#はじめに
このページは，

公式SDK「Tello-Python」を試そう

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(change_directory)

$ 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,

Linux：lsの結果

$ 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.

Tello_Videoへ移動

$ 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，

Tello_Video_With_Pose_Recognitionの中身

$ 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．

Tello_Videoからlibh264decoder.soをコピー

$ 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，

modelディレクトリの中

$ 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．

getModels.shに実行権限を与えて，実行する

$ 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．

Tello_Videoの実行

$ 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．

ダウン45度

腕をホールド
こんな風:
        | 
      / | \
       / \

フラット

腕を水平に
こんな風:
      _ _|_ _
         |
        / \

Ｖ

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．．．