#はじめに
このページは，
の１ページです．
全体を見たい場合は上記ページへお戻りください．
#概要
DJI公式のTello用Pythonサンプルプログラム「Tello-Python」のうち，
Tello_Video_With_Pose_Recognition
を試す方法を記述します．
「Tello_Video」に対してPose_Recognitionという名前が付いている通り，GUIはほぼTello_Videoと同じです．
異なるのは，Telloのカメラに写った人物の手足のポーズを機械学習で認識します．そのポーズに応じて着陸や前後移動を行います．
DJI製品で言うところの「ジェスチャー コントロール」みたいなプログラムですね．
マシンパワーが無い非力なＰＣではハングアップするので気をつけてください．
Raspberry Piでは無理です．．．
かなりハイエンドでメモリが潤沢なＰＣでないと快適動作はしない様です．
#前提条件
ホームフォルダにTello-Pythonがインストールされているという前提で話を進めます．
Linuxマシンであれば /home/(ユーザー名)/ に，Tello-Pythonというフォルダがあることになります．
詳しくは Tello-Pythonのダウンロード を御覧ください．
#ディレクトリの移動
まずはコンソール(端末)を開き，以下のコマンドを打って，フォルダを移動します．
$ cd Tello-Python
lsコマンドでフォルダの中にあるファイルを見てみると,
$ ls
LICENSE.md Tello_Video
README.md Tello_Video_With_Pose_Recognition
Single_Tello_Test doc
TelloPython_FAQ(CH).txt tello_state.py
TelloPython_FAQ.txt tello_video_dll(ForWin64).zip
Tello_Video_With_Pose_Recognition というディレクトリがあることがわかります．
更にディレクトリ移動しましょう.
$ cd Tello_Video_With_Pose_Recognition
lsコマンドでTello_Video_With_Pose_Recognitionの中を見てみると，
$ ls
LICENSE.md h264decoder install model tello_control_ui.py
README.md img main.py tello.py tello_pose.py
「Tello_Video」とほぼ同じファイル構成になっていますが，２箇所異なるのは**tello_pose.pyというファイル，model** というディレクトリがある点です．
このpyファイルとディレクトリは，カメラ映像に写った人物のポーズを計算する機械学習に使用します．
pyファイルでOpenCVの機械学習ライブラリを使用した画像処理が書かれています．
modelディレクトリには学習済みモデルを格納します．
Tello-Pythonをダウンロードしただけでは学習済みモデルファイルはありませんので，次項でダウンロード作業を行います．
また，今回も**installとh264decoder**というディレクトリがありますが，「Tello_Video」で必要な環境構築は終わっています．
したがって「Tello_Video」でビルドしたlibh264decoder.soをコピーしてくるだけで済みます．
全体の構成は下図の様になっています．
#Tello_Video_With_Pose_Recognitionの準備
プログラムを動かすために，以下の２つの作業が必要です．
- Tello_Videoから
libh264decoder.soをコピー - ポーズ認識用の学習済みファイルのダウンロード
##libh264decoder.soをコピー
Tello_Video_With_Pose_Recognitionにもinstall/Linux/linux_install.shはありますが，libh264decoder.soは既に「Tello_Video」でビルドしましたから，再度ビルドする必要はありません．コピーしてきましょう．
$ cp ../Tello_Video/libh264decoder.so ./
##機械学習ファイルのダウンロード
modelディレクトリに入り，lsでファイルを確認すると，
$ cd model
$ ls
getModels.bat getModels.sh pose
getModels.shというファイルがあることが分かります．
これに実行権限を与えて，実行することで，必要な学習済みモデルをダウンロードするることができます．
$ chmod +x getModels.sh
$ ./getModels.sh
--2019-09-25 16:01:27-- http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/mpi/pose_iter_160000.caffemodel
posefs1.perception.cs.cmu.edu (posefs1.perception.cs.cmu.edu) をDNSに問いあわせています... 128.2.176.37
posefs1.perception.cs.cmu.edu (posefs1.perception.cs.cmu.edu)|128.2.176.37|:80 に接続しています... 接続しました。
HTTP による接続要求を送信しました、応答を待っています... 200 OK
長さ: 205950363 (196M) [text/plain]
`pose/mpi/pose_iter_160000.caffemodel' に保存中
pose_iter_160000.caffemodel 8%[==> ] 16.14M 456KB/s 残り7m 26s
学習済みモデルのファイルpose_iter_160000.caffemodelは200MBあるので時間がかかります．ゆっくり待つと良いでしょう．ダウンロード途中でＰＣがサスペンドしないよう気をつけましょう．
ダウンロードしているのはファイル名が示す通り，機械学習ライブラリ「Caffe」のファイルです．
#main.pyの実行
それでは，Telloの電源を入れて，WiFi接続を確認したら，
main.pyを実行してみましょう．
$ python main.py
#実行結果
Telloとうまく接続できていれば，下の写真のような画面が表示されます．
「Tello_Video」の時のウィンドウに似ていますが，Pose Recognition Status: Offというボタンが増えているのが分かります．
このボタンが，機械学習で人物のポーズ認識をする機能のON/OFFスイッチになっています．
それ以外の使い方は「Tello_Video」と同じです．
#ポーズ認識機能を使う
離陸は手動で行います．「Command Panel」をオープンして「Takeoff」ボタンを押してください．
「Pose Recognition Status: Off」のボタンを押し，ボタンのテキストが
「Pose Recognition Status: On」となれば，動作中です．
ポーズ認識が機能すると，下図の様に人物に合わせて骨格モデルが表示されます．
認識したポーズが，プログラム中の条件と一致すると，Telloが動作するようになっています．
有効なポーズは３パターンあります．
- 腕を下ろしたポーズ「ダウン45度」 - 後進
- 腕を水平に広げたポーズ「フラット」 - 前進
- 肘を曲げたポーズ「Ｖ」 - 着陸
tello_pose.pyの中に記述されたものを以下に示します．
腕をホールド
こんな風:
|
/ | \
/ \
腕を水平に
こんな風:
_ _|_ _
|
/ \
肩と肘を正しい角度に
こんな風:
|
\/|\/
/ \
という事は，全身が映る距離でなければならないので，少し離れる必要がありますね．
#おわりに
今回は「Tello_Video_With_Pose_Recognition」の使用法を解説しました．
機械学習の部分以外はTello_Videoと同じなので，特筆すべき事はありません．
tello_pose.pyの中身を読み解けば，他のポーズを追加することもできそうですが，
筆者のＰＣでは重すぎて全然試せません．．．