WalaBeer Tank

首先是检查起重机的当前状态。如果它需要升高但它不需要，那么它将更新舱门的伺服系统并将起重机向上移动。如果它应该降低但它没有降低，那么它会降低起重机然后关闭舱口。步进电机的线圈需要在过程结束时禁用，因为如果我们继续打开它们，它们会严重发热并耗尽电池电量。

Arduino - 树莓派通讯

Arduino 使用 USB - micro USB 电缆从 Raspberry Pi 连接并供电，它们通过串行进行通信。 Raspberry 将使用以下命令控制 Arduino：

• s --> 关闭无线电控制并仅接受串行命令。 Arduino 将对此回答“OK”，并禁用无线电控制。这个 OK 是 Rpi 如何识别 Arduino 的一部分。

• r --> 重新打开无线电控制

• e --> 提升起重机（从而打开舱门）

• d --> 降低起重机

• m X Y -> 设置电机的速度。 X 是 motorSpeedBase，Y 是 motorSpeedChange。 X 和 Y 都需要是整数

• b --> arduino 将回答一个整数：电池电压 * 100

• l --> 打开灯光

• o --> 关灯

需要注意的是，在串行控制的情况下，Arduino 会禁用 RC 通道 1 和 2 上的中断，但不会禁用 3 通道。 通道 3（开关）用作安全开关，在 WalaBeer Tank 开始疯狂时禁用它自主模式下的东西。

瓦拉博特

这是 Walabot 的用武之地。Walabot 是一种使用微波进行成像的 3D 传感器。它可以做惊人的事情，比如看穿墙壁、从远处检测你的呼吸、在黑暗中看东西等等。我不想写关于它其他功能的页面，因为其他人在这方面做得很好。但是，我真的建议您阅读有关它们的信息。

我将使用 Walabot 作为坦克上唯一的导航传感器。要将 Walabot 与 Raspberry Pi 一起使用，我们必须先安装 Walabot SDK。您可以从这里下载 SDK，Walabot API 站点将帮助您安装它。那里有很多关于如何使用 Walabot 的有用信息和示例。我建议检查网站。

Walabot 的功耗在 0.4-0.9A 之间。这意味着默认情况下 Raspberry Pi 无法提供足够的能量来为 Walabot 供电。幸运的是，有一种方法可以通过在 /boot/config.txt 中添加以下行：`max_usb_current=1` 来增加 rpi 的 USB 端口的功率输出。据我所知，它将功率输出从 600mA 增加到 1200mA。

那太好了，但问题来了：我还为 Arduino 和 Raspberry 的伺服系统供电。坦克的电机和步进电机由电池供电，所以我认为这无关紧要。然而它确实如此。如果我在这种情况下启动 Walabot，它会以 WALABOT_ERR_PROTOCOL 消息停止。当我尝试启动它时，可能会发生掉电。

电池消除器电路可以提供高达 3A 的电流，所以这里已经绰绰有余了。 Walabot 有两个微型 USB 端口。在这种情况下，中间端口将帮助我，因为它可以从那里供电，同时与另一个端口进行通信。为此，我必须进行修改并取下 Walabot 的盖子才能移动此跳线

之后，Walabot 完美运行，不再有 WALABOT_ERR_PROTOCOL。

背面的标志（光滑的部分是正面）包含四个非常强大的内置磁铁。这些用于轻松地将 Walabot 连接到坦克的金属前部，而无需任何额外的硬件。

跟我来

坦克的“卖点”之一是跟随模式。如果你让啤酒罐跟着你，那么它会尽力跟着你。到达目的地后，您只需要里面的啤酒即可。这是一个很棒的派对技巧！

Walabot SDK 提供了各种与 Walabot 交互的方式。我的项目使用 getTargets 具有移动目标识别的功能 (MTI) 模式。它用于检测 Walabot 前面的移动物体。根据我的配置，getTargets 将最多返回 4 个目标，并且它会看到最远距离为 1.5 米的物体。

目标具有 XYZ 坐标和幅度参数。我只使用 Y 和 Z 坐标，因为高度 (X) 在这里并不重要。问题是没有办法分辨哪个目标是什么。

在早期版本中，为了在目标列表中找到人类，我创建了一个规则：在您命令它跟随您之前，您必须站在 Walabot 前面 80 厘米的距离。之后我的代码假设最近的具有足够高振幅的物体是人类。如果检测到人，坦克所要做的就是通过移动将人保持在所需的位置。

不幸的是，它并不完美。幸运的是，我得到了一个不同方法的建议。开始是一样的：你必须站在距离 Walabot 80 厘米的地方。距离坦克最近的目标将被视为人类。之后，在每次迭代中，人类的位置将是最接近前一个位置的目标。如果新旧位置之间的距离太高，那么坦克将不会更新人类的位置并停止。坦克将尝试在旧位置附近找到人，因此如果找到人，则它会继续跟随他。这是一个非常简单的想法。

