2022/07/13

Raspberry Piに接続したLEDをPython CGIスクリプトでブラウザから制御する

概要

Raspberry Pi 3 Model B+に接続したLEDをPython CGIスクリプトでブラウザから制御してみました．

右側の画面がブラウザのウィンドウキャプチャです．ブラウザ上のボタンやテキストボックスを操作すると，LEDの点滅が変化していることがわかります．

開発環境

Raspberry Pi	Raspberry Pi 3 Model B+
OS	Raspbian GNU/Linux 10 (buster)

回路

回路図

回路図のとおりに，Raspberry PiとLEDを接続してください．

Raspberry Piのピン配置については，公式Webページを参照してください．

Raspberry Pi Documentation - Raspberry Pi OS - GPIO and the 40-pin Header

LEDのアノード側を3.3V PWRピンに，カソード側をGPIO17ピンに接続しています．電流制限用の抵抗も忘れないようにしてください．

回路図

回路部品

参考単価をクリックすると，秋月電子通商のページに飛びます．

番号	部品名	型番	数量	参考単価
R1	炭素皮膜抵抗	各社 1/4W 330Ω	1	1円（互換品）
LED1	LED	各社緑色	1	10円（互換品）
	その他	リード線など	適量

ソースコード

GitHubにて公開します．ページ右上付近の「Code」ボタンからダウンロードするかgit cloneしてください．

KeitetsuWorks/raspi-gpio-web-server: The Python CGI Script to Control the LED.

下記のようにgit cloneします．

1 2	`$ git clone https://github.com/KeitetsuWorks/raspi-gpio-web-server.git gpio-web-server` `$ cd ./gpio-web-server/`

セットアップ

README.mdの「Setup - Software」を参照してください．予めPython仮想環境を構築する準備をしておくと，既存Pythonスクリプトの実行環境を破壊することなくセットアップできて便利です．ここでは，pyenv-virtualenvを使用しています．

下記のように依存ライブラリをインストールします．

$ pyenv virtualenv 3.7.7 py37-gpio # Python 3.7.7の仮想環境，py37-gpioを作成
$ pyenv local py37-gpio # リポジトリのディレクトリで使用する仮想環境をpy37-gpioに設定
$ pip install -r requirements.txt

実行

README.mdの「Usage」を参照してください．

下記のように実行します．終了する際は，Ctrl + cキーを押下してください．

1	`$ python gpio-web-server.py`

Raspberry Piと同じLANに接続しているPCやスマートフォンのブラウザから，サーバにアクセスします． Raspberry PiのIPアドレスが192.168.0.3の場合は，http://192.168.0.3:5000/にアクセスしてください．

ブラウザからLEDを制御することができるようになりました．

製品紹介

Amazon.co.jp: Raspberry Piクックブック第3版 (Make:PROJECTS)

2022/05/17

Raspberry Pi + BME280で計測した温度，湿度，気圧をAmbientに送信してグラフ表示させる

概要

Raspberry Pi Zero WHと温湿度・気圧センサのBME280を使用して，自室の温度，湿度および気圧を測定結果をグラフ表示する仕組みを作成しました．測定結果の保存とグラフ表示には，IoTデーター可視化サービスのAmbientを使用しました． Pythonスクリプトにより，一定周期でセンサからのデータ取得とAmbientへのデータ送信を自動実行させています．

Ambientでのグラフ表示例

Raspberry Piから送信されてきた自室の温度，湿度および気圧をAmbientでグラフ表示した例です．インターネットに接続されたPCやスマートフォンのブラウザで表示することができます．

開発環境

Raspberry Pi	Raspberry Pi Zero WH
OS	Raspbian GNU/Linux 9.11 (stretch)

回路

回路図

回路図のとおりに，Raspberry Piと温湿度・気圧センサモジュールを接続してください．

Raspberry Piのピン配置については，公式Webページを参照してください．

Raspberry Pi Documentation - Raspberry Pi OS - GPIO and the 40-pin Header

温湿度・気圧センサモジュールのピン配置については，取扱説明書を参照してください．今回はI2Cで接続しています．温湿度・気圧センサモジュール上にはJ1からJ3までの計3つのジャンパがありますが，全てオープンで使用しています．ただし，J3をショートしない代わりに温湿度・気圧センサモジュールの外でCSBとVDDを接続しています．また，SDOをGNDに落としているのでBME280のI2Cアドレスはデフォルトの0x76です．

BOSCH BME280使用 I2C/SPI対応温湿度・気圧センサモジュールキット

回路部品

参考単価をクリックすると，秋月電子通商のページに飛びます．

番号	部品名	型番	数量	参考単価
U1	温湿度・気圧センサモジュール	秋月電子通商 BME280使用温湿度・気圧センサモジュールキット	1	1250円
	その他	リード線など	適量

ソースコード

GitHubにて公開します．ページ右上付近の「Code」ボタンからダウンロードするかgit cloneしてください．

KeitetsuWorks/ambient_device: The Python Script to send BME280 data to Ambient.

セットアップ

README.mdの「Example installation in pyenv environment」を参照してください．予めPython仮想環境を構築する準備をしておくと，既存Pythonスクリプトの実行環境を破壊することなくセットアップできて便利です．ここでは，pyenv-virtualenvを使用しています．また，AmbientのチャネルIDとライトキーが必要になります．Ambientのチュートリアルなどを参照して，準備してください．

Ambientを使ってみる – Ambient

定期的にセンサデータをAmbientに送信する

セットアップと動作確認が終わったら，定期的にセンサデータをAmbientに送信するように設定します． README.mdの「Example installation in pyenv environment」の「4. (Optional) Edit cron for periodic execution」を参照してください．単純にcronでPythonスクリプトを5分間隔で実行しているだけです．ただし，「2-57/5 * * * *」とすることで毎時0分からの5分間隔ではなく毎時2分からの5分間隔としています．これは，毎時0分などに定期的なタスクが集中することを避けるためです．この辺りはお好みで調整してください．

製品紹介

Amazon.co.jp: Raspberry Piクックブック第3版 (Make:PROJECTS)

2022/05/16

一畑電車に乗ってきました

概要

381系の国鉄色に乗ったあと，帰りのサンライズ出雲の出発まで時間があったので一畑電車に乗ってきました．

写真

一畑電車7000系浜山公園北口-出雲大社前

初めて一畑電車に乗車しました．写真は，出雲大社前駅から徒歩5分程度の堀川の橋梁で撮影した7000系です． 7000系は86年ぶりの自社発注車両として，2016年の導入当時注目されていたと思います．両運転台構造の1両編成の電車を新造した点も珍しいほか，車体はJR四国7000系ベースで走行機器はJR西日本225系と同一とすることでコストダウンを図っている点も特徴です．

一畑電車大社線出雲大社前駅

一畑電車大社線の出雲大社前駅です．駅舎は，国の登録有形文化財かつ近代化産業遺産となっています．

JR西日本旧大社線旧大社駅

廃線となっているJR西日本旧大社線の旧大社駅にも行きました．一畑電車出雲大社前駅から徒歩で行くことができます．旧大社駅も駅舎が有名で，重要文化財です．一畑電車の出雲大社前駅が洋風建築であるのに対して，JR西日本の旧大社駅は和風建築です．ただし，訪問当時は保存修理の最中で，囲いがあり見学できませんでした．保存修理が完成した際には，また是非見学したいと思います．

重要文化財旧大社駅保存修理(仮設・解体)工事のお知らせ | 出雲市

写真は，敷地外から撮影した旧大社駅で保存されているD51形774号機です．奥の囲いで覆われているのが，保存修理中の旧大社駅です．この光景は保存修理中にしか見ることができないものですし，訪問してよかったと考えています．

2022/05/14

シリコンハウス共立の自動販売機でジャンクボックスを買ってみました

シリコンハウス共立の自動販売機

大阪日本橋の電子部品専門店，シリコンハウス共立の1階入口の横には電子部品やガジェットグッズが24時間購入できる自動販売機が設置されています． 2022年のゴールデンウィーク中に訪問したとき，200円のジャンクボックスがあったので試しに購入してみました．

シリコンハウスへようこそ:24時間営業（？）

ジャンクボックス

自動販売機の商品のラインナップは入れ替わりがあるものと考えられますが，訪問したときは「ジャンクボックス 200円」としてサンプルが陳列されていました．「お楽しみBOX！」「中身は秘密だよ！」ということで，中身はランダムです．

