当前位置:首页 > 工业控制 > 电路设计项目集锦
[导读]在人类历史的大部分时间里,方向一直是我们思考而非感受的事物。我们查看指南针,瞥一眼地图,用眼睛扫视房间——方向存在于一个独立的思维步骤中,与身体每秒都在处理的原始感官信息脱节。

在人类历史的大部分时间里,方向一直是我们思考而非感受的事物。我们查看指南针,瞥一眼地图,用眼睛扫视房间——方向存在于一个独立的思维步骤中,与身体每秒都在处理的原始感官信息脱节。

但大脑其实并不关心信号来自何处。这正是感官替代的核心理念所在:由神经科学家保罗·巴赫-里塔(Paul Bach-y-Rita)于20世纪60年代末提出的想法,即大脑可以学会从任何感官通道解读信息——即使这些通道原本并非“设计”用于接收此类信息——只要输入的信息结构清晰且一致。他的早期实验将摄像头图像以背部皮肤上的振动模式形式呈现给盲人受试者,经过足够长时间的暴露后,受试者报告称不再感受到“震动”,而是以某种功能性的意义通过触觉“看见”了影像。

这是神经可塑性最直观的体现:大脑并非天生就具备特定感官,而是天生能够从各种来源的模式中寻找意义。只要持续提供一种新颖且一致的空间信息流——即使通过皮肤而非眼睛或耳朵感知——随着时间推移,它便能逐渐形成一种仿佛全新的感官体验。

HaloSense V1 就是我尝试以简单、低成本且亲身体验的方式探索这一理念。我选择将方向本身作为感知信号,而非通过触觉输入视觉数据。一个由13个振动电机组成的环带佩戴在额头,根据激活模式的不同,它可以让我感受到:磁北极的位置、某人相对于我的位置,或某个特定追踪目标在头部周围120度视野内的具体位置——这一切都不需要看屏幕、指南针或箭头。

这不仅仅是一个小工具,而是一次小型的个人实验,旨在为我的大脑赋予一种新的感官来不断成长。

概念与设计目标

本质上,方向是一种出人意料地“低带宽”的信息——仅需一个角度,并持续更新。这使其成为感官替代的理想候选对象:与通过触觉输入整个视频流不同,将一个角度映射到一组振动电机上,其原理足够简单,大脑可以迅速学会解读,几乎像直觉般理解,而无需费力地去解码复杂的模式。

我选择额头作为安装点,出于几个实际原因:它是一个稳定、朝前的表面,不会干扰双手(双手可自由与外界或控制器互动)或耳朵(耳朵仍可保持正常听力和情境感知)。此外,它还能自然地将触觉场与头部实际指向的位置对齐,这一点在将“某物所在位置”转化为“哪个电机在震动”时尤为重要。

从一开始,我就不希望HaloSense成为一个单一用途的小工具。相反,我将其设计为一种通用的方向感知平台,具备三种可切换的模式——COMPASS(指南针)、PERSON(人物)和TARGET(目标),根据当前需要关注的空间信息类型来决定:绝对方向、人员位置或特定追踪物体。相同的触觉环和相同的核心逻辑适用于这三种模式。只有方向变化的“来源”。

这种普遍性也让我最感兴趣的是它可能带来的发展。一个将“X在哪儿”转化为皮肤上可感知的触觉体验的系统,在可及性方面具有真正的潜力:帮助视障用户在室内定位自身,感知房间内他人的位置,或在不依赖视力的情况下瞄准特定物体。它也为游戏领域(无需查看HUD即可感知对手或目标的方向)和物联网交互打开了有趣的可能性——利用TARGET模式,直接对智能设备进行物理“瞄准”并触发操作,而无需手机、应用程序或语音指令。

我早期设定的一个限制是,让系统完全适用于室内环境且无需任何基础设施。我刻意避免使用GPS:它在室内不可靠,需要外部信号,并将设备绑定到特定类型的环境中。我希望HaloSense能在房间、走廊或车库中运行,而不依赖户外定位系统或预装的基础设施。

