, 目前常看的的API有CUDA、OpenCL等。

CUDA only for nVidia

OpenCL is a generic graphic computing , it can be used for AMD GPU, nVidia,...


From Wiki:

https://zh.wikipedia.org/wiki/OpenCL

OpenCLOpen Computing Language,開放計算語言)是一個為異構平台編寫程式的框架,此異構平台可由CPUGPUDSPFPGA或其他類型的處理器與硬體加速器所組成。OpenCL由一門用於編寫kernels(在OpenCL裝置上執行的函式)的語言(基於C99)和一組用於定義並控制平台的API組成。OpenCL提供了基於任務分割和資料分割的平行計算機制。

http://www.ittraining.com.tw/ittraining/index.php/course/hardware/fpga


2018年6月26日 星期二

Invalid MIT-MAGIC-COOKIE-1 ??



python3 tkui.py 直接執行可以..但是無法在開機時自動執行, 原因是執行X Window應用程式(X X Client),若要能連接到X Server 時, X Client 必須要提供兩個設置


  1. 設置遠端 XServer  DISPLAY 環境變數。
    export DISPLAY=:0.0
  2. 能讀到 Xauthority下的cookie檔 ( 位在每個user 的HOME目錄的.Xauthority 目錄)
    export XAUTHORITY=/home/<YOUR-USER-NAME>/.Xauthority


通常用自己登入帳號去執行X Client 程式沒有問題, 但若不是或經由 sudo 去執行,則必須設定  Xauthority的位置.


用pi 帳戶, 執行 python3 tkui.py 沒有問, 但是用 sudo python3 tkui.py 會出現錯誤

例如:

pi@raspberrypi:~ $ sudo python3 tkui.py
Invalid MIT-MAGIC-COOKIE-1 keyInvalid MIT-MAGIC-COOKIE-1 keyTraceback (most recent call last):
  File "tkui.py", line 16, in <module>
    win=Tk.Tk()
  File "/usr/lib/python3.5/tkinter/__init__.py", line 1880, in __init__
    self.tk = _tkinter.create(screenName, baseName, className, interactive, wantobjects, useTk, sync, use)
_tkinter.TclError: couldn't connect to display ":0.0"



解決方式: 

pi@raspberrypi:~ $ export XAUTHORITY=/home/pi/.Xauthority
pi@raspberrypi:~ $ sudo python3 tkui.py   ==> 能正常執行,因為能找到Xauthority 檔案



References:

https://iwf1.com/quick-fix-invalid-mit-magic-cookie-1-sudo

2018年6月24日 星期日

使用pyserial讀取Serial資料










Trouble Shooting


 pip3 install pyserial

Traceback (most recent call last):
  File "serial.py", line 1, in <module>
    import serial
  File "/home/pi/serial.py", line 3, in <module>
    port = serial.Serial("/dev/ttyUSB0", baudrate=9600, timeout=3.0)
AttributeError: module 'serial' has no attribute 'Serial'

解法:  pip3 uninstall serial

>>> import serial
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ImportError: bad magic number in 'serial': b'\x03\xf3\r\n'

解法:  find . -name \*.pyc -delete




https://goo.gl/EcCcj7

2018年6月11日 星期一

[Raspberry Pi] 開機後LCD螢幕不要變黑





How to disable monitor power saving option in Raspberry PI?

最簡單方式就是裝xscreensaver的應用程式, 然後不要啓動 Screen Saver

sudo apt-get install xscreensaver
 then on the main preferences page set MODE: Disable Screen Saver







https://goo.gl/EcCcj7

2018年6月7日 星期四

[Raspberry pi] Python GUI Tkinter



如何執行?
export DISPLAY=:0.0
python3 tkui.py













----------------------------------------------

Create GUI with TKInter over SSH

這一行, 就可以用SSH開發GUI程式, 讓視窗畫面出現在LCD上


export DISPLAY=:0.0

----------------------------------------------

RPi 4"Inch 480x320 LCD (SPI 界面)

[Raspberry Pi] Give root password for maintenance ..



若Raspberry Pi 出現一直出現 "
Give root password for maintenance (or type Control-D continue .." 而無法直接進入Desktop視面系統怎麼辦?

把SDcard 拿到別台Linux機器, 當然也可以是另外一台Pi, 做以下動作, 就可以做檔案系統修復


sudo fdisk -l

sudo fsck /dev/sda2 -y





https://goo.gl/EcCcj7


2018年6月4日 星期一

HTML5-WebRTC



WebRTC is an open source project to enable realtime communication of audio, video and data in Web and native apps.