あくまでサンプルからの判断ですが，比較的単価が高そうな電子部品としては下記のようなものが入っている可能性もあるようです．

ドットマトリクスLED
7セグメントLED
トランジスタ，FET
トグルスイッチ
丸ピンIC用連結ソケット
コネクタ

買ってみました

結論から言えば，私にはミスマッチな商品でした．この中身であれば，私の場合は3階のデジットでバラ売りのジャンクを品定めした方が良いなと感じました．

自動販売機に200円投入してボタンを押すと，タバコ箱程度の大きさ (90mm x 56mm x 23mm)の紙箱が落ちてきました．本記事1枚目の写真が開封した状態です．紙箱なので中身は開封しないとわかりませんが，すぐに開封することはおすすめできません．紙箱に電子部品が直接詰められているため，下手に開封すると中身を散らかしてしまうかもしれません．私は帰宅後に開封したので回避できました．

中身を表にまとめました．ほとんどがコンデンサで，半導体部品はプリント基板に実装済みの砲弾型LEDが1個のみです． 200円相当の部品が詰められているとは正直感じ難く，私にとってはなかなか使い切るのが難しい部品が多いという結果でした．

部品名	型番	数量
小型金属皮膜抵抗	24kΩ	20
電解コンデンサ	ELNA 16V 470uF	1
電解コンデンサ	Rubycon 160V 47uF	1
ポイント点火用コンデンサ	三菱 0.5uF	1
セラミックコンデンサ	472M (大)	1
セラミックコンデンサ	472M (小)	4
セラミックコンデンサ	471K	5
セラミックコンデンサ	470pF	6
セラミックコンデンサ	200pF	1
セラミックコンデンサ	56pF	1
セラミックコンデンサ	27pF	2
セラミックコンデンサ	18pF	1
セラミックコンデンサ	15pF	5
セラミックコンデンサ	12pF	1
セラミックコンデンサ	3pF	2
セラミックコンデンサ	2pF	1
セラミックコンデンサ	1.5pF?，劣化や印字カスレで判別困難な個体あり	13
セラミックコンデンサ?	印字「10F TDK」	1
フィルムコンデンサ	184K	1
フィルムコンデンサ	50V, 0.027uF	1
フィルムコンデンサ	153J	1
フィルムコンデンサ	223K	1
フィルムコンデンサ	272J	1
フィルムコンデンサ	562K	3
フィルムコンデンサ	683J	1
RCAプラグ	赤	1
プリント基板	5mm 砲弾型LED x1，金属皮膜抵抗 x1	1

381系国鉄色の特急「やくも」に乗ってきました

概要

3月に登場した381系の国鉄色で運行されている，特急「やくも」9号に乗ってきました．伯備線の特急「やくも」で使用されている381系は，登場時の外観をほぼ維持している数少ない国鉄型の特急型電車です．しかし，2024年に新型車両が投入されることが発表されており，あと2年ほどで引退となります．

1973年に登場した381系は，日本初の量産型の振子式車両です．振子式の車両は，カーブ通過時に車両を傾けることでカーブを高速で通過することを可能にした車両で，各地の特急列車の速達化に貢献しました．かつては中央線の特急「しなの」，紀勢線の特急「くろしお」でも使用されていたため，見覚えがある方も多いのではないでしょうか．

国鉄民営化から30年を超え，国鉄型車両は残り僅かとなってきました．特急「やくも」に乗っているとEF64-1000，115系やキハ40系を見ることができますが，この景色もあと数年で見納めとなるでしょう．ちょうど5月10日には115系を置き換えるために投入される227系のデザインが発表されました．この機会に伯備線の沿線を訪れてみてはいかがでしょうか．

JR西日本: ニュースリリース: 岡山・備後エリアに導入する新型車両のデザインの決定について

写真

381系国鉄色 (岡山駅)

ホームに停車中の特急「やくも」9号です．

381系国鉄色 (出雲市駅)

出雲市駅に到着して降車した時点で，ヘッドマークは「回送」になっていました．

381系やくも色 (出雲市駅)

出雲市駅で撮影した特急「やくも」22号です．

運行情報

公式に発信されている情報を確認してください．

座席

大山と宍道湖はD席側です．下記のツイートに添付されている画像を参考に，JRおでかけネットで座席を指定して予約しました． 381系には，通風管があるためA席とD席がない列があります．下り列車の場合，このような列の1つ後方の列のA席またはD席は，足元が広く快適です．多くの場合，窓も視界を広くとることができる位置です．

Twitter: JR4-series207さん: 「381系ゆったりやくも車両の、窓と座席の位置関係を図にまとめてみました。特急やくも号に乗車の際は、是非ご活用ください。 ※必ず「利用上の注意」をお読みください。」

2022/04/06

Digisparkでマクロパッドを作った: オンライン会議向けのマイクミュートやカメラのON/OFF操作デバイス

概要

Digispark互換ボードを使用してマクロパッドを作成しました．このマクロパッドはPCにはUSBキーボードとして認識され，各タクトスイッチを押下すると，プログラムで予め設定したキーボード操作がPCに対して実行されます．タクトスイッチは2つしかありませんが，短押しと長押しの使い分けも可能です．例えばZoomやMicrosoft Teamsなどのオンライン会議アプリケーションのショートカットキーを設定しておけば，ワンタッチでマイクのミュートをON/OFFすることができます．

PCにUSBケーブルで接続するとDigispark上の電源確認用の赤色LEDとP1に接続された赤色LEDおよび，P1に外付けした青色LEDが点灯します． P1に接続されたLEDは，ゆっくりと輝度を変化させながら点滅します．

開発環境

DigisparkはAttiny85を搭載した小型マイコンボードです． USBによるプログラム転送および通信が可能です． Arduino IDEを使用して開発できます．今回は数年前にAitendoで処分価格で販売されていたDigispark互換ボードを使用しました．

Digispark	ATTiny85マイコンモジュール [M8520SU-MCUM]
Arduino IDE	Arduino 1.8.19
Arduino Boards Manager	Digistump AVR Boards: Digispark (Default - 16.5mhz)
Arduino Library: FastLED	Version 3.5.0
Arduino Library: OneButton	Version 2.0.4

Digisparkのセットアップは下記を参照してください．

digispark:tutorials:connecting [Digistump Wiki]

UbuntuでDigisparkを認識しない場合は，下記を参照してください．

digispark:tutorials:linuxtroubleshooting [Digistump Wiki] - Ubuntu Troubleshooting

回路

回路図

部品点数は非常に少ないです． Digisparkのピン配置については，公式Webページを参照してください．

Digispark Schematic

回路部品

参考単価をクリックすると，秋月電子通商のページもしくはメーカーページに飛びます．「互換品」と記載されているリンクについては，互換性があると考えられる部品のページに飛びます．ただし，私が互換性および動作を確認したわけではありませんので，ご注意ください．

番号	部品名	型番	数量	参考単価
SW1, SW2	タクトスイッチ	各社	2	30円（互換品）
LED1	LED	各社青色	1	18円（互換品）
R1	炭素皮膜抵抗	各社 1/4W 1kΩ	1	1円（互換品）
	その他	ユニバーサル基板, スズメッキ線など	適量

作成例

エンクロージャ

エンクロージャ（ケース）は，作成した基板に合わせて3Dプリンタで出力しました．モデリング環境は下表のとおりです．ソフトウェアは全てフリーウェアです． FreeCADでモデリングしたものをSTLでエクスポートし，Ultimaker CuraでスライスしてGコードを生成しています．

OS	Ubuntu 20.04.4 LTS
FreeCAD	0.18.4
Ultimaker Cura	4.11.0

ソースコード

オリジナルソースコード

GitHub Gistにて公開されている下記のソースコードを改変して使用しました．Zoomのミュートボタンとして使用するためのキーボード操作が設定されています．

Physical mute button for Zoom using an ATTiny85/Digispark and the Micronucleus bootloader to allow programming with the Arduino IDE

なお，Zoomのショートカットキー一覧は下記で確認できます．

ホットキーとキーボードショートカット – Zoom サポート

タクトスイッチに割り当てるキーボード操作のカスタマイズ

私はMicrosoft Teamsで使用したかったため，下記を参照してキーボード操作の設定を変更しました．

Microsoft Teams で使用するショートカットキー

ほとんどのキーはDigiKeyboardライブラリに定義されていますが，定義されていないキーもあります．定義がない場合は，下記資料のTable 12: Keyboard/Keypad Pageを参照して定義する必要があります．

Universal Serial Bus (USB) HID Usage Tables 10/28/2004 Version 1.12

Microsoft Teams向けに改変したソースコードは下記です．1つのタクトスイッチはマイクミュートのON/OFF操作，もう1つのタクトスイッチはカメラのON/OFF操作に割り当てました．