选择Arduino UNO Q作为系统核心并非为了参加比赛,而是出于实际需求。该板具有双重功能(一个实时的STM32模块和一个Linux模块),能够同时处理两种截然不同的任务:在STM32侧实现快速、确定性的电机与传感器控制,在Linux侧承担高要求的人工智能/视觉计算任务。实际上,这意味着我可以在大约每秒30帧的速度下同时从两个网络摄像头进行流媒体传输,以可用速度运行人体检测,并且仍能保持触觉反馈响应灵敏,无明显延迟。Linux侧现有的库和App Lab组件使得无需从零开始编写代码即可轻松实现物体检测和设备控制,而该板的成本也使整个项目在业余爱好者预算范围内变得切实可行。

硬件概览

主控电子元件

HaloSense V1的核心是Arduino UNO Q,它与两个外设板共享I2C总线:LSM303DLHC扩展板(包含磁力计和加速度计,用于COMPASS模式)以及PCA9685 16通道PWM驱动器。PCA9685 输出信号驱动两个ULN2803达林顿阵列,这些阵列作为13个ERM电机的电流吸收体——每个电机共用一条正电源线,其专用返回线路由ULN2803通道分别切换。

电源来自一个单个5V 3A的墙式电源适配器,经由面包板导轨上的平滑电容分配后,进入PCA9685/电机驱动级以及UNO Q本身。当设备在无连接状态下使用时,该共享电源线也用于连接移动电源(5V 2.1A)。

控制器

外部控制器是一个独立的ESP32 NodeMCU(WROOM-32D),通过物理开关由3.7V 1000mAh锂聚合物电池供电。一个铜带触摸板连接到1MΩ电阻,作为触发输入——当被触碰时,ESP32会向UNO Q的IP地址发送HTTP请求,以检查当前目标是否居中。

物理组装与3D打印支架

HaloSense V1的底座是一个半圆形泡沫/橡胶环,外覆亮黄色布料,通过简单的黑色魔术贴带固定在头部。

13个ERM电机直接用热熔胶粘贴在该环上,间距大致均匀,呈眼睛排列。其他所有模块——包括摄像头和GY-511传感器——均未直接粘贴:每个模块都安装在独立的黑色PLA 3D打印支架上,支架通过卡扣式结构直接嵌入环内。这一设计选择至关重要:它使得用户可以沿弧线滑动模块来微调摄像头对准位置,并且由于支架可轻松拆卸,因此之后添加或移除模块时无需重新设计整个环。

GY-511(LSM303DLHC)则安装在专用支架中,使用两个M3螺丝固定,位于环的前部中央,远离电机。

两个网络摄像头是物理上不同的模块,因此需要两种不同的安装设计(SX 和 DX):一个采用从廉价USB摄像头中拆下的裸露摄像头PCB(无外壳、镜头和麦克风暴露),另一个则配有独立的小型黑色塑料外壳。

在环形结构上组装时,布局为:摄像头 — GY-511 — 摄像头,覆盖120°的前弧面。

在最终线缆布线之前,全有线耳机的外观如下——使用GY-511支架、一个摄像头以及ULN2803/PCA9685扩展线路,沿黄色环状区域清晰可见:

在最终组装时,我通过USB将两个摄像头连接到USB-C集线器,该集线器为电路板One Q提供电源。

在将所有组件集成到耳机之前,主要电子元件(UNO Q、PCA9685、ULN2803)已在面包板实验台上进行了验证:

外部控制器——ESP32、电阻、开关和电池连接器——则位于独立的小型3D打印外壳内,铜带触摸板通过独立的飞行导线进行布线:

软件概述

HaloSense V1的软件分布在Arduino UNO Q的两侧,通过路由器桥接器通信,同时另有一个通过Wi-Fi与之通信的独立ESP32控制器。

电机控制始终在STM32端通过C++代码进行。无论处于何种模式,代码中唯一会操作PCA9685的部分就是这个程序——它提供了一个简单的函数setTrackerMotor(),用于逐个点亮一个电机并关闭其他所有电机。无论是“哪个电机”由指南针方向、检测到的人还是ArUco标记决定,最终都会被统一导向同一个调用。

COMPASS 模式完全由代码(sketch)内部处理,Python 端完全不参与。当系统处于 COMPASS 模式时,C++ 循环会直接读取 LSM303DLHC,计算方向角,将其映射为电机索引,并驱动 PCA9685 —— 这是一个完全自包含的实时循环,运行在 STM32 核心上。

