JetBot

.vscode/ltex.dictionary.de-DE.txt

@@ -63,3 +63,8 @@ Kernelgröße
 Gradientenbetrachtung
 Canny-Edge-Detector
 for-Schleife
+Sparkfun
+GPIO
+grafikintensive
+Jetson
+Nano

.vscode/ltex.hiddenFalsePositives.de-DE.txt

@@ -60,3 +60,5 @@
 {"rule":"GERMAN_SPELLER_RULE","sentence":"^\\QDie \\E(?:Dummy|Ina|Jimmy-)[0-9]+\\Q callback_image() verläuft völlig analog zur Implementierung mit \\E(?:Dummy|Ina|Jimmy-)[0-9]+\\Q.\\E$"}
 {"rule":"GERMAN_SPELLER_RULE","sentence":"^\\QDiese wird dann veröffentlicht und an alle Abonnenten des Dummies verschickt.\\E$"}
 {"rule":"BEI_VERB","sentence":"^\\QDiese können dann bei erhalt der \\E(?:Dummy|Ina|Jimmy-)[0-9]+\\Q auf diese reagieren.\\E$"}
+{"rule":"GERMAN_SPELLER_RULE","sentence":"^\\QDieser wurde als \\E(?:Dummy|Ina|Jimmy-)[0-9]+\\Q mit dem Namen camera_driver unter ROS implementiert und stellt alle \\E(?:Dummy|Ina|Jimmy-)[0-9]+\\Q ein aktuelles Bild auf dem \\E(?:Dummy|Ina|Jimmy-)[0-9]+\\Q /img/raw zur Verfügung.\\E$"}
+{"rule":"GERMAN_SPELLER_RULE","sentence":"^\\QEs ist für den Großteil der zusätzlichen Auslastung verantwortlich, sodass zusätzliche Dummies die Auslastung nur geringfügig erhöhen werden.\\E$"}

bib/Quellenverzeichnis.bib

@@ -241,9 +241,17 @@
   urldate     = {2022-07-19}
 }
 
-
-@online{jetbot:github-doc,
+@online{jetson-nano:homepage,
   author   = {Nvidia},
+  title    = {Jetson Nano Developer Kit},
+  year     = {2022},
+  language = {eng},
+  url      = {https://developer.nvidia.com/embedded/jetson-nano-developer-kit},
+  urldate  = {2022-09-03}
+}
+
+@online{jetbot:github,
+  author   = {JetBot-community},
   title    = {GitHub Repository: NVIDIA-AI-IOT/jetbot},
   subtitle = {Documentation and sourcecode for NVIDIA Jetson Nano},
   year     = {2022},
@@ -252,6 +260,14 @@
   url      = {https://github.com/NVIDIA-AI-IOT/jetbot},
   urldate  = {2022-07-15}
 }
+@online{jetbot:docs,
+  author   = {JetBot-community},
+  title    = {JetBot - full online Documentation},
+  year     = {2022},
+  language = {eng},
+  url      = {https://jetbot.org/},
+  urldate  = {2022-09-01}
+}
 
 @online{jetbot:Sparkfun,
   author   = {Sparkfun},
@@ -259,7 +275,7 @@
   year     = {2022},
   language = {eng},
   url      = {https://learn.sparkfun.com/tutorials/assembly-guide-for-sparkfun-jetbot-ai-kit-v20},
-  urldate  = {2022-07-15}
+  urldate  = {2022-09-01}
 }
 
 @online{OpenCV:homepage,

chap/standdertechnik.tex

@@ -139,32 +139,69 @@
 
 	\section{Der JetBot Roboter} \label{sec: JetBot}
 
-		\todo[inline]{Was kann er?\\wie wird er benutzt?\\Was für einschänkungen?}
+		Beim in für diese Arbeit verwendeten Roboter handelt es sich um einen JetBot v2.1 von der Firma Sparkfun. Im Folgenden werden seine
+		Komponenten und Einsatzmöglichkeiten für diese Arbeit näher beschrieben.
+
+		Der Roboter verwendet das von Nvidia produzierte Jetson Nano Entwicklerboard \cite{jetson-nano:homepage}. Hierbei handlet es sich um einen
+		Mini-Computer der speziell für Bildverarbeitung und Selbstlehrende Algorithmen entwickelt wurde. Es verfügt über einen 4-Kern ARM Prozessor
+		als CPU sowie, neben herkömmlichen Anschlüssen für PC-Peripherie, über Anschlüsse für 2 Kameras und mehre GPIO Pins. Dadurch eignet es sich
+		bereits sehr gut für eingebettet Anwendungen.
+
+		Was dieses Board für die Anwendung in der Bildverarbeitung aber besonders interessant mach, ist die integrierte, für die Größe leistungsstarke
+		GPU. Diese kann für grafikintensive Anwendungen, aber vor allem für das Arbeiten mit Neuralen Netzen genutzt werden. Da für diese Arbeit
+		explizit nicht mit Deep Learning gearbeitet wird, um diese Ressourcen für spätere Weiterentwicklung freizuhalten, ist dieses Feature aber
+		hier uninteressant.
+
+		Die Firma Sparkfun bietet für dieses Board den Bausatz \cite{jetbot:Sparkfun} an, um einen selbstfahrenden Roboter zu bauen. Dieser wird für
+		diese Arbeit verwendet. Er stattet das Board mit einer Kamera, zwei steuerbaren Motoren, einem LCD-Display und einer Batterie aus. Der fertig
+		aufgebaute Roboter ist in \autoref{fig: JetBot} zu sehen.
 