Physical mute button for Microsoft Teams using an ATTiny85/Digispark and the Micronucleus bootloader to allow programming with the Arduino IDE

オンライン会議アプリケーションのほかにも，さまざまなアプリケーションのショートカットキーに割り当てることが可能です．例えば，下記のプラグインと組み合わせることでGoogle Chromeのタブのミュート操作もできました．

Mute Tab Shortcuts - Chrome ウェブストア

2022/03/26

NFSマウント後にDockerサービスが起動するように設定する

概要

私はDockerコンテナにdocker runコマンドの-v, --volumeコマンドでNFS上のディレクトリをマウントしています．この状態でOSを再起動すると，DockerサービスがNFSのマウント前に起動してしまい，Dockerコンテナが正常にrestartできない問題が発生していました．本記事ではこの問題の解決方法として，systemdのdrop-inファイルを使用して，NFSがマウントされるまでDockerサービスが起動しないように設定する方法をメモしておきます．

本記事の解決方法に行き着くにあたっては，下記の記事が参考になりました．

私の開発環境は下記のとおりです．

OS	Ubuntu 20.04.4 LTS (amd64)
Docker version	20.10.14, build a224086

NFSクライアントの設定

/etc/fstabには下記のように設定しています．systemdによるリモートファイルシステムの自動マウントの設定です．

192.168.0.128:/volume2/data /mnt/nas/data nfs defaults,noauto,x-systemd.automount,x-systemd.device-timeout=30,_netdev 0 0

設定変更した場合は，OSの再起動もしくはsudo mount /mnt/nas/dataでNFSをマウントします．

下記のコマンドで/mnt/nas/dataのマウントに対応するsystemdユニットを探します．ディレクトリパスのスラッシュ (/)をハイフン (-)に置き換えたものになっているようでした．

$ systemctl list-units | grep automount
(略)
  mnt-nas-data.automount loaded active running mnt-nas-data.automount
(略)

Dockerサービスの設定

drop-inファイルを格納するディレクトリを作成して，テキストエディタでdrop-inファイルを新規作成します．

$ sudo mkdir -p /etc/systemd/system/docker.service.d/
$ sudo vi /etc/systemd/system/docker.service.d/wait-for-nfs.conf

drop-inファイル，wait-for-nfs.confには下記のように設定を記述します．設定の詳しい解説については，概要に記載した参考記事をご覧ください．

[Unit]
After=mnt-nas-data.automount
Wants=mnt-nas-data.automount

Dockerサービスの再起動と動作確認

Dockerサービスを再起動します．Drop-Inの項目で，drop-inファイルを認識しているか確認します．問題がなければ，OSを再起動した後は，NFSがマウントされてからDockerサービスが起動するようになっています．

$ sudo systemctl restart docker
$ sudo systemctl status docker
● docker.service - Docker Application Container Engine
     Loaded: loaded (/lib/systemd/system/docker.service; enabled; vendor preset>
    Drop-In: /etc/systemd/system/docker.service.d
             └─wait-for-nfs.conf
     Active: active (running) since Sat 2022-03-26 12:17:31 JST; 46min ago
TriggeredBy: ● docker.socket
       Docs: https://docs.docker.com
(略)

2022/03/02

KATO 103系を増備しました

概要

2022年2月25日にKATOからウグイス色とスカイブルー色の103系が発売されました．私は以前販売されていた「10-311 新103系ブルー 4両セット」を持っていますが，今回の製品はこれらの一部仕様やパッケージを変更したものという認識です．この4両セットに増結する車両が欲しいと思っていたので，今回は「10-1744A 103系〈スカイブルー〉中間車3両セット」を購入しました．色の表記がブルーとスカイブルーで異なりますが，どちらも同じ色を指しています．ここでは，車両以外に購入した関連製品についてメモしておきます．

KATO鉄道模型ホームページ | 製品詳細 | 103系

今回の製品に含まれる各車両の仕様は，下記のPDFファイルで確認できます．製品に添付されている説明書のPDFファイルです．

KATO 103系説明書

10-311 新103系ブルー 4両セット

旧製品の各車両の仕様を下表にまとめます．

所属表記は「関スイ」，室内灯の取り付けにも対応しています．

旧製品が販売されていた頃の室内灯は11-204 (11-206) 新室内灯セットしかなく，これは光源がLEDではなく麦球でした．互換性があるため，現行の11-211 (11-212) LED室内灯クリアも取り付け可能です．

旧製品では1両目と4両目の車両番号が一緒ですね．

車両	車両品番	品名	車両番号	標準装備
1両目	4001-1	クハ103ATC	クハ103-786	ヘッド／テールライト点灯
2両目	4002-1	モハ102	モハ102-856
3両目	4003-1	モハ103	モハ103-699	モーター付き動力車
4両目	4001-1	クハ103ATC	クハ103-786	ヘッド／テールライト点灯

NVIDIA DeepStreamの推論結果をRedisに送信するサンプルアプリケーションの実行環境を構築する

概要

NVIDIA DeepStream SDKには，推論結果をサーバに送信するためのGst-nvmsgbrokerプラグインが用意されています．このGst-nvmsgbrokerプラグインはRedisのほか，プロトコルアダプタライブラリを使用することで，Kafka，Azure IoTやAMQPなどの各種プロトコルに対応します．

Gst-nvmsgbrokerプラグインを使用したサンプルアプリケーションとプロトコルアダプタライブラリはいくつか用意されていますが，これらのライブラリには各種サーバへの接続方法の記載はあれど，各種サーバの構築方法は紹介されていません．私はRedisも含めてデータベースの構築や運用の経験がなかったので，サンプルアプリケーションを実行するまでに結構時間がかかってしまいました．そこで本記事では，私が構築したNVIDIA DeepStreamの推論結果をRedisに送信するサンプルアプリケーションの実行環境について紹介します．

本記事で紹介する実行環境は，GitHubで公開しています．See README.md for a quick start in English.

KeitetsuWorks/deepstream-test4-c-redis: Docker environment of deepstream-test4-app and Redis

私の開発環境は下記のとおりです．

OS	Ubuntu 20.04.3 LTS (amd64)
GPU	GeForce GTX 1070 Ti
Driver Version	510.47.03
CUDA Version	11.6
Docker version	20.10.12, build e91ed57
docker-compose version	1.29.2, build 5becea4c
DeepStream	nvcr.io/nvidia/deepstream:6.0-devel

Gst-nvmsgbrokerプラグインを使用したサンプルアプリケーション

列挙しておきます．非公式のものも含めて他にもある場合はコメントで教えていただけると幸いです．この記事ではC実装のdeepstream-test4を取り上げますが，C実装のdeepstream-test5やPython実装のdeepstream-test4も今回構築した実行環境で試すことができます．

deepstream-test4 (C実装)

Dockerイメージ (deepstream:6.0-devel)配下: /opt/nvidia/deepstream/deepstream-6.0/sources/apps/sample_apps/deepstream-test4

deepstream-test5 (C実装)

Dockerイメージ (deepstream:6.0-devel)配下: /opt/nvidia/deepstream/deepstream-6.0/sources/apps/sample_apps/deepstream-test5

deepstream-test4 (Python実装)
NVIDIA-AI-IOT/deepstream-occupancy-analytics
NVIDIA-AI-IOT/deepstream_360_d_smart_parking_application

実行環境の構成

実行環境はdocker-compose.ymlにまとめています．3つのDockerコンテナが起動します．

redis

RedisのDockerコンテナです

redisinsight

ウェブブラウザからアクセスして使用する，RedisのGUIツール，RedisInsightのDockerコンテナです．必須ではありませんが，サンプルアプリケーションの動作確認に便利です

nvds

DeepStreamのDockerコンテナです．C実装のdeepstream-test4のビルド済みバイナリとソースコードも含まれています

実行方法

GitHubからdocker-compose.ymlをダウンロードします．

1 2	`$ git clone https://github.com/KeitetsuWorks/deepstream-test4-c-redis.git` `$ cd deepstream-test4-c-redis/`

Dockerコンテナを起動します．初回はDockerイメージのダウンロードがあり起動に時間を要する場合があります

$ docker-compose up -d
Creating network "deepstream-test4-c-redis_frontend" with the default driver
Creating volume "deepstream-test4-c-redis_redisinsight" with default driver
Creating redis ... done
Creating nvds         ... done
Creating redisinsight ... done

Redisが使用できるかどうか確認します．テストデータの登録と取得を行います

$ docker exec -it redis /bin/bash
root@redis:/data# redis-cli
127.0.0.1:6379> set testKey testValue
OK
127.0.0.1:6379> keys *
1) "testKey"
127.0.0.1:6379> get testKey
"testValue"
127.0.0.1:6379> exit
root@redis:/data# exit