PERSON 和 TARGET 模式则位于 Linux 端的 main.py 文件中。这里读取两个摄像头的数据,YOLOX-Nano(通过 object_detection Brick)或 ArUco 检测(通过 OpenCV)确定角度,然后将该角度通过桥接器发送回 STM32 代码,从而驱动对应的电机。

在演示中,TARGET 模式还与一个实际动作相连:当目标居中且按下控制器时,系统会启动一个 TP-Link Tapo P100 智能插座(用于供电灯,此处为例)。这一功能得益于直接从 App Lab 的板子外壳安装 python-kasa 到 UNO Q 上——无需单独设置、交叉编译或 SSH 复杂操作,只需通过管理其他部分的相同界面执行 pip 安装即可。(演示视频见本文末尾)

软件 —— main.py(Linux 端)

main.py 位于 UNO Q 的 Linux 端,负责处理 COMPASS 模式所需的一切功能之外的内容:摄像头访问、AI/视觉处理、网络仪表板以及 Tapo 触发逻辑。

摄像头与模式循环。一个后台线程(process_camera)持续获取图像帧,并根据当前激活的模式采取不同的行为。在 COMPASS 模式下,为节省资源,该线程会完全释放摄像头,因为指南针感应由代码片段独立处理。而在 PERSON 和 TARGET 模式下,它会保持两个摄像头运行。为克服 AI 模型仅能接受单个图像缓冲区的限制,脚本实现了实时水平拼接:将左右两帧合并成一个超宽的合成帧。

在 PERSON 模式下,该脚本将合并后的超宽帧传递给 object_detection 块,后者运行 YOLOX-Nano 并返回检测到的对象。脚本会筛选出“person”类别,保留最大的边界框,并将其水平中心映射到合成视野范围内的角度(-60° 至 +60°),其中 0° 是两个摄像头之间的精确物理交界点。AI 推理每 PERSON_DETECTION_INTERVAL 秒执行一次,以确保视频流保持流畅。

TARGET模式在合并帧上运行OpenCV的ArUco检测器,相比使用AI模型成本更低。它选择距离中心点(0°)最近的标记,并以相同方式计算其角度,从而判断该标记是否被视为“居中”。

通过WebUI砖块提供的Web仪表板,可查看模式切换状态、指南针/目标状态以及双MJPEG摄像头流。有趣的是,尽管AI处理的是单张拼接图像,但脚本会在发送到仪表板前将图像拆分为两半,为用户呈现一个简洁的双视图(左/右)暗色主题界面。开发过程中最令人印象深刻的是所需的基础代码极少:在App Lab中导入并启用像WebUI或object_detection这样的砖块,只需点击几下,即可快速部署出一个可用的Web服务器或AI流水线,而这些功能若从零开始搭建则需要耗费大量时间。

Tapo触发机制。ESP32控制器调用的是/api/trigger端点。只有当系统处于TARGET模式、当前检测到标记且该标记的角度落在居中阈值范围内时,才会执行;否则会返回拒绝原因。只有在这一时刻,才会通过 Python-kasa 在后台线程中启动 Tapo 激活,从而保持向 ESP32 发送 HTTP 响应的高速性。

电机控制 — STM32 端

所有电机控制均由 Arduino UNO Q 的 STM32 端直接处理。PCA9685 用于驱动 13 个电机,而 C++ 脚本则作为电机与系统其余部分之间的唯一接口。

电机连接到 PCA9685,并被当作一个包含 13 个位置的线性数组进行处理。在任意时刻,仅有一个电机被激活:当接收到新的电机索引时,脚本会启用该通道并立即关闭其他所有电机。电机命令通过 Router Bridge 使用 setTrackerMotor() 函数暴露给 Linux 端。

这种分离特别有用,因为 STM32 不需要知道为何选择了某个特定电机。例如,在 PERSON 模式下,Linux 可以确定检测到的人的位置;在 TARGET 模式下,它可以确定 ArUco 标记的位置。在这两种情况下,最终的指令都简化为同一个操作:选择一个电机。

