如何用200美元打造一款聽話的能人臉識別的無人機(jī)？
本文作者是LukasBiewaldCrowdFlower的創(chuàng)始人，Lukas曾被《Inc.》雜志評選為30歲以下杰出企業(yè)家。CrowdFlower成立于2009年，是一個按需勞動力的大數(shù)據(jù)平臺，幫助企業(yè)收集培訓(xùn)數(shù)據(jù)并進(jìn)行人機(jī)交互機(jī)器學(xué)習(xí)。
LukasBiewald畢業(yè)于斯坦福大學(xué)，KUKA機(jī)器人維修，獲得數(shù)學(xué)學(xué)士學(xué)位和計(jì)算機(jī)科學(xué)碩士學(xué)位。Lukas曾任職Yahoo日本搜索團(tuán)隊(duì)主管，之后作為高級數(shù)據(jù)科學(xué)家就職于Powerset，該公司于2008年被微軟收購。
深度學(xué)習(xí)和廉價(jià)硬件的探索
早期航空器，1818（來源：維基百科&美國國會數(shù)據(jù)庫）
在制造了一個圖像識別機(jī)器人后，顯然下一步是制作一個可飛行的版本。于是我決定打造一款能夠進(jìn)行面部識別并響應(yīng)語音命令的自動化無人機(jī)。
選擇一款預(yù)制無人機(jī)
對無人機(jī)進(jìn)行編程，最難的部分是如何開始，我是從組裝無人機(jī)零件開始的。但是幾乎和之前所有DIY項(xiàng)目一樣，自己組裝無人機(jī)花了我很多的錢。而且坦白的說，我手工打造的無人機(jī)一直沒有穩(wěn)定飛行過。可以肯定的是，直接購買預(yù)制版本才是更加簡單經(jīng)濟(jì)的選擇。
大多數(shù)無人機(jī)制造商都聲稱提供API接口，但對于業(yè)余愛好者來說并沒有什么明顯的優(yōu)勢。市面上帶似乎可用的API接口的無人機(jī)，大多售價(jià)都超過1000美元，這是一個很高的進(jìn)入門檻。
經(jīng)過一些調(diào)查以后，我發(fā)現(xiàn)了ParrotARDrone2.0（見下圖）。我認(rèn)為對于業(yè)余愛好者來說，這是一款理想的機(jī)器。它的價(jià)格不高，還可以進(jìn)行編程。你可以選擇花200美元買一臺新機(jī)器，但由于很多人買了無人機(jī)又從來不使用它們，因此購買一臺二手機(jī)器也是個不錯的選擇。在eBay上二手無人機(jī)的售價(jià)大約是130美元甚至更低。
△我收藏的各類無人機(jī)，ParrotARDrone無人機(jī)掛在最左邊
ParrotAR無人機(jī)飛行的穩(wěn)定性沒有更貴的新款ParrotBebop2.0好（售價(jià)大約550美元），但是ParrotAR提供一個好用的node.js客戶端庫叫做node-ar-drone，很適合在上面進(jìn)行開發(fā)。
另外一個優(yōu)勢：ParrotAR無人機(jī)很結(jié)實(shí)。在測試自動化程序的過程中，機(jī)器人維修，無論它被撞墻上、家具上、室內(nèi)植物上和客人身上，他仍然能夠良好的飛行。
相比給地面機(jī)器人編程，給無人機(jī)編程最糟的地方是電池續(xù)航時間短。一塊電池需要充電幾個小時，才能飛行大約10分鐘的時間。因此我建議多買兩塊備用電池，測試的時候可以循環(huán)使用。
給我的無人機(jī)編程
由于Javascript天生的驅(qū)動能力，因此是非常理想的無人機(jī)編程語言。相信我，無人機(jī)飛行中會遇到很多異步事件。我雖然沒有在Node上花費(fèi)很多時間，但這個語言讓我印象深刻。我最近一次認(rèn)真的為機(jī)器人編程使用的是C語言。用C語言處理線程和各種異常是十分痛苦的，因此最好少用。我希望有人為其它無人機(jī)平臺建立Javascript開發(fā)包，因?yàn)檫@個語言讓我們處理不確定性的開發(fā)事件，變得簡單有趣。
架構(gòu)
我決定在筆記本電腦上運(yùn)行邏輯，在云端進(jìn)行機(jī)器學(xué)習(xí)。比起直接在樹莓派硬件上運(yùn)行神經(jīng)網(wǎng)絡(luò)，這種架構(gòu)的延遲更低。我認(rèn)為這種架構(gòu)對目前的業(yè)余無人機(jī)開發(fā)項(xiàng)目來說是可行的。
微軟、谷歌、IBM和亞馬遜都有快速、廉價(jià)的云端機(jī)器學(xué)習(xí)API。最終，我選擇了微軟認(rèn)知服務(wù)API（CognitiveServiceAPI）。因?yàn)檫@是唯一一個提供定制面部識別功能的API。
△無人機(jī)的架構(gòu)
入門