テストデータの登録結果をRedisInsightで確認します

ウェブブラウザで http://localhost:8001 にアクセスします
「EULA AND PRIVACY SETTINGS」が表示されたら，内容にしたがってCONFIRMを押下します

Redisに接続します．「I already have a database」を選択します

「Connect to a Redis Database」を選択します

下図のように入力し，ADD REDIS DATABASEを押下します

Redisデータベース，localが追加されました．localを選択します

左のメニューからBrowserを選択すると，testKeyが登録されていることがわかります．なお下図では他にds-metaが登録されていますが，これは以降の手順でサンプルアプリケーションを実行した後で登録されるものです

サンプルアプリケーションを実行します．入力動画はDockerイメージに含まれるサンプル動画を使用します．実行中は物体検出結果を表示するウィンドウが表示され，自動的に終了します

$ xhost +
$ docker exec -it nvds /bin/bash
# cd sources/apps/sample_apps/deepstream-test4/
# deepstream-test4-app -i ../../../../samples/streams/sample_720p.h264 -p /opt/nvidia/deepstream/deepstream-6.0/lib/libnvds_redis_proto.so --conn-str="redis;6379" -t ds-meta -s 0

推論結果がRedisに送信されていることをCUIで確認します．"ds-meta"のKeyが増えています

$ docker exec -it redis /bin/bash
root@redis:/data# redis-cli
127.0.0.1:6379> keys *
1) "ds-meta"
2) "testKey"

推論結果がRedisに登録されていることをRedisInsightで確認します

ウェブブラウザで http://localhost:8001 にアクセスし，Redisデータベースのlocalを選択します
左のメニューからStreamsを選択すると，ds-metaが登録されていることがわかります．metadataに推論結果が含まれています

製品紹介

Amazon.co.jp: ロジクール Webカメラ C920n

2022/02/22

Jetson上のDockerコンテナでCSIカメラを使用する

概要

NVIDIA L4T MLのDockerイメージを使用することで，JetsonでCUDAサポートがONのOpenCVの環境を比較的手軽に準備できるようになりました．そこで本投稿では，Jetson上で起動しているDockerコンテナから，Jetsonに接続されたRaspberry Pi Camera Module 2などのCSIカメラを使用する方法について紹介します．

Jetson	Jetson Nano
JetPack	4.6
NVIDIA L4T ML	l4t-ml:r32.6.1-py3
CSIカメラ	Raspberry Pi Camera Module 2

準備

CSIカメラの接続

Jetson Nanoをシャットダウンして電源ケーブルを外した状態で，CSIカメラを確実に接続してください．インターネット上に接続方法の解説記事が数多くありますので参考にしてください．

サンプルコードの入手

サンプルコードをGitHub Gistに置きましたので，git cloneするかブラウザでダウンロードしてください．

GitHub Gist: Sample Codes for NVIDIA L4T ML

$ git clone https://gist.github.com/7ecea8c1447a4e5f5519994b783eb289.git l4t-ml
Cloning into 'l4t-ml'...
remote: Enumerating objects: 14, done.
remote: Counting objects: 100% (14/14), done.
remote: Compressing objects: 100% (10/10), done.
remote: Total 14 (delta 6), reused 10 (delta 4), pack-reused 0
Unpacking objects: 100% (14/14), done.

CSIカメラの動作確認

これ以降の作業は，Jetsonにキーボード，マウスおよびディスプレイを接続して直接GUIログインしていることを前提に説明します．

Dockerコンテナ上でCSIカメラが使用できるか確認する前に，Jetson OS上で使用できるか確認しておくと良いです．先ほどgit cloneしたディレクトリにあるPythonスクリプトを下記のとおり実行してください．CSIカメラで撮影中の映像がウィンドウに表示されます．映像表示ウィンドウがアクティブな状態でESCキーを押下すると，ウィンドウが閉じてPythonスクリプトの実行が終了します．

$ cd l4t-ml/
$ python3 opencv_csi-camera.py
GST_ARGUS: Creating output stream
CONSUMER: Waiting until producer is connected...
GST_ARGUS: Available Sensor modes :
GST_ARGUS: 3264 x 2464 FR = 21.000000 fps Duration = 47619048 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;
 
GST_ARGUS: 3264 x 1848 FR = 28.000001 fps Duration = 35714284 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;
 
GST_ARGUS: 1920 x 1080 FR = 29.999999 fps Duration = 33333334 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;
 
GST_ARGUS: 1640 x 1232 FR = 29.999999 fps Duration = 33333334 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;
 
GST_ARGUS: 1280 x 720 FR = 59.999999 fps Duration = 16666667 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;
 
GST_ARGUS: 1280 x 720 FR = 120.000005 fps Duration = 8333333 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;
 
GST_ARGUS: Running with following settings:
   Camera index = 0
   Camera mode  = 2
   Output Stream W = 1920 H = 1080
   seconds to Run    = 0
   Frame Rate = 29.999999
GST_ARGUS: Setup Complete, Starting captures for 0 seconds
GST_ARGUS: Starting repeat capture requests.
CONSUMER: Producer has connected; continuing.
[ WARN:0] global /home/nvidia/host/build_opencv/nv_opencv/modules/videoio/src/cap_gstreamer.cpp (933) open OpenCV | GStreamer warning: Cannot query video position: status=0, value=-1, duration=-1
GST_ARGUS: Cleaning up
CONSUMER: Done Success
GST_ARGUS: Done Success

なお，CSIカメラの動作確認方法はNVIDIAのチュートリアルにも紹介があります．

Taking Your First Picture with CSI or USB Camera | NVIDIA Developer

CSIカメラをDockerコンテナで使用する

方法

方法については，下記ページの「Run the container」に簡単な記載があります．つまり，docker runコマンドのオプションとして-v /tmp/argus_socket:/tmp/argus_socketを付加する必要があります．一方，例えば/dev/video1としてJetson OSに認識されているUSBカメラを使用したい場合は，--device /dev/video1:/dev/video1:rwmを付加する必要があります．

DeepStream-l4t | NVIDIA NGC

See /opt/nvidia/deepstream/deepstream-6.0/README inside the container for deepstream-app usage information. Additional argument to add to above docker command for accessing CSI Camera from Docker: -v /tmp/argus_socket:/tmp/argus_socket For USB Camera additional argument --device /dev/video

Dockerコンテナの起動スクリプト例

先ほどgit cloneしたディレクトリにDockerコンテナの起動スクリプト例，run_with_csi-camera.shがあります．お好みのテキストエディタで内容を確認してください．

$ cd l4t-ml/
$ vi run_with_csi-camera.sh

run_with_csi-camera.shを実行するとDockerコンテナが起動します． l4t-ml:r32.6.1-py3のDokcerイメージがローカルに存在しない場合は，初回にPullされます．

$ ./run_with_csi-camera.sh
access control disabled, clients can connect from any host
[sudo] password for username:
allow 10 sec for JupyterLab to start @ http://192.168.110.36:8888 (password nvidia)
JupterLab logging location:  /var/log/jupyter.log  (inside the container)

CSIカメラの動作確認

git cloneしたディレクトリはDockerコンテナ上の/dataにマウントされています．ここにあるOpenCVの簡単なサンプルコードを実行して，DockerコンテナでCSIカメラが使用できることを確認します．

opencv_csi-camera.pyはCSIカメラで撮影中の映像がウィンドウに表示されます．映像表示ウィンドウがアクティブな状態でESCキーを押下すると，ウィンドウが閉じてPythonスクリプトの実行が終了します．

root@jetson-nano:/# cd /data/
root@jetson-nano:/data# python3 opencv_csi-camera.py

opencv_face-detection_csi-camera.pyはCSIカメラの映像から顔を検出し，顔が検出された場合は映像に顔の領域を示す白枠を描画してウィンドウに表示します．映像表示ウィンドウがアクティブな状態でESCキーを押下すると，ウィンドウが閉じてPythonスクリプトの実行が終了します．

root@jetson-nano:/# cd /data/
root@jetson-nano:/data# python3 opencv_face-detection_csi-camera.py
GST_ARGUS: Creating output stream
CONSUMER: Waiting until producer is connected...
GST_ARGUS: Available Sensor modes :
GST_ARGUS: 3264 x 2464 FR = 21.000000 fps Duration = 47619048 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;
 
GST_ARGUS: 3264 x 1848 FR = 28.000001 fps Duration = 35714284 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;
 
GST_ARGUS: 1920 x 1080 FR = 29.999999 fps Duration = 33333334 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;
 