 		\begin{figure}
 			\includegraphics[width=.6\textwidth]{img/jetbot_sparkfun.jpg}
 			\caption{SparkFun JetBot AI Kit V2.1 \cite{jetbot:Sparkfun}}
+			\label{fig: JetBot}
 		\end{figure}
 
+		Für diese Arbeit wird der Roboter als funktionstüchtig und einsatzbereit vorausgesetzt. Die Aufbauanleitung ist aber unter
+		\cite{jetbot:Sparkfun} und die Anleitung zum Einrichten unter \cite{jetbot:docs} zu finden.
+
+		Zusätzlich wird ein fertiger Kameratreiber vorausgesetzt. Dieser wurde als \gls{ROS Node} mit dem Namen \lstinline{camera_driver} unter ROS
+		implementiert und stellt alle $0,2\,\s$ ein aktuelles Bild auf dem \gls{Topic} \lstinline{/img/raw} zur Verfügung.
+
 
 		\subsection{Performance Baseline} \label{sub: performance baseline}
 
-			\todo[inline]{Ein paar Worte was das hier soll}
+			Da die Leistungsfähigkeit des JetBots relativ eingeschränkt ist und eines der Ziele dieser Arbeit lautet, parallel zu anderen, zukünftigen
+			Prozessen laufen zu können, ist es wichtig möglichst Performant zu arbeiten. Daher wird ermittelt, wie sehr der JetBot vor Beginn dieser
+			Arbeit bereits ausgelastet ist.
+
+			Begonnen wird mit der Grundleistung ohne irgendwelche laufenden Prozesse unter \gls{ROS}. Das bedeutet, das nur das Betriebssystem und
+			seine Standard-Applikationen, wie zum Beispiel der SSH-Server, laufen. Dazu wird das Terminalprogramm \lstinline{jtop} verwendet, welches
+			viele Systeminformationen und Performance-Messwerte gesammelt anzeigt. Ein Screenshot ist in \autoref{fig: jtop baseline} gezeigt.
 
 			\begin{figure}
-				\includegraphics[width=.6\textwidth]{img/jtop_baseline.png}
+				\includegraphics[width=.6\textwidth, trim={0 0 12px 31px}, clip]{img/jtop_baseline.png}
 				\caption{CPU Auslastung des JetBots ohne \gls{ROS}}
+				\label{fig: jtop baseline}
 			\end{figure}
 
-			Baseline Auslastung ohne irgendwelche laufenden Prozesse $\approx8\,\percent$.
+			Da alle in dieser Arbeit entwickelten Programme lediglich die CPU benutzen, ist dies der einzige relevante Messwerte. Trotze sind die
+			anderen Werte interessant und werden mit dokumentiert. Wie man im Screenshot sieht, ist das System in diesem Fall kaum belastet. Die
+			Auslastung ohne irgendwelche laufenden Prozesse liegt bei $\approx8.25\,\percent$.
+
+			Relevanter ist aber der Fall mit laufender Kamera, da dies die Voraussetzung für diese Arbeit ist. Wird die Kamera-\gls{ROS Node}
+			gestartet und erneut \lstinline{jtop} überprüft, ergibt sich die in \autoref{fig: jtop cam baseline} gezeigte Screenshot.
 
 			\begin{figure}
-				\includegraphics[width=.6\textwidth]{img/jtop_camera.png}
+				\includegraphics[width=.6\textwidth, trim={0 0 12px 31px}, clip]{img/jtop_camera.png}
 				\caption{CPU Auslastung mit laufender Kamera und ROS-Core}
-				\label{fig: jtop: cam baseline}
+				\label{fig: jtop cam baseline}
 			\end{figure}
 
-			Mit ROS-Core und laufendem Kameratreiber $\approx38\,\percent$
+			Dort ist die CPU-Auslastung deutlich höher und liegt bei $\approx38\,\percent$. Es ist allerdings zu beachten, dass dies nicht
+			ausschließlich auf die Kamera-\gls{ROS Node} zurückzuführen ist. Um überhaupt \glslink{ROS Node}{ROS Nodes} benutzen zu können, muss das
+			sogenannte ROS Core gestartet sein. Diese geschieht automatisch beim Starten der ersten Node. Es ist für den Großteil der zusätzlichen
+			Auslastung verantwortlich, sodass zusätzliche \glspl{ROS Node} die Auslastung nur geringfügig erhöhen werden.
 
 
 	% \section{Aufgebaute Anlage} \label{sec: anlgae}