WebRTC網路即時通信Web Real Time Communication)的縮寫,它主要用來讓瀏覽器即時獲取和交換視頻、音訊和資料。
WebRTC共分三個API
·         MediaStreamgetUserMedia
·         RTCPeerConnection
·         RTCDataChannel

getUserMedia主要用於獲取視頻和音訊資訊,後兩個API用於覽器之間的資料交換。
https://webrtc.github.io/samples/src/content/getusermedia/gum/

Demo:



Display the video stream from getUserMedia() in a video element.
The MediaStream object stream passed to the getUserMedia() callback is in global scope, so you can inspect it from the console.


2018年5月28日 星期一

只要三分鐘!立即搞懂什麼是APCS程式檢測


107年APSC大學程式先修檢測重要時程

(一)APCS報名資格及方式:

資格:全國高級中等學校之學生皆可報名參加
方式:採個別報名,沒有提供團體報名 。

(二)APCS檢測費用:免費


(三)APCS報名時程:

 6月10日場次(實作題&觀念題)—自 4月23日(一) 10:00 至 5月18日(五) 09:00 止(延長至13:00)
10月27日場次(實作題)—自 9月10日(一) 10:00 至 9月30日(日) 23:59 止

(四)APCS檢測科目:

6月10日(日)場次:實作題&觀念題
10月27日(六)場次:實觀念題

(五)APCS成績查詢:

6月10日(日)場次:ˊ於6月28日(四)上午10點開放查詢
10月27日(六)場次:暫定於11月開放查詢

107年APSC大學程式先修檢測科目及級分說明

(一)APCS檢測科目及檢測時間:

檢測包含兩科目:「程式設計觀念」及「程式設計實作」,兩科均以中文命題,採線上方式進行測驗。

科目一_程式設計觀念(主要以 C 語言 subset 命題):
單選題25題,測驗時間75分鐘,以運算思維、問題解決與程式設計觀念測試為主。
(觀看歷屆試題解析)


科目二程式設計實作:
4題,測驗時間150分鐘,以撰寫完整程式或副程式為主。
(觀看歷屆試題解析)

(二)APCS檢測科目級分說明:

級別
程式設計觀念題
程式設計實作題
分數範圍
分數範圍
說明
90-100
350-400
能在時間內正確撰寫34個程式,程式設計實作表現極優異
70-89
250-349
能在時間內正確撰寫23個程式,程式設計實作表現優異
50-69
150-249
能在時間內正確撰寫12個程式,程式設計實作表現佳
30-49
50-149
能在時間內正確撰寫約1個程式,具基礎程式設計實作能力
0-29
0-49
尚未能在時間內正確撰寫任1個程式

APCS暑期程式程式營,快速讓你掌握高分技巧!!!



大學資訊科系早已優先錄取程式表現優秀的學生。這樣的趨勢下,不會寫程式,升學註定輸人一大截!(你還以為到大學再學程式就好嗎?) 。因此,與其在10/27 APCS檢定過後,後悔沒早一點開始;不如現在開始準備,全力衝刺,成為APCS的贏家!

招生對象:

欲報名107年APCS檢測之考生,或對APCS課程及程式語言有興趣之考生。

報名時間:

即日起至6/30日止,年度僅此一梯,名額有限,預報從速!!!

營隊資訊:

點我立刻考取APCS檢定高分

專家教你快速獲得APCS亮眼成績 

根據<教育部扎根高中職資訊科學教育計畫>APCS檢測結果,程式設計實作題共4題,只要能寫一題以上就排到前11%,這代表會"看"程式的人多,能實際寫code的人少。因此,艾鍗邀業界工程師,用軟體工程師角度重新教你認識程式、理解程式,在150分鐘內思考問題、解決問題,完成程式。
點我快速獲得APCS亮眼成績

獨家APCS大學程式先修檢測歷屆試題解析

選擇題高分只能說是會""程式,但並不代表會""程式。所以實作題才是APCS真的挑戰。試著閱讀下列106年APCS程式設計實作題,在沒有人解釋題目與對題目進行解構前,是否已掌握到要解什麼問題嗎?你想到解法了嗎? 
點我觀看APCS歷屆考題解析