GST_ARGUS: 1640 x 1232 FR = 29.999999 fps Duration = 33333334 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;
 
GST_ARGUS: 1280 x 720 FR = 59.999999 fps Duration = 16666667 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;
 
GST_ARGUS: 1280 x 720 FR = 120.000005 fps Duration = 8333333 ; Analog Gain range min 1.000000, max 10.625000; Exposure Range min 13000, max 683709000;
 
GST_ARGUS: Running with following settings:
   Camera index = 0
   Camera mode  = 2
   Output Stream W = 1920 H = 1080
   seconds to Run    = 0
   Frame Rate = 29.999999
GST_ARGUS: Setup Complete, Starting captures for 0 seconds
GST_ARGUS: Starting repeat capture requests.
CONSUMER: Producer has connected; continuing.
[ WARN:0] global /opt/opencv/modules/videoio/src/cap_gstreamer.cpp (935) open OpenCV | GStreamer warning: Cannot query video position: status=0, value=-1, duration=-1
GST_ARGUS: Cleaning up
CONSUMER: Done Success
GST_ARGUS: Done Success

製品紹介

Amazon.co.jp: Jetson Nano 超入門改訂第2版

2022/02/20

NVIDIA L4T MLのDockerイメージで，Jetson上にCUDAをサポートするOpenCVの環境を準備する

概要

JetPack 4.6にはOpenCV 4.1.1が含まれていますが，CUDAサポートがOFFになっています．ここでは比較的手軽にCUDAサポートがONのOpenCVの環境を準備する方法として，NVIDIA L4T MLのDockerイメージを使用する方法をメモしておきます．

Jetson	Jetson Nano
JetPack	4.6
NVIDIA L4T ML	l4t-ml:r32.6.1-py3

NIVIDIA NGCとNVIDIA L4T ML

NVIDIA NGCでは，さまざまな用途のための，ディープラーニング，機械学習およびHPC向けのDockerイメージが配布されています． Jetson向けのDockerイメージは下記のリンクから一覧表示できます．

Data Science, Machine Learning, AI, HPC Containers | NVIDIA NGC

NVIDA NGCで配布されているDockerイメージの1つにNVIDIA L4T MLがあります．これはディープラーニング，機械学習やデータサイエンスの各種フレームワークをPython 3.6上で使用するための環境です．下記ページの「Package Versions」を確認するとl4t-ml:r32.6.1-py3のリストにはOpenCV 4.5.0 (with CUDA)と記載されており，CUDAサポートがONになっていることがわかります．

NVIDIA L4T ML | NVIDIA NGC

Dockerコンテナを起動する

ワーキングディレクトリと起動スクリプトの準備

お好みの場所にワーキングディレクトリを作成し，その中にDockerコンテナの起動スクリプト，run.shを作成します．ここでは既存ディレクトリの/dataの配下にl4t-mlというディレクトリを作成しています．

$ cd /data
$ mkdir l4t-ml
$ cd l4t-ml/

お好みのテキストエディタでrun.shを作成し，下記リンクのrun.shの内容をコピー・アンド・ペーストしてください．なお，使用するDockerイメージのタグはJetPack 4.6に対応するr32.6.1-py3になっています．違うタグを指定したい場合は，NVIDIA L4T MLのページを参照して任意のタグに置き換えてください．

1	`$ vi run.sh`

GitHub Gist: Sample Codes for NVIDIA L4T ML: run.sh

Dockerコンテナの起動

少なくともこれ以降の作業は，Jetsonにキーボード，マウスおよびディスプレイを接続して直接GUIログインしていることを前提に説明します． run.shに実行権限を付与し，実行してください．初回はDockerイメージのPullがあり，Dockerコンテナの起動に時間がかかります．

$ chmod a+x ./run.sh
$ ./run.sh 
access control disabled, clients can connect from any host
[sudo] password for username: 
Unable to find image 'nvcr.io/nvidia/l4t-ml:r32.6.1-py3' locally
r32.6.1-py3: Pulling from nvidia/l4t-ml
e47a8a86d66c: Pulling fs layer 
bdce3430dad6: Pulling fs layer 
c26a6b81c746: Pulling fs layer 
a70635e646de: Waiting 
24cbe60e3161: Waiting 
c7f64cc97a39: Waiting 
8777adb92eda: Waiting 
542a24b3572f: Waiting 
3d5ade2b8849: Waiting 
3e865584f789: Waiting 
4811af6cacf1: Waiting 
db645757aac7: Pull complete 
0105dc23dc93: Pull complete 
c8aff3baf097: Pull complete 
5f50b3e38480: Pull complete 
b5418d85b074: Pull complete 
d09ffaf0f11a: Pull complete 
f1cf5625978f: Pull complete 
514fd4c3f8c5: Pull complete 
0988d0ccf8a6: Pull complete 
ffce97733d6c: Pull complete 
80d5eedfe895: Pull complete 
d19792019860: Pull complete 
3ee7b31a8890: Pull complete 
8aca18eb38a5: Pull complete 
153000266b1a: Pull complete 
23bf7741f5d8: Pull complete 
d03fa2111a1c: Pull complete 
095c23b57578: Pull complete 
2de9347ccaf2: Pull complete 
0f26c4b0a765: Pull complete 
ee3bc588c8ee: Pull complete 
aa25eb953d98: Pull complete 
97fd80a69cc6: Pull complete 
Digest: sha256:1f4ef02343223cab6bbe5bf85d5575364b7ee0ee23d72c2e3b89416ca3806f7e
Status: Downloaded newer image for nvcr.io/nvidia/l4t-ml:r32.6.1-py3
allow 10 sec for JupyterLab to start @ http://192.168.110.36:8888 (password nvidia)
JupterLab logging location:  /var/log/jupyter.log  (inside the container)
root@jetson-nano:/# 

Dockerコンテナが起動し，Dockerコンテナの端末が表示されました．

dockerコマンドを実行するとエラーになる場合は，下記が解決の参考になるかもしれません．

Docker isn't working after apt upgrade - Jetson & Embedded Systems / Jetson Nano - NVIDIA Developer Forums

Python 3でOpenCVライブラリの情報を確認する

下記の投稿で紹介した方法で，Dockerコンテナ上のOpenCVライブラリの情報を確認してみました． CUDAサポートがONになっています．

blog 渓鉄: JetsonにインストールされているOpenCVの情報を確認する

root@jetson-nano:/# python3
Python 3.6.9 (default, Jan 26 2021, 15:33:00) 
[GCC 8.4.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
>>> print(cv2.__version__)
4.5.0
>>> print(cv2.getBuildInformation())
 
General configuration for OpenCV 4.5.0 =====================================
  Version control:               4.5.0
 
  Extra modules:
    Location (extra):            /opt/opencv_contrib/modules
    Version control (extra):     4.5.0
 
  Platform:
    Timestamp:                   2021-07-19T21:05:54Z
    Host:                        Linux 4.9.201-tegra aarch64
    CMake:                       3.10.2
    CMake generator:             Unix Makefiles
    CMake build tool:            /usr/bin/make
    Configuration:               RELEASE
 
  CPU/HW features:
    Baseline:                    NEON FP16
      required:                  NEON
      disabled:                  VFPV3
 
