A FIRGELLI® 拥有特斯拉的客户决定制作自己的机器人自动特斯拉充电器,这是他的视频。显然,他对电子和软件略知一二,因为创建这样的设备需要传感器、运动设备和软件才能使其协同工作。他用了一个 FIRGELLI 线性执行器 将手臂从墙壁向汽车上的充电端口摆动,在将喷嘴插入正确位置之前,使用传感器定位正确位置。
因此,其核心是 Raspberry Pi 4,它是一切的大脑。它安装在车厢上,车厢在这两个上运行 直线轴承 顶部和底部。它们提供左右自由、横向自由。然后得到了一个 线性执行器 这里给你扩展。它会旋转出来以插入。如果你转到业务端,你可以看到这里有一个大伺服器,它会在需要时将充电手柄旋转出来,因为你在这里所以它不会旋转充电手柄。 “不要撞到汽车”,然后是一个摄像头,用于拍照并将其提供给机器学习模型,即在 Raspberry Pi 上运行的 TensorFlow Lite 模型。这就是它找到反射器和充电端口的方式。
它还有一盏灯,可以在天黑时使用,并且使用 ZigBee 协议。这就是小发射器的用途。如果你看一下主板,就会发现有一个电源、电机控制器,所有这些都从 Raspberry Pi 接收命令,然后是一个齿轮电机。然后它实际上有编码器的输出,它使用 Arduino 作为编码器,只是因为它们非常便宜且易于使用。因此,当它启动时,它首先只需测量几次距离即可确保车库里有东西。然后灯亮了。默认情况下,如果天黑,相机可以看到那里的反射器。
这是一个相当复杂的 TensorFlow 模型,每次运行推理都需要六到八秒的时间。树莓派 4、so 这不是一个快速的过程,但它会拍照,然后运行该推理。它寻找的是反射器。你可以在视频中看到它找到了一个得分为 80% 的人。所以有80%的信心。然后它再次运行以确保。机器学习模型有时有点挑剔,因此有时需要几次尝试才能确定。一旦确定有东西在那里,它就会开始左右移动,以在正确的位置居中。所以在视频中你可以看到,一开始它走得太远了,然后又向后移动。它确实非常接近。一旦它对自己在此处的居中方式感到满意,它就会关闭灯,然后通过 Tesla 应用程序使用 Tesla API,它将打开充电端口。
它的实际充电手柄上没有任何执行器。这一切都是通过互联网完成的,这是这种设计的一个弱点。但在紧要关头,它还有第二个充电器总是可以直接插入。所以感觉它非常居中。它将开始将充电器朝喷嘴伸出。在视频中,您可以看到它正在寻找蓝色特斯拉徽标,这是一个很好的编程参考点,然后也是充电端口。但由于具有明确的颜色,特斯拉徽标实际上比充电端口更容易辨认,因为充电端口从不同角度看起来非常不同,而徽标总是看起来相同,因此更准确。然后,您会看到它在靠近时部署充电手柄。然后它会来回移动,直到居中。
这个函数需要一点额外的微调,这部分实际上是一个开环。它是 不使用编码器。不过它的效果已经足够好了。它获得的左右方向的唯一反馈来自相机。然后它只是设定一个速度并运行一定的时间。因此,如果我使用编码器进行编程并且它确切地知道要走多远,那么这里可以避免一些失误。但这仍然是一项正在进行的工作。充电手柄有点太平,这使得这部分难以插入孔中。插脚用于让喷嘴向下倾斜进入充电端口,并且可以向下旋转。因此,当它推入时,它会向下旋转到应有的位置。
所以一旦插入,就可以了计划再次使用 Tesla API 来确定计划充电应何时完成来开始充电。它将使用 Tesla API 释放充电手柄,然后缩回其停放位置。就是这样。