如對本次營隊有相關問題,點我洽詢,有專人為您解答


2018年5月3日 星期四

APCS大學程式設計先修檢測_歷屆試題解答


APCS大學程式設計先修檢測
歷屆試題解析

會看程式不代表會寫程式

根據<教育部扎根高中職資訊科學教育計畫>105年3月APCS檢測結果,程式設計實作題共4題,只要能寫一題以上就排到前11%,這代表會"看"程式的人多,能實際寫code的人少。因此,艾鍗特邀業界工程師Joseph,用軟體工程師角度重新教你認識程式、理解程式,用100分鐘內思考問題、解決問題,完成程式。

APCS實作題成績分級



選擇題高分只能說是會""程式,但並不代表會""程式。所以實作題才是APCS真的挑戰。試著閱讀下列106年APCS程式設計實作題,在沒有人解釋題目與對題目進行解構前,是否已掌握到要解什麼問題嗎?你想到解法了嗎? 


APCS歷屆試題解析

106年10月28日APCS程式設計實作題 Part 1


106年10月28日APCS程式設計實作題 Part 2


106年3月4日APCS程式設計實作題 Part 1



APCS高效解題技巧

1) 能理解題目到底要解什麼問題
2) 能在紙上推演邏輯求解或找到關係式

3) 能快速規劃出程式基本方塊(架構)

4) 能動手coding


<我想了解更多APCS檢定資訊>





2018年4月13日 星期五

Convolution 的意義


Convolution 的意義
The convolution of f and g is written fg, using an asterisk or star. It is defined as the integral of the product of the two functions after one is reversed and shifted. As such, it is a particular kind of integral transform:



Convolution3.svg


隨著不同的 t 值, 對f和g函數相乘的積分(求重疊時的面積)...


Convolution of box signal with itself2.gif


Convolution of spiky function with box2.gif




https://goo.gl/EcCcj7

2018年4月11日 星期三

高斯模糊

常態分配


# 一維的常態分配為, 為一個鐘型分佈曲線, 中間高, 兩旁低

常態分布normal distribution)又名 高斯分布(Gaussian distribution)


若隨機變數X服從一個位置參數為μ、尺度參數為σ的常態分布,記為:

X~N(μ,σ²)

μ決定中心點位 置, 而其變異數σ²的開平方或標準差σ決定了資料分散的程度。

「常態分配」的圖片搜尋結果


# 二維的常態分配為一個等高線圖是從中心開始呈常態分布的同心圓中間點最高而離中間點愈遠值愈低


高斯模糊

高斯模糊的原理它是一種資料平滑技術(data smoothing),它用常態分布計算圖像中每個像素的變換。適用於多個場合,影像處理恰好提供了一個直觀的應用實例。

糊方法就是讓圖像中的每一個Pixel的值, 變成取其"周圍點"的平均值。若周圍的範圍愈大,則會模糊的程度會愈強。在數值上,這是一種"平滑化"。而在圖形上,就相當於產生"模糊"效果,使原始Pixel失去細節。


如果使用簡單平均,顯然不是很合理,因為圖像都是連續的,越靠近的點關係越密切,越遠離的點關係越疏遠。因此,採用加權平均更合理,距離越近的點權重越大,距離越遠的點權重越小。那分配權重的方式是什麼? 可以採用"常態分配"來配置權重。愈近的pixel 權重愈高,愈遠的pixel 權重愈低。

高斯矩陣

這是一個計算σ = 0.84089642的高斯分布生成的範例矩陣。注意中心元素 (4,4)處有最大值,權重隨著距離中心越遠數值對稱地減小。
0.000000670.000022920.000191170.000387710.000191170.000022920.00000067
0.000022920.000786330.006559650.013303730.006559650.000786330.00002292
0.000191170.006559650.054721570.110981640.054721570.006559650.00019117
0.000387710.013303730.110981640.225083520.110981640.013303730.00038771
0.000191170.006559650.054721570.110981640.054721570.006559650.00019117
0.000022920.000786330.006559650.013303730.006559650.000786330.00002292
0.000000670.000022920.000191170.000387710.000191170.000022920.00000067
注意中心處的0.22508352比3σ外的0.00019117大1177倍。

上述矩陣總和為1,即代表各權重位置的佔比。將原始影像中每一個pixel 乘上此高斯矩陣並加總,即為新的pixel值。

如果是彩色的, 則RGB 3個channel 都做同樣的高斯模糊動作



圖1:原始圖像 圖2:經過高斯模糊處理的圖像







https://goo.gl/EcCcj7