  C/C++:
    Built as dynamic libs?:      YES
    C++ standard:                11
    C++ Compiler:                /usr/bin/c++  (ver 7.5.0)
    C++ flags (Release):         -fsigned-char -W -Wall -Werror=return-type -Werror=non-virtual-dtor -Werror=address -Werror=sequence-point -Wformat -Werror=format-security -Wmissing-declarations -Wundef -Winit-self -Wpointer-arith -Wshadow -Wsign-promo -Wuninitialized -Winit-self -Wsuggest-override -Wno-delete-non-virtual-dtor -Wno-comment -Wimplicit-fallthrough=3 -Wno-strict-overflow -fdiagnostics-show-option -pthread -fomit-frame-pointer -ffunction-sections -fdata-sections    -fvisibility=hidden -fvisibility-inlines-hidden -O3 -DNDEBUG  -DNDEBUG
    C++ flags (Debug):           -fsigned-char -W -Wall -Werror=return-type -Werror=non-virtual-dtor -Werror=address -Werror=sequence-point -Wformat -Werror=format-security -Wmissing-declarations -Wundef -Winit-self -Wpointer-arith -Wshadow -Wsign-promo -Wuninitialized -Winit-self -Wsuggest-override -Wno-delete-non-virtual-dtor -Wno-comment -Wimplicit-fallthrough=3 -Wno-strict-overflow -fdiagnostics-show-option -pthread -fomit-frame-pointer -ffunction-sections -fdata-sections    -fvisibility=hidden -fvisibility-inlines-hidden -g  -O0 -DDEBUG -D_DEBUG
    C Compiler:                  /usr/bin/cc
    C flags (Release):           -fsigned-char -W -Wall -Werror=return-type -Werror=address -Werror=sequence-point -Wformat -Werror=format-security -Wmissing-declarations -Wmissing-prototypes -Wstrict-prototypes -Wundef -Winit-self -Wpointer-arith -Wshadow -Wuninitialized -Winit-self -Wno-comment -Wimplicit-fallthrough=3 -Wno-strict-overflow -fdiagnostics-show-option -pthread -fomit-frame-pointer -ffunction-sections -fdata-sections    -fvisibility=hidden -O3 -DNDEBUG  -DNDEBUG
    C flags (Debug):             -fsigned-char -W -Wall -Werror=return-type -Werror=address -Werror=sequence-point -Wformat -Werror=format-security -Wmissing-declarations -Wmissing-prototypes -Wstrict-prototypes -Wundef -Winit-self -Wpointer-arith -Wshadow -Wuninitialized -Winit-self -Wno-comment -Wimplicit-fallthrough=3 -Wno-strict-overflow -fdiagnostics-show-option -pthread -fomit-frame-pointer -ffunction-sections -fdata-sections    -fvisibility=hidden -g  -O0 -DDEBUG -D_DEBUG
    Linker flags (Release):      -Wl,--gc-sections -Wl,--as-needed  
    Linker flags (Debug):        -Wl,--gc-sections -Wl,--as-needed  
    ccache:                      NO
    Precompiled headers:         NO
    Extra dependencies:          m pthread cudart_static dl rt nppc nppial nppicc nppicom nppidei nppif nppig nppim nppist nppisu nppitc npps cublas cudnn cufft -L/usr/local/cuda/lib64 -L/usr/lib/aarch64-linux-gnu
    3rdparty dependencies:
 
  OpenCV modules:
    To be built:                 alphamat aruco bgsegm bioinspired calib3d ccalib core cudaarithm cudabgsegm cudacodec cudafeatures2d cudafilters cudaimgproc cudalegacy cudaobjdetect cudaoptflow cudastereo cudawarping cudev datasets dnn dnn_objdetect dnn_superres dpm face features2d flann freetype fuzzy gapi hfs highgui img_hash imgcodecs imgproc intensity_transform line_descriptor mcc ml objdetect optflow phase_unwrapping photo plot python3 quality rapid reg rgbd saliency shape stereo stitching structured_light superres surface_matching text tracking video videoio videostab xfeatures2d ximgproc xobjdetect xphoto
    Disabled:                    world
    Disabled by dependency:      -
    Unavailable:                 cnn_3dobj cvv hdf java js julia matlab ovis python2 sfm ts viz
    Applications:                apps
    Documentation:               NO
    Non-free algorithms:         YES
 
  GUI: 
    GTK+:                        YES (ver 3.22.30)
      GThread :                  YES (ver 2.56.4)
      GtkGlExt:                  NO
    OpenGL support:              NO
    VTK support:                 NO
 
  Media I/O: 
    ZLib:                        /usr/lib/aarch64-linux-gnu/libz.so (ver 1.2.11)
    JPEG:                        /usr/lib/aarch64-linux-gnu/libjpeg.so (ver 80)
    WEBP:                        build (ver encoder: 0x020f)
    PNG:                         /usr/lib/aarch64-linux-gnu/libpng.so (ver 1.6.34)
    TIFF:                        build (ver 42 - 4.0.10)
    JPEG 2000:                   build (ver 2.3.1)
    OpenEXR:                     build (ver 2.3.0)
    HDR:                         YES
    SUNRASTER:                   YES
    PXM:                         YES
    PFM:                         YES
 
  Video I/O:
    DC1394:                      YES (2.2.5)
    FFMPEG:                      YES
      avcodec:                   YES (57.107.100)
      avformat:                  YES (57.83.100)
      avutil:                    YES (55.78.100)
      swscale:                   YES (4.8.100)
      avresample:                YES (3.7.0)
    GStreamer:                   YES (1.14.5)
    v4l/v4l2:                    YES (linux/videodev2.h)
 
  Parallel framework:            TBB (ver 2017.0 interface 9107)
 
  Trace:                         YES (with Intel ITT)
 
  Other third-party libraries:
    Lapack:                      YES (/usr/lib/aarch64-linux-gnu/liblapack.so /usr/lib/aarch64-linux-gnu/libcblas.so /usr/lib/aarch64-linux-gnu/libatlas.so)
    Eigen:                       YES (ver 3.3.4)
    Custom HAL:                  YES (carotene (ver 0.0.1))
    Protobuf:                    build (3.5.1)
 
  NVIDIA CUDA:                   YES (ver 10.2, CUFFT CUBLAS FAST_MATH)
    NVIDIA GPU arch:             53 62 72
    NVIDIA PTX archs:
 
  cuDNN:                         YES (ver 8.0.0)
 
  Python 3:
    Interpreter:                 /usr/bin/python3 (ver 3.6.9)
    Libraries:                   /usr/lib/aarch64-linux-gnu/libpython3.6m.so (ver 3.6.9)
    numpy:                       /usr/lib/python3/dist-packages/numpy/core/include (ver 1.13.3)
    install path:                lib/python3.6/dist-packages/cv2/python-3.6
 
  Python (for build):            /usr/bin/python2.7
 
  Java:                          
    ant:                         NO
    JNI:                         NO
    Java wrappers:               NO
    Java tests:                  NO
 
  Install to:                    /usr/local
-----------------------------------------------------------------
 
 
>>> exit()

製品紹介

Amazon.co.jp: Jetson Nano 超入門改訂第2版

JetsonにインストールされているOpenCVの情報を確認する

概要

JetPackは，UbuntuベースのJetson向けOSとJetson SDKコンポーネントのパッケージです．このJetPackにはOpenCVも含まれています．本記事では，このOpenCVの情報の確認方法を備忘録としてメモします．

Jetson	Jetson Nano
JetPack	4.6

JetPackにインストールされているOpenCVのバージョン

JetPack 4.6

JetPackのリリースページにインストールされているOpenCVのバージョンが記載されています．「KEY FEATURES IN JETPACK」の「Computer Vision」の項目を参照してください．

JetPack 4.6にはOpenCV 4.1.1が含まれていることがわかります．ただし，このOpenCVはCUDAサポートがOFFになっています．OpenCVのサンプルコードを試しに実行する程度であれば，まずはこのOpenCVで良いケースが多いと思います．

JetPack SDK 4.6 Release Page | NVIDIA Developer

なお，CUDAサポートがONのOpenCVは主に下記2通りの方法で入手できます．NVIDIA L4T MLを使用する方法が比較的手軽だと思います．

CUDAサポートがONのOpenCVが含まれている，NVIDIA L4T MLのDockerイメージを使用する

参考: blog 渓鉄: NVIDIA L4T MLのDockerイメージで，Jetson上にCUDAをサポートするOpenCVの環境を準備する

JetsonHacksNano/buildOpenCVなどを使用して，OpenCVをビルドする

JetPack 4.6以外

過去のバージョンなど，JetPack 4.6以外のリリースページには下記のリンクからアクセスすることができます．

JetPack Archive | NVIDIA Developer

Jetson statsでOpenCVライブラリの情報を確認する

Jetson statsをインストールする

Jetson statsは，Jetsonのモニタリングや制御ができるユーティリティです．後述のようにPython 3でもOpenCVライブラリの情報を確認することができますが，Jetson statsではコマンド1つでより簡単に確認できます．

rbonghi/jetson_stats: Simple package for monitoring and control your NVIDIA Jetson [Xavier NX, Nano, AGX Xavier, TX1, TX2]

下記のコマンドを実行することでインストールできます．インストール後に再起動してください．

$ sudo apt install -y python3-pip
$ sudo -H pip3 install -U jetson-stats
$ sudo reboot

Jetson statsでOpenCVライブラリの情報を確認する

jetson_releaseコマンドを実行します．「OpenCV: 4.1.1 compiled CUDA: NO」という情報から，CUDAサポートがOFFのOpenCV 4.1.1がインストールされていることが確認できます．