默認(rèn)情況下，ParrotARDrone2.0帶有可供客戶端連接的無線網(wǎng)絡(luò)。這個功能對編程者來說非常麻煩。每次你希望嘗試什么的時候，需要先斷開你的網(wǎng)絡(luò)然后連上無人機(jī)的網(wǎng)絡(luò)。幸運(yùn)的是，有一個名叫ardrone-wpa2的項(xiàng)目非常有用。它可以通過腳本讓無人機(jī)加入你自己的WiFi網(wǎng)絡(luò)。
遠(yuǎn)程登錄到無人機(jī)是件十分有趣的事。Parrot運(yùn)行在一個剝離版本的Linux上。你最近一次使用遠(yuǎn)程登錄功能是什么時候？連接了什么東西？以下是打開終端并直接登錄無人機(jī)的示例。
用命令行模式飛行
安裝node庫以后，創(chuàng)建一個node.jsREPL（Read-Evaluate-Print-Loop）并用它引導(dǎo)無人機(jī)：
如果你一直跟著做到這步，那么現(xiàn)在你的無人機(jī)肯定已經(jīng)摔過至少幾次了。我上千次重新粘貼了安全殼，直到它徹底損壞，不得不買一個新的。我猶豫要不要提這個，實(shí)際上ParrotAR在不安裝安全殼的情況下飛得更好。但無人機(jī)在沒有安全殼的情況下更加危險(xiǎn)，因?yàn)楫?dāng)無人機(jī)撞上什么東西時，螺旋槳可能會折斷，而且會在家具上留下痕跡。
通過網(wǎng)頁控制飛行
為無人機(jī)構(gòu)建基于web的操作界面并不困難，而且結(jié)果令人滿意（見下圖）。使用Express.js框架可以輕松的構(gòu)建一個漂亮的web服務(wù)器。
我設(shè)置了一個按鈕來實(shí)現(xiàn)AJAX請求。
從無人機(jī)上獲得視頻流
我發(fā)現(xiàn)使用無人機(jī)攝像頭發(fā)送反饋的最佳方法是打開一個連接，并將我的網(wǎng)絡(luò)服務(wù)器中的PNG連續(xù)發(fā)送到我的網(wǎng)站。我的網(wǎng)絡(luò)服務(wù)器使用AR無人機(jī)庫從無人機(jī)攝像頭中連續(xù)拉取PNG圖片。
在無人機(jī)圖像上運(yùn)行人臉識別
Azure的面部API功能強(qiáng)大且易用。它可以識別你上傳的朋友照片，也可以猜測年齡和性別，我發(fā)現(xiàn)這兩個功能的準(zhǔn)確率高得令人驚訝。延遲時間約為200毫秒，費(fèi)用是1.5美元/1,000次。對我開發(fā)的這個程序來說，這是完全合理的。下面是關(guān)于如何發(fā)送一個圖像并進(jìn)行面部識別的代碼。
我使用ImageMagick庫來注釋PNG圖片中的面孔。在這點(diǎn)上有很多可以擴(kuò)展的方向，如使用情感API確定面部的情緒等。
運(yùn)行語音識別控制無人機(jī)
語音識別部分最棘手的不是語音識別本身，而是以微軟的SpeechAPI要求的格式將音頻流從網(wǎng)頁傳輸?shù)奖镜胤⻊?wù)器，最終代碼的大部分是為了實(shí)現(xiàn)這個功能。一旦你能夠通過單通道采集到正確頻率的音頻，www.twshmhelmet.com，這個API就可以很好的工作，而且非常容易使用。它的價(jià)格是4美元/1000次請求，這對于業(yè)務(wù)愛好者的應(yīng)用來說，基本上算是免費(fèi)的。
RecordRTC有一個很好的庫，這是客戶端網(wǎng)絡(luò)音頻錄制的好起點(diǎn)。在客戶端上，我們可以添加代碼來保存音頻文件：
我使用FFmpeg程序減少音頻采樣點(diǎn)，并將其合并為一個通道，上傳到微軟：
自主搜索路徑
我用ardrone-autonomy庫為我的無人機(jī)繪制自動尋徑地圖。在無人機(jī)無數(shù)次墜落在客廳的家具和植物上后，我妻子好心的建議我把我的項(xiàng)目搬到車庫里去。那里沒有太多可破壞的東西了，但也沒有太多的空間（見下圖）。
△在我的實(shí)驗(yàn)室里試飛無人機(jī)
如果我能獲得更大的實(shí)驗(yàn)空間，我會繼續(xù)研究智能搜索算法。但現(xiàn)在我只需要讓我的無人機(jī)能夠起飛、旋轉(zhuǎn)，去尋找我的朋友和敵人：
小結(jié)
一旦建立好一切，你可以通過API控制無人機(jī)視頻源，無人機(jī)編程就變得非常有趣。伴隨著新的圖像識別技術(shù)，給我們提供了各種應(yīng)用的可能，無論從觀察地面植物到在墻壁上作畫。Parrot無人機(jī)不是為在室內(nèi)小空間飛行設(shè)計(jì)的，一個價(jià)格更高的無人機(jī)能讓整個應(yīng)用變成現(xiàn)實(shí)。最終，無人機(jī)會變得更加穩(wěn)定，現(xiàn)實(shí)世界中將出現(xiàn)大量類似的應(yīng)用。