C++端也独立处理COMPASS模式。STM32直接读取LSM303传感器的数据,计算当前方向角,并将该方向角映射到13个电机位置中的一个。

这意味着COMPASS模式完全不依赖于Linux的视觉处理流程。即使Linux端正在处理图像,或未使用摄像头,STM32仍可持续读取指南针数据,并实时驱动电机。

该代码还通过路由器桥接向Linux端提供一组小型函数:setMode()用于切换工作模式,setTrackerMotor()用于视觉追踪,getCompassData()用于暴露指南针和电机遥测数据。

由此实现了职责的简单分工:Linux决定系统应朝哪个方向移动,而STM32负责实际执行物理动作。

HaloSense控制器 — ESP32

HaloSense控制器是一款基于ESP32的独立无线控制器,旨在为系统提供物理交互功能。

它并非直接控制电机,而是作为输入设备由ESP32进行操作。电容式触摸传感器用作激活按钮:当用户触碰控制器时,ESP32 会检测电容值的变化,并通过 Wi-Fi 向 UNO Q 的 /api/trigger 端点发送 HTTP 请求。

随后,UNO Q 判断该操作是否被允许。这使得控制器设计得非常简单:它无需了解正在追踪的目标、目标的位置或系统当前所处的模式。所有这些逻辑都保留在 Linux 端。

在当前的演示中,触发器连接到 Tapo 智能插座。只有当系统处于 TARGET 模式、已检测到 ArUco 标记且标记位于预设的激活区域内时,请求才会被接受;否则,UNO Q 将直接返回拒绝操作的原因。

这种架构也使控制器比当前演示所呈现的更加灵活。同样的概念可用于为不同目标创建不同的操作。例如,不同的检测对象或ArUco ID可以关联到不同的物联网设备,从而使系统成为整个联网设备集合的一种物理接口。

因此,ESP32 作为无线触发器,而 UNO Q 则负责所有决策。这种分离意味着控制器最终可以被其他输入方式取代,而不会影响跟踪或电机控制系统的功能。

超越人员追踪

HaloSense 最有趣的特点之一在于,PERSON 模式只是视觉系统的一个可能应用。

当前的实现使用 YOLOX-Nano 的物体检测砖来检测人物,在按类别和置信度过滤结果后,选择检测到的最大人物。然而,同样的方法也可以扩展到检测模型支持的其他物体类别。

这为创建不同目标和操作提供了可能性。检测到的对象可能与特定的电机位置相关联,ArUco ID 可以识别某个特定设备,而控制器可根据系统当前正在跟踪的内容触发不同的物联网操作。

例如,未来的版本可以将不同的目标与不同的智能设备关联起来:

关键在于,这些应用均无需引入新的电机控制系统。一旦视觉系统将检测到的目标的水平位置转换为角度,便可使用相同的电机控制流程来选择相应的电机。

换句话说,HaloSense 不仅可以被视为一个人员追踪设备,更可作为实现物理和物联网交互的通用空间接口。计算机视觉、13个电机的触觉界面、无线 ESP32 控制器以及联网设备的结合,为系统提供了基础,无需重新设计核心架构即可扩展新的目标和新功能。

结果

在集成电子元件、触觉戒指、摄像头和软件堆栈后,HaloSense V1 成为一个功能完整的原型系统,而不仅仅是一组独立的组件。

该最终系统可运行于三种不同模式。在 COMPASS 模式下,LSM303 提供当前方向角,STM32 直接控制相应的振动电机。在 PERSON 模式中,Linux 端利用 UNO Q 的视觉能力检测到人体,并持续将水平位置转换为触觉方向。在 TARGET 模式下,可追踪 ArUco 标记并将其作为特定的空间目标使用。

最终原型还展示了触觉界面可以连接到设备之外的操作。在 TARGET 模式中,当标记居中时,按下 HaloSense 控制器即可触发联网的 Tapo 智能插座,使方向跟踪系统转变为物联网设备的物理接口。

最终实现了一个无需用户查看屏幕即可了解目标位置的系统。视觉信息由 UNO Q 处理,并被简化为单一的空间信号:我应该朝哪个方向感受?

本文编译自hackster.io

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除( 邮箱:macysun@21ic.com )。
关闭