$ jetson_release -v
 - NVIDIA Jetson Nano (Developer Kit Version)
   * Jetpack 4.6 [L4T 32.6.1]
   * NV Power Mode: MAXN - Type: 0
   * jetson_stats.service: active
 - Board info:
   * Type: Nano (Developer Kit Version)
   * SOC Family: tegra210 - ID:33
   * Module: P3448-0000 - Board: P3449-0000
   * Code Name: porg
   * Boardids: 3448
   * CUDA GPU architecture (ARCH_BIN): 5.3
   * Serial Number: 0421319028141
 - Libraries:
   * CUDA: 10.2.300
   * cuDNN: 8.2.1.32
   * TensorRT: 8.0.1.6
   * Visionworks: 1.6.0.501
   * OpenCV: 4.1.1 compiled CUDA: NO
   * VPI: ii libnvvpi1 1.1.15 arm64 NVIDIA Vision Programming Interface library
   * Vulkan: 1.2.70
 - jetson-stats:
   * Version 3.1.2
   * Works on Python 3.6.9

Python 3でOpenCVライブラリの情報を確認する

バージョンを確認する

Python 3では，OpenCVがインストールされていることと，インストールされているOpenCVのバージョンを下記のように確認できます．

$ python3
Python 3.6.9 (default, Dec  8 2021, 21:08:43) 
[GCC 8.4.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
>>> print(cv2.__version__)
4.1.1
>>> exit()

ビルド情報を確認する

インストールされているOpenCVのビルド情報も確認することができます．

$ python3
Python 3.6.9 (default, Dec  8 2021, 21:08:43) 
[GCC 8.4.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
>>> print(cv2.getBuildInformation())
 
General configuration for OpenCV 4.1.1 =====================================
  Version control:               4.1.1-2-gd5a58aa75
 
  Platform:
    Timestamp:                   2019-12-13T17:25:11Z
    Host:                        Linux 4.9.140-tegra aarch64
    CMake:                       3.10.2
    CMake generator:             Unix Makefiles
    CMake build tool:            /usr/bin/make
    Configuration:               Release
 
  CPU/HW features:
    Baseline:                    NEON FP16
      required:                  NEON
      disabled:                  VFPV3
 
  C/C++:
    Built as dynamic libs?:      YES
    C++ Compiler:                /usr/bin/c++  (ver 7.4.0)
    C++ flags (Release):         -fsigned-char -W -Wall -Werror=return-type -Werror=non-virtual-dtor -Werror=address -Werror=sequence-point -Wformat -Werror=format-security -Wmissing-declarations -Wundef -Winit-self -Wpointer-arith -Wshadow -Wsign-promo -Wuninitialized -Winit-self -Wsuggest-override -Wno-delete-non-virtual-dtor -Wno-comment -Wimplicit-fallthrough=3 -Wno-strict-overflow -fdiagnostics-show-option -pthread -fomit-frame-pointer -ffunction-sections -fdata-sections    -fvisibility=hidden -fvisibility-inlines-hidden -O3 -DNDEBUG  -DNDEBUG
    C++ flags (Debug):           -fsigned-char -W -Wall -Werror=return-type -Werror=non-virtual-dtor -Werror=address -Werror=sequence-point -Wformat -Werror=format-security -Wmissing-declarations -Wundef -Winit-self -Wpointer-arith -Wshadow -Wsign-promo -Wuninitialized -Winit-self -Wsuggest-override -Wno-delete-non-virtual-dtor -Wno-comment -Wimplicit-fallthrough=3 -Wno-strict-overflow -fdiagnostics-show-option -pthread -fomit-frame-pointer -ffunction-sections -fdata-sections    -fvisibility=hidden -fvisibility-inlines-hidden -g  -O0 -DDEBUG -D_DEBUG
    C Compiler:                  /usr/bin/cc
    C flags (Release):           -fsigned-char -W -Wall -Werror=return-type -Werror=non-virtual-dtor -Werror=address -Werror=sequence-point -Wformat -Werror=format-security -Wmissing-declarations -Wmissing-prototypes -Wstrict-prototypes -Wundef -Winit-self -Wpointer-arith -Wshadow -Wuninitialized -Winit-self -Wno-comment -Wimplicit-fallthrough=3 -Wno-strict-overflow -fdiagnostics-show-option -pthread -fomit-frame-pointer -ffunction-sections -fdata-sections    -fvisibility=hidden -O3 -DNDEBUG  -DNDEBUG
    C flags (Debug):             -fsigned-char -W -Wall -Werror=return-type -Werror=non-virtual-dtor -Werror=address -Werror=sequence-point -Wformat -Werror=format-security -Wmissing-declarations -Wmissing-prototypes -Wstrict-prototypes -Wundef -Winit-self -Wpointer-arith -Wshadow -Wuninitialized -Winit-self -Wno-comment -Wimplicit-fallthrough=3 -Wno-strict-overflow -fdiagnostics-show-option -pthread -fomit-frame-pointer -ffunction-sections -fdata-sections    -fvisibility=hidden -g  -O0 -DDEBUG -D_DEBUG
    Linker flags (Release):      -Wl,--gc-sections  
    Linker flags (Debug):        -Wl,--gc-sections  
    ccache:                      NO
    Precompiled headers:         NO
    Extra dependencies:          dl m pthread rt
    3rdparty dependencies:
 
  OpenCV modules:
    To be built:                 calib3d core dnn features2d flann gapi highgui imgcodecs imgproc ml objdetect photo python2 python3 stitching ts video videoio
    Disabled:                    world
    Disabled by dependency:      -
    Unavailable:                 java js
    Applications:                tests perf_tests examples apps
    Documentation:               NO
    Non-free algorithms:         NO
 
  GUI: 
    GTK+:                        YES (ver 2.24.32)
      GThread :                  YES (ver 2.56.4)
      GtkGlExt:                  NO
 
  Media I/O: 
    ZLib:                        /usr/lib/aarch64-linux-gnu/libz.so (ver 1.2.11)
    JPEG:                        /usr/lib/aarch64-linux-gnu/libjpeg.so (ver 80)
    WEBP:                        build (ver encoder: 0x020e)
    PNG:                         /usr/lib/aarch64-linux-gnu/libpng.so (ver 1.6.34)
    TIFF:                        /usr/lib/aarch64-linux-gnu/libtiff.so (ver 42 / 4.0.9)
    JPEG 2000:                   build (ver 1.900.1)
    HDR:                         YES
    SUNRASTER:                   YES
    PXM:                         YES
    PFM:                         YES
 
  Video I/O:
    FFMPEG:                      YES
      avcodec:                   YES (57.107.100)
      avformat:                  YES (57.83.100)
      avutil:                    YES (55.78.100)
      swscale:                   YES (4.8.100)
      avresample:                NO
    GStreamer:                   YES (1.14.5)
    v4l/v4l2:                    YES (linux/videodev2.h)
 
  Parallel framework:            TBB (ver 2017.0 interface 9107)
 
  Trace:                         YES (with Intel ITT)
 
  Other third-party libraries:
    Lapack:                      NO
    Eigen:                       YES (ver 3.3.4)
    Custom HAL:                  YES (carotene (ver 0.0.1))
    Protobuf:                    build (3.5.1)
 
  Python 2:
    Interpreter:                 /usr/bin/python2.7 (ver 2.7.15)
    Libraries:                   /usr/lib/aarch64-linux-gnu/libpython2.7.so (ver 2.7.15+)
    numpy:                       /usr/lib/python2.7/dist-packages/numpy/core/include (ver 1.13.3)
    install path:                lib/python2.7/dist-packages/cv2/python-2.7
 
  Python 3:
    Interpreter:                 /usr/bin/python3 (ver 3.6.9)
    Libraries:                   /usr/lib/aarch64-linux-gnu/libpython3.6m.so (ver 3.6.9)
    numpy:                       /usr/lib/python3/dist-packages/numpy/core/include (ver 1.13.3)
    install path:                lib/python3.6/dist-packages/cv2/python-3.6
 
  Python (for build):            /usr/bin/python2.7
 
  Java:                          
    ant:                         NO
    JNI:                         NO
    Java wrappers:               NO
    Java tests:                  NO
 
  Install to:                    /usr
-----------------------------------------------------------------
 
 
>>> exit()

製品紹介

Amazon.co.jp: Jetson Nano 超入門改訂第2版

2022/02/02

ドットマトリクス液晶表示モジュール SII L167100J

概要

手元にセイコーインスツル株式会社 (Seiko Instruments, SII)のドットマトリクス液晶表示モジュール L167100Jがあります．いわゆるキャラクタ液晶表示モジュールの1種です．しかし，既にこれらのドットマトリクス液晶表示モジュールは終息しており，公式Webページからはデータシートをダウンロードできませんでした．備忘録として，他のサイトから入手できた情報とデータシートについて記録しておきます．

