Технический вызов ETSIIT | От студентов колледжей до предпринимателей

выбрал соответствующую камеру. Он отфильтровал только датчики в текущей комнате и собрал всю информацию об издателе видео в этой комнате. Данные были отправлены в сценарий Octave, который вернул местоположение ребенка и идентификатор лучшей камеры. Информация, отправляемая в облако с темой Дочерние данные , включая идентификатор ребенка, качество видео, идентификатор камеры, местоположение ребенка и номер комнаты. Для эффективности дочерний идентификатор и качество отправляются как ключи, которые можно фильтровать или использовать для сортировки видео.

Чтобы оптимизировать приложение, сервер комнаты вызывал сценарий триангуляции только в том случае, если был подписчик, запрашивающий ребенка. Мы определили это, используя обнаружение подписчиков и просмотрев ContentFilteredTopic параметры фильтра.

Наконец, мы реализовали механизм резервирования для обработки сбоя сервера комнаты. Каждый миникомпьютер в комнате создал издателя и установил для своего значения USER_DATA комнату и идентификатор приоритета по умолчанию (уникальный). Если один из миникомпьютеров обнаруживал, что у него самый низкий идентификатор в своей комнате, он запускал серверное приложение и действовал как сервер до тех пор, пока не появился новый миникомпьютер с меньшим идентификатором.

Пользовательские приложения

Мы разработали два приложения для конечных пользователей. Первый будет использован родителями, чтобы увидеть своих детей в детском саду. Вторая программа будет использоваться сотрудниками яслей для просмотра всех камер в реальном времени, управления родительским доступом (добавление и удаление) и автоматического контроля посещаемости.

Последние мысли

В этой задаче нам пришлось столкнуться с двумя большими проблемами:

1. Получение значений RSSI:мы купили недорогое устройство Bluetooth очень низкого качества (около 5 долларов США). В сигнале было много ошибок и шумов. Нам пришлось разработать алгоритм для оптимизации значений, уменьшив эту ошибку с 3 до 0,5 метра. Библиотеки для низкоуровневых операций с Bluetooth-устройствами в Java найти не удалось (мы, наконец, использовали pybluez). Нам приходилось общаться с помощью программ Python и Java.
2. Кодирование видео:было непросто найти библиотеку, которая позволила бы нам получить закодированный видеобуфер. Еще сложнее было оптимизировать элементы конвейера GStreamer 0.10 для работы с максимальной производительностью в Raspberry Pi. В окончательной конфигурации задержка изображения составляет около 3-5 секунд. Для повышения производительности мы планируем заменить Raspberry Pi устройством MK802 III с аналогичной ценой, которое включает Wi-Fi и двухъядерный процессор Cortex A9.

RTI Connext DDS сэкономил нам много работы за счет реализации сетевых механизмов, сериализации данных и механизмов качества обслуживания. Мы благодарим нашу инженерную школу и RTI за предоставленную нам возможность и ресурсы для успешного решения этой бизнес-задачи.

Подробнее:

Производство автономных транспортных средств »

Связь в автономных системах »

Что такое IIoT? »

Что такое DDS? »