真．智慧檯燈 Prototype

文/台灣人工智慧學校技術發展處處長

這個專案結合了深度學習，edge AI 邊緣計算裝置，與機器手臂的控制

以下是爸爸的碎念…

市面上的檯燈大多僅注重亮度，少數會多注意到光線柔和不反光。但如果家裡有小小學生就會知道，更多的狀況是小朋友根本沒開燈，或寫字區域根本不在燈的照射範圍內，另外更需要有人時時提醒小朋友的寫字坐姿，請他頭抬起來，腰挺直…

檯燈能不能更聰明，幫家長解決以上問題？

產品主要功能

• 是個檯燈
• 追蹤小朋友的寫字區域
• 提醒小朋友的坐姿
產品結構分析

檯燈本身的樣子就跟機器手臂有 87% 像，因此我用機器手臂來取代檯燈的支架，讓檯燈能夠藉由馬達控制來改變照射的區域與角度，另外也能縮短開發時間。

怎麼知道該照射哪個區域呢？這就是該使用 AI 的地方。由 webcam 擷取影像，Intel Up Squared 開發板做運算，使用 posenet pre-trained model 來找到身體各個主要關節在影像中的位置，然後將右手腕關節位置換算成馬達控制的座標，傳送到 Arduino 控制機器手臂的馬達，便可以讓燈光照射在適當的位置；另外計算各關節的相對位置來判斷坐姿是否正確；同時也以 Arduino 輸出 PWM 訊號控制 LED 燈的亮度。概念圖如下：



Intel Up Squared 開發板

或許大家對於這個開發板較為陌生，但如果提到 Intel NCS 神經計算棒，應該滿多人有聽過，Up squared 開發板就是使用 Intel 的 CPU 再加上與 NCS 同系列晶片的 VPU，專做 AI model 的 inference 工作；使用起來就跟一般電腦沒兩樣，可以安裝 Windows 10 或 Ubuntu 等作業系統，另外還提供與 Raspberry Pi 相同的 40 pin GPIO 腳位，方便外加其他裝置使用。

近期 Intel 的 CPU 裡都有內建 GPU，因此這塊開發板可以同時使用 GPU 和 VPU 來跑兩個不同的 AI model，需要的話還可以在 USB 插上神經計算棒來跑更多 model。當然要使用這些功能是需要安裝 Openvino toolkit 的，安裝方式在官網中有 step by step 的步驟說明。



Openvino

Openvino toolkit 是 Intel 提供的一個深度學習工具包，為了能在 Intel 平台上快速的做 inference，需要使用這個工具包把已經在其他平台訓練好的模型縮減並轉化成 Openvino 的中繼表示 (IR) 檔們。

以下指令將 tensorflow 的 pb 檔轉成 Openvino 的 IR 檔，並且指定輸入大小、輸出層與精度，執行後會產生一個 .xml 檔與一個 .bin 檔。



簡化後的程式主要執行步驟如下：



PoseNet

Openvino 提供了很多 pre-trained model 可以使用，也試過裡面提供的 single-human-pose-estimation-0001 來標出各關節的位置，雖然準確度較高，但 frame rate 只剩不到 2fps，用來控制機器手臂比較不順暢。

因此使用了 PoseNet，本來就開發給 mobile devices 和瀏覽器使用，因此硬體需求較低，雖然準確度也較低，但已足敷使用。Google 只有提供 Tensorflow lite 的 PoseNet pre-trained model，因此需要轉成 Tensorflow 的 pb 檔（這裡有詳細流程），再轉成 Openvino 的 IR 檔（指令如上）。

程式流程

程式流程如下圖，左邊是在 Intel Up squared 開發板上執行的流程，起始時先將 PoseNet 與物件偵測（使用 mobilenet_ssd，只做人物偵測) model 分別載入 GPU 與 HDDL，接下來針對攝影機擷取的每一張影像做身體關節偵測與人物偵測，使用這些資訊來判斷右手的位置與坐姿正確與否，並輸出座標給 Arduino Uno 開發板。

由於目標是快速做出樣品，因此坐姿的判斷是以傳統 rule-based 的方式來做，但缺陷其實很多，這部分應該也要改以 AI 的方式來做判斷較為準確。

右邊的 Arduino 開發板經由 UART 收到右手座標後轉換成每個馬達的轉動角度與方向資訊，用以控制機器手臂。（如下圖，當物體由 X 移動到 Y，底座馬達與第三節馬達分別要轉動的角度為 ?1 與 ?2），但因為沒有距離資訊 d，所以無法以三角函數直接算出最終角度，只能計算方向（正轉或反轉）與相對的大小，所以就以每次轉動小角度慢慢逼近的方式處理。



Up Squared 與 Arduino 的溝通

前面說到 Up Squared 會計算出右手在影像中的座標，接下來我們使用 UART 這種序列式傳輸技術把座標傳送到 Arduino。

• 在 Arduino 端，可以使用 Serial 這個函式庫
• 在 Intel Up Squared 端，則使用 pySerial 這個函式庫



執行畫面

淺藍色圈圈是關節位置，深藍色框框是物件偵測的結果。右邊模擬姿勢不正的狀態，在左上角有顯示提醒，並且也發出警示音效。



Tinkerkit Braccio 機器手臂

Tinkerkit Braccio 是支六軸機器手臂，也就是有六顆伺服馬達，每個馬達的工作範圍都是180度，分別控制底座旋轉角度、三節手臂的角度、與末端夾具的開合角度，我們以 BraccioV2 函式庫控制手臂各個馬達。



由於不需要抓握東西，因此拆除夾具轉接上燈罩，轉接器與燈罩內的 LED 固定支架則是由 3D 列印製成。



References









原文請點

本文引自台灣人工智慧學校medium專欄，medium專欄是由台灣人工智慧學校所經營，學校AI工程師們將定期於medium上分享近期技術研究及AI相關知識