データシート

下記の海外サイトで閲覧できました．ページタイトルにあるL1634は16文字x4行仕様で，私の手元にあるL1671は16文字x1行仕様です．またL1671などの5文字に続く3文字はLEDバックライトの有無を示し，00Jは反射型でLEDバックライトなし，B1Jは半透過型でイエローグリーンのLEDバックライト付です．これらは同じデータシートにまとめられています．

Datasheet Archive L163400J000 datasheet download

表示文字数 (文字数 x 行)	型名
16 x 1	L1671
16 x 2	L1672
16 x 2	L1682
16 x 2	L1692
16 x 4	L1634
20 x 2	L2032
20 x 4	L2034
24 x 2	L2462
40 x 2	L4052
40 x 4	L4044

SII ドットマトリクス液晶表示モジュールの終息経緯

SII ドットマトリクス液晶表示モジュールの終息経緯については，株式会社アスカ電子の資料が引っかかりました． SIIとしては2006年8月に最終製造だったようです．その後の事業移管などの流れについても記載されていますので，興味がある方はご覧ください． 2ページ目と3ページ目に仕様の一覧表もあります．

株式会社アスカ電子 SUNLIKE LCD 推奨

製品紹介

Amazon.co.jp: I2C LCD 1602モジュール（2パック）

2022/01/31

Arduino: スイッチ押下4回目でLEDを点灯させて，押下5回目でLEDを消灯させる

概要

Arduinoに接続されたタクトスイッチ（ボタンスイッチ）が4回押下されたときにLEDを点灯させて，さらにもう1回，合計5回押下されたときにLEDを消灯させて初期状態に戻るという処理を繰り返すプログラムを紹介します．ボタンスイッチの押下判定方法などの参考になれば幸いです．

デモ

先に実行例をどうぞ．

開発環境

Arduino	Arduino UNO R3互換ボード
Arduino IDE	Arduino 1.8.13

回路

回路図

デジタルピン2番にボタンスイッチを接続してください．なお，ボタンスイッチはActive Lowとしています．つまり押しているときはLOW，離しているときはHIGHです．デジタルピン12番にLEDを接続してください．なお，LEDはHIGH出力で消灯，LOW出力で点灯するように配線しているので注意してください． LEDをHIGH出力で点灯，LOW出力で消灯にしたい場合は，ソースコードの19行目と20行目の定義を入れ替えます． Arduinoのピン配置については，公式Webページを参照してください．

UNO R3 | Arduino Documentation | Arduino Documentation

回路部品

番号	部品名	型番	数量	参考単価
R1	炭素皮膜抵抗	各社 1/4W 10kΩ	1	1円（互換品）
SW1	ボタンスイッチ	各社	1	10円（互換品）
R2	炭素皮膜抵抗	各社 1/4W 330Ω	1	1円（互換品）
LED1	LED	各社赤色	1	10円（互換品）
	その他	リード線など	適量

ソースコード

GitHub Gistにて公開します．

Arduino: スイッチ押下4回目でLEDが点灯し，押下5回目でLEDが消灯して初期状態に戻る

簡単にソースコードを説明します．

タクトスイッチについては20ミリ秒周期（INTERVAL_TIME）で状態（sw_val[SW_VAL_CURR]）を取得し，前回の状態(sw_val[SW_VAL_PREV])も使用して状態が変化したことを検出します．

タクトスイッチの押下回数(sw_count)が4回になったとき，LEDを点灯します．

タクトスイッチの押下回数(sw_count)が5回以上になったとき，LEDを消灯します．

ArduinoによるLED制御に関する記事

ArduinoによるLED制御を取り上げた，他の記事を紹介します．

製品紹介

Amazon.co.jp: Arduino Uno Rev3

2022/01/27

Arduino: タクトスイッチ押下を外部割込みで検出し，LEDの点滅方向を切り替える

概要

Arduinoに4個のLEDを接続し，このうち1個のみを順番に点灯させます． LEDの点灯順序は左方向または右方向で，タクトスイッチを押下することで方向が切り替わります．タクトスイッチの押下は，立ち下がりエッジで外部割込みを発生させて検出します．

初期点灯順序	右方向
点滅周期 [ミリ秒]	1000

デモ

先に実行例をどうぞ． LEDは左から順に，ソースコード上のLED4，LED3，LED2，LED1です．黒色のタクトスイッチがSW_PINに接続されています．

開発環境

Arduino	Arduino UNO R3互換ボード
Arduino IDE	Arduino 1.8.13

回路

回路図

デジタルピン9番, 10番, 11番および12番にLEDを接続してください．なお，LEDはHIGH出力で消灯，LOW出力で点灯するように配線しているので注意してください．逆にしたい場合は，ソースコードの82行目の定義の0と1を入れ替えます． Arduinoのピン配置については，公式Webページを参照してください．

UNO R3 | Arduino Documentation | Arduino Documentation

回路部品

番号	部品名	型番	数量	参考単価
R1	炭素皮膜抵抗	各社 1/4W 10kΩ	1	1円（互換品）
SW1	タクトスイッチ	各社	1	10円（互換品）
R2, R3, R4, R5	炭素皮膜抵抗	各社 1/4W 330Ω	4	1円（互換品）
LED1, LED2, LED3, LED4	LED	各社赤色	4	10円（互換品）
	その他	リード線など	適量

ソースコード

GitHub Gistにて公開します．

Arduino: タクトスイッチ押下を外部割込みで検出し，LEDの点滅方向を切り替える

簡単にソースコードを説明します．

38行目の関数はタクトスイッチ押下による外部割込み発生時に実行され，LEDの点滅方向を切り替えます．チャタリング対策として外部割込み処理の前回実行時刻を変数sw_prev_timeに格納しておき，その時刻から変数sw_ineffective_time以上の時間が経過していた場合のみにLEDの点滅方向が切り替わります
61行目はLEDの点滅状態を更新する関数です．変数ledsの下位4bitがLEDが接続されたデジタルピンの状態を示しており，この状態をdigitalWrite()関数で各デジタルピンに反映しています
74行目が外部割込み処理の設定です．詳細は，公式Webページを参照してください．第1引数はINT.0，デジタルピン2番を示します．第2引数では割込み発生時に実行する関数を指定します．第3引数は割込み発生のトリガーを指定するもので，今回は立ち下がりエッジです

ArduinoによるLED制御に関する記事

ArduinoによるLED制御を取り上げた，他の記事を紹介します．

製品紹介

Amazon.co.jp: Arduino Uno Rev3

概要

開発環境

回路

回路図

回路部品

ソースコード

セットアップ

実行

製品紹介

概要

Ambientでのグラフ表示例

開発環境

回路

回路図

回路部品

ソースコード

セットアップ

定期的にセンサデータをAmbientに送信する

製品紹介

概要

写真

一畑電車7000系 浜山公園北口-出雲大社前

一畑電車大社線 出雲大社前駅

JR西日本旧大社線 旧大社駅

シリコンハウス共立の自動販売機

ジャンクボックス

買ってみました

概要

写真

381系 国鉄色 (岡山駅)

381系 国鉄色 (出雲市駅)

381系 やくも色 (出雲市駅)

運行情報

座席

概要

開発環境

回路

回路図

回路部品

作成例

エンクロージャ

ソースコード

オリジナルソースコード

タクトスイッチに割り当てるキーボード操作のカスタマイズ

概要

NFSクライアントの設定

Dockerサービスの設定

Dockerサービスの再起動と動作確認

概要

10-311 新103系 ブルー 4両セット

関連製品

概要

Gst-nvmsgbrokerプラグインを使用したサンプルアプリケーション

実行環境の構成

実行方法

関連プロジェクト

製品紹介

概要

準備

CSIカメラの接続

サンプルコードの入手

CSIカメラの動作確認

CSIカメラをDockerコンテナで使用する

方法

Dockerコンテナの起動スクリプト例

CSIカメラの動作確認

製品紹介

概要

NIVIDIA NGCとNVIDIA L4T ML

Dockerコンテナを起動する

ワーキングディレクトリと起動スクリプトの準備

Dockerコンテナの起動

Python 3でOpenCVライブラリの情報を確認する

製品紹介

概要

JetPackにインストールされているOpenCVのバージョン

JetPack 4.6

JetPack 4.6以外

Jetson statsでOpenCVライブラリの情報を確認する

Jetson statsをインストールする

一畑電車7000系浜山公園北口-出雲大社前

一畑電車大社線出雲大社前駅

JR西日本旧大社線旧大社駅

381系国鉄色 (岡山駅)

381系国鉄色 (出雲市駅)

381系やくも色 (出雲市駅)

10-311 新103系ブルー 4両セット