air - User contributions [en]

File:Working project.jpg

2016-04-20T21:06:54Z

OLVERABADILLO.ANGELICA: OLVERABADILLO.ANGELICA uploaded a new version of "File:Working project.jpg"

File:Working project.jpg

2016-04-20T20:58:00Z

OLVERABADILLO.ANGELICA:

PM2M-2016-CompteurVehicules/Suivi

2016-04-20T20:56:49Z

OLVERABADILLO.ANGELICA: /* Photos */

'''Compteur de passage de véhicules avec OpenCV'''

Etudiants [[PM2M/2016/TP|M2PGI PM2M]]: SUN Huanan, RUKUNDO Fiston, OLVERA BADILLO Angélica

Dépôt Git : [https://github.com/AngieMoomin/PM2M2016-Galileo '''github''']

Documents : [[Media:PM2M-2016-CompteurVehicules.pdf|Rapport]] - [[Media:PM2M-2016-CompteurVehicules.pdf|Transparents]]

=Description=

Ce projet a été repris du cours M2M de l'année scolaire 2011-2012: http://air.imag.fr/index.php/D%C3%A9tection_de_trafic_automobile_et_de_d%E2%80%99attente_aux_feux

Le projet repris avait pour but d'effectuer des décomptes de trafic automobiles à différents feux d'une zone urbaine. Après les résultats (le comptage) seraient envoyés à un serveur sous forme de relevés. Les relevés après pourraient être analysés pour prendre des décisions pertinents pour la zone urbaine.

'''Limitations par rapport au code repris et que nous n'avons pas améliorés. Ce n'est pas possible de:'''
* Reconnaître si l'objet repéré est une automobile ou un autre objet quelconque.
* Faire une collecte automatisée des relevés générés par le(s) caméra(s), ni l'analyse de ces données.

'''Améliorations du projet repris:'''

* Au lieu d'utiliser deux ordinateurs (une contenant la caméra). Nous avons pu utiliser Intel Galileo connecté au webcam et une ordinateur (serveur central) pour récupérer les relevés (comptage) de la camera distante.
* La réseau local c'est fait avec un router. Intel Galileo se connecte grâce au module WiFi que nous avons ajouté.

'''Améliorations en cours qui n'ont pas pu être fini:'''

* La partie du serveur central a été installée sur la machine virtuelle et c'est accessible via internet. (ajout des photos)
* Vu que la partie du serveur est déjà accessible sur internet, la partie avec la caméra distante pourrait être aussi mis à disposition sur internet. Comme ça le projet serait plus réaliste.
* Nous avons tout installé sur la machine virtuelle amazon (base de données, outils pour l'analyse, etc) mais nous n'avons pas eu du temps pour continuer (mentionné dans les limitations)

=Matériel utilisé=
* Intel Galileo
* Carte MicroSD (de taille 4Go)
* Module Wifi (modèle Atheros AR5B22)
* WebCam (USB 2.0)
* Router (FAST FW300)
* Une ordinateur

=Configuration systèmes=
* Equinox Version 3.3
* OpenCV
* Linux Ubuntu (eglibc 210 m, pour Intel Galileo)
* JDK java
* Apache Maven

=Architecture=

==Architecture Logique==

Il y a trois parties:

{| class="wikitable"
|-
! Partie
! But
|-
| Un programme opencv
| Compter le nombre de voitures et créer un ficher xml(relevé)
|-
| Caméra Serveur
| Créer outputstream du ficher xml
|-
| Serveur Central
| Établir la connexion avec Caméra Serveur et télécharger le ficher xml
|}

La première partie est aussi dans la Caméra Serveur

[[File:Architecture Logique.png]]

==Architecture Physique==

[[File:Architecture_Physique.png]]

=Manuel d'installation=

* Un programme OpenCV et une partie de Caméra serveur sont à compiler et à déployer sur la partie embarquée avec la caméra. Dans notre cas il s'agit de Intel Galileo où on a installé une distribution Linux.

Intel Galileo n'ayant pas assez d'espace mémoire (8mb SPI Flash) pour stocker les coudes sources et Linux, il faut donc utiliser un microSD pour stocker notre version Linux (eglibc 210m) téléchargeable [https://software.intel.com/enus/iot/hardware/galileo/downloads]

* Une partie de Serveur Central est à compiler et à déployer sur la machine jouant le rôle du serveur. Dans notre cas c'est l'ordinateur personnel. La machine virtuelle que nous avons créée aurait pu aussi jouer le rôle du serveur central puisque nous avons tout installé et c'est accessible via internet. Néanmoins, il n'y a pas eu assez de temps pour préparer pour ça la partie Caméra serveur.

'''Les étapes à suivre'''

'''Étape 1:''' Récupérer les codes sources ici [https://github.com/AngieMoomin/PM2M2016-Galileo]

'''Étape 2:''' Installer la distribution Linux sur la carte microSD à partir d'une machine

'''Étape 3:''' Connecter la carte microSD avc Intel Galileo

'''Étape 4:''' Installer Equinox sur la carte microSD

'''Étape 5:''' Installer les librairies OpenCV sur la carte microSD

'''Étape 6:''' Copier les fichiers

''-- information-broker-bundle-0.0.1-SNAPSHOT.jar

-- information-broker-servlet-bundle-0.0.1-SNAPSHOT.jar
au serveur central''

'''Étape 7:''' Déployé les bundles suivants

''-- camera-broker-bundle-0-SNAPSHOT.jar

-- camera-broker-servlet-bundle-0.0.1-SNAPSHOT.jar''

dans le linux sur Intel Galileo

'''Étape 8:''' Copier et Compiler la partie '''Camera_Finale''' au de la machine qui embarque la camera, dans notre cas il s'agit de Intel Galileo.
Cette étape génère un rapport d'activité qui est stocké dans un fichier appelé ''releve.