让我们在 Arena 视图中查看一些案例。坦克的目标是将人类保持在目标区域（红色矩形）。在这些情况下，蓝色是最接近的，也就是人类：

• 案例 1：人类在目标区域内，因此不需要移动

• 案例 2：人类在右边，他离坦克太近了。一开始坦克会向右转，然后它会向后移动远离人类。

• 案例 3：坦克不需要转弯，但人类距离太远。它会前进。当我制作这张照片时，Walabot 看到了 3 个目标

• 案例 4：这张图片中只有一个目标，而且它在左边。坦克将向左移动，然后向前移动。

• 案例 5：坦克将向后移动，直到人类进入红色矩形。

这些图像是来自 Walabot-SensorTargets 演示的稍微修改版本的 Arena 视图的打印屏幕。我的项目不需要，因此没有 GUI，但它使用相同的原则。我建议从他们的 github 页面查看其他演示项目。

当前设置的运动不太流畅。它不能前进并同时进入自主模式。主要原因是 Walabot 的帧速率。当前设置下约为 6 FPS。这意味着 Raspberry 每 0.16 秒获得一次更新。这是个问题。在 0.16 秒内可以发生很多事情。为了克服这个问题，我放慢了坦克的速度。我用尽可能低的速度前进和转弯。我还删除了转动和移动的组合，因为这些运动在我的跟踪设置中不可靠。在较高的速度下，它们会超速很多，而在较低的速度下，它们的可靠性不如当前版本。

语音控制

在自主模式下，我需要一种很酷的方式来控制坦克。我使用亚马逊的 Alexa Skill Kit 来做到这一点。早期我用ngrok直接控制树莓派。通常人们会使用 Amazon Echo 的某个版本来执行此操作，但不幸的是我没有这样的设备。我不得不使用 echosim 和来自 Google Play 的 Amazon Alexa 应用程序来做到这一点。该技能的名称是 Beer Tank，因为 WalaBeer 是 Alexa 无法识别的东西。买啤酒、爱啤酒等，但不要买 WalaBeer。您可以使用这些命令与 Alexa 交互：

• 启动啤酒罐

• turn {on/off} the lights

• {open/close} the cargo hold

• {start/stop} following me

• [stop/cancel]

Here's a video about the first two capabilities:

Some of the voice commands in the video might differ from the current commands due to some requirements during the publishing process (e.g:'stop' changed to 'stop following me'). Controlling a Raspberry Pi using Alexa is very easy, however to get the knowledge to do that is not. For the first time I used ngrok and it was super easy to do this but ngrok is only good for testing purposes. The URL provided by ngrok will change after every restart and there are other problems too. Long story short, I needed a better solution.

I moved on to using AWS Lambda and AWS IoT. They are perfect for my purpose but it was quite difficult to find useful information about how to use them. I mean I found lots of partial tutorials and documentation but usually they were missing some crucial information and/or just didn't work. Finally, I found the youtube channel of Kurt Braun. He made an excellent tutorial that helped me a LOT. I really recommend his videos if you want to use AWS Lambda and AWS IoT:

This other video also helped me when I did the experimenting part. I won't go into details about configuring Lambda and AWS IoT, these videos are containing every necessary information about this topic.

He used Node-RED in his videos. That is a very useful tool, however I needed to use Python instead of JavaScript. Amazon provides an SDK for Python, but I used Paho MQTT Client to make the Raspberry Pi subscribe to my 'wbt' topic's messages. It was easier for me to use.

Finally, here's a video about the current status of the prototype:

As you can see the "follow me" mode is working quite well, but the tank is very slow in this mode. Possibly it is capable of slightly higher speeds but I wanted to be sure that it doesn't do crazy things. Slowing the tank down was needed because at higher speeds it can easily lose me, mostly when it is turning. I've got a couple of ideas how I can significantly increase the speed in "follow me" mode but it will take some time and possibly some extra hardware to implement a solution for that.

You can access my skill here and this is its id:

amzn1.ask.skill.a7453502-b1aa-47fa-a552-ed8e2c792b2e

If you want to publish your skill it might be a good idea to you authentication to differentiate the devices. For that follow this great tutorial.

Canceled

I'd like to write some words about another part that is on the "Most of the electronics are integrated onto the top part" image. I'm talking about these:

These are tachometers. I didn't use them in the final version, but they are still there.

A tachometer like this is made of two parts:a black and white paper on the main wheel and a reflective IR sensor in front of it. The reflected light depends on the color of the object. The difference is very big so distinguishing the states is very easy and thus you can easily calculate the speed of rotation. The only problem of this setup is the low sample rate in case of slow movement, however they work quite well on higher speeds.

The tachometers worked great, but I realized that I don't need them for the project and I also needed the GPIO pins on the Arduino for other purposes. This is their story.

结论

The end result is great, useful and fun! It is also a good platform for other future projects. With hard work I managed to make the voice control work and Walabot proved to be a great sensor for this purpose, too. I see numerous ways to improve this tank so it is likely that you'll see more about it in the future!

This is my best and most successful project so far. And also the longest. To keep it from getting even longer I'd like to thank for all the help that I got and I also thank you for reading! As a prize here's a picture about a strange dog: