ตัวอย่างการทำงานของระบบตรวจจับที่จอดรถ
เคยสงสัยไหมว่า ระบบที่จอดรถอัจฉริยะตามห้างหรือคอนโดมันทำงานยังไง? วันนี้เราจะมาทำกันเองเลย! โปรเจกต์นี้ใช้ Raspberry Pi AI Camera ตรวจจับว่ามีรถจอดอยู่ในช่องไหนบ้าง แบบเรียลไทม์ เหมาะมากสำหรับคนที่อยากเรียนรู้เรื่อง Computer Vision และ AI บน Edge Device
ระบบนี้ใช้โมเดล YOLOv8 ที่ปรับแต่งมาให้ตรวจจับรถยนต์โดยเฉพาะ รันบน Sony IMX500 Intelligent Vision Sensor ที่อยู่ในตัวกล้อง ทำให้ประมวลผลได้เร็วมาก ไม่ต้องพึ่ง CPU ของ Raspberry Pi มากนัก
สิ่งที่ต้องเตรียม (Hardware)
บอร์ดหลักสำหรับรันแอปพลิเคชัน (แนะนำ RAM 4GB ขึ้นไป)
กล้องที่มี Sony IMX500 sensor สำหรับรัน AI Model โดยตรง
ความจุ 32GB ขึ้นไป ติดตั้ง Raspberry Pi OS
USB-C 5V/5A สำหรับ Raspberry Pi 5
ขั้นตอนการติดตั้ง
1Clone Repository
เริ่มจากดาวน์โหลดโค้ดจาก GitHub มาก่อน เปิด Terminal แล้วพิมพ์:
git clone https://github.com/piyushagade/rpi-parking-monitor.gitcd rpi-parking-monitor
2สร้าง Virtual Environment
เพื่อแยก dependencies ไม่ให้ไปปนกับระบบหลัก:
python -m venv venvsource venv/bin/activate
3ติดตั้ง Packages ที่จำเป็น
pip install -r requirements.txtการกำหนดพื้นที่จอดรถ
ส่วนนี้สำคัญมาก! เราต้องบอกระบบว่า "ช่องจอดรถ" อยู่ตรงไหนบ้างในภาพ มี 2 วิธีให้เลือก:
วิธี A: แก้ไขไฟล์ JSON โดยตรง
เปิดไฟล์ parking_spaces.json แล้วใส่พิกัด (x, y) ของมุมทั้ง 4 ของแต่ละช่องจอด
{
"spaces": [
{
"id": 1,
"points": [
[100, 200], [300, 200],
[300, 400], [100, 400]
]
}
]
}
วิธี B: ใช้ App Points Selector (แนะนำ)
วิธีนี้ง่ายกว่ามาก! ใช้เครื่องมือกราฟิกคลิกเลือกจุดได้เลย
python app_points_selector.pyเปิด Browser ไปที่ http://localhost:5000 แล้ว:
- คลิกที่มุมทั้ง 4 ของช่องจอดรถแต่ละช่อง
- กด "Save" เพื่อบันทึก
- ระบบจะสร้างไฟล์ JSON ให้อัตโนมัติ
รันแอปพลิเคชัน
หลังจากกำหนดพื้นที่จอดรถเสร็จแล้ว รันโปรแกรมหลัก:
python app.pyระบบจะเริ่มทำงาน แสดงผลว่าช่องไหน ว่าง (สีเขียว) หรือ มีรถจอด (สีแดง) แบบเรียลไทม์
ฟีเจอร์หลักของระบบ
- AI Model: ใช้ YOLOv8n ที่ถูก quantize สำหรับ IMX500 sensor ตรวจจับรถยนต์โดยเฉพาะ
- Real-time Detection: ประมวลผลบนตัว sensor โดยตรง ไม่กินทรัพยากร CPU มาก
- Polygon-based Zones: กำหนดพื้นที่จอดรถเป็นรูปหลายเหลี่ยม รองรับช่องจอดทุกรูปแบบ
- Web Interface: แสดงผลผ่าน Browser ดูได้จากอุปกรณ์อื่นในเครือข่ายเดียวกัน
- Customizable: ปรับแต่ง threshold, สี, และ UI ได้ตามต้องการ
หมายเหตุสำคัญ
- ต้องติดตั้ง Raspberry Pi AI Camera ให้ถูกต้องก่อน และเปิดใช้งานใน
raspi-config - ตรวจสอบว่า firmware ของกล้องเป็นเวอร์ชันล่าสุด
- แสงสว่างมีผลต่อความแม่นยำ ควรทดสอบในสภาพแสงจริงที่จะใช้งาน
- สามารถต่อยอดเป็นระบบแจ้งเตือนผ่าน LINE, Email หรือ Dashboard ได้
สนใจอุปกรณ์สำหรับโปรเจกต์นี้?
คำเตือน
เนื้อหานี้เป็นการสรุปและเรียบเรียงจากบทความต้นฉบับภาษาอังกฤษ ข้อมูลฉบับภาษาไทยอาจมีความคลาดเคลื่อนบางประการจากการตีความหรือย่อเนื้อหา กรุณาตรวจสอบข้อมูลจากแหล่งต้นฉบับก่อนนำไปใช้งานจริง
