Edge ML Device - Raspberry Pi4B (ubuntu 20.10)

• 모바일 디바이스에 ML을 적용하기 위한 시작으로 라즈베리 파이4를 이용해 시스템을 구성했다.
• 아래는 라즈베리 파이와 카메라로 구성한 테스트용 Edge Device 기본 구성이다. 휴대를 위해 밧데리를 추가로 장착했다. 

# 개발 환경을 구성하기 위해 아래와 같은 절차로 셋팅을 진항한다.

 

1. raspberry pi4b 설치용 ubuntu 20.10 install

 

2. Remote access 설정 : dconf-editor 활용

 

3. 가상환경 설치 : virtualenv

 

//path를 추가하고 재부팅하면 $ virtualenv opencv-env 이 실행된다.

$ cd /.local/bin

$ pwd  // --> 로 경로 확인후

$ sudo nano ~/.bashrc //--> 내용 추가

#virtualenv path configure

export PATH="$PATH":/home/mydir/.local/bin

$source ~/.bashrc  // 혹은 재부팅.

//가상환경 생성

$ vurtualenv opencv-env

// 가상환셩 실행

$ source opencv-env/bin/activate

// 비활성화

$ deactivate

// 가상환경 삭제

$ rm -rf opencv-env

 

• 우분투 python virtualenv 가상환경 설정 :  asung123456.tistory.com/3
• 우분튜 python3.8,pip3.8, jupyter notebook 설치 : asung123456.tistory.com/2

#=== 참고 === #

• pip3 virtualenv path 오류 수정 :  seonghyuk.tistory.com/16
• user mode로 설치한 pip 패키지 PATH 등록:  beomi.github.io/2018/02/12/Add-packages-installed-with-pip-usermode/
• Sudo pip install 은 안돼요! : link  
• 우분투에서 path 설정하는 방법 :  link

4. Jupyter Notebook install

$ pip3 install jupyter notebook

 

5. opencv-python install

$ pip3 install opencv-python

 

# 예제코드 Jupyter Notebook으로 실행 테스트

해상도 설정을 1280x720으로 설정하여 실행한 결과

 

 

6. object detection 

 

#1st Test:

• opencv dnn 모듈을 이용해서 yolov3로 객체인식을 실행시킨 결과이다.
• yolov3.weights, yolov3.cfg, coco.names --> inference time = 4571ms

modelConfiguration = "yolov3.cfg"
modelWeights = "yolov3.weights"

net = cv.dnn.readNetFromDarknet(modelConfiguration, modelWeights)
net.setPreferableBackend(cv.dnn.DNN_BACKEND_OPENCV)
net.setPreferableTarget(cv.dnn.DNN_TARGET_CPU)

 

•   yolov3-tiny.weights, yolov3-tiny.cfg, coco.names --> inference time = 512ms

퇴근하는 길에 차에 설치해서 테스트를 해본 영상이다. 처리 시간과 정확도를 위해 다른 시도가 필요하다.

 

#2nd Test: (검토 예정)

Autonomous Driving Object Detection 관련 코드

개요 정리 :  www.recantha.co.uk/blog/?p=20817

Code link : github.com/ecd1012/rpi_road_object_detection.git

* ubnutu 20.10 LT 에서 라이브러리 설치 문제 검토 및 코드 수정.

 

#== 참고 ==#

Darknet for  embedded devices using ARM CPUs

darknet-nnpack : github.com/shizukachan/darknet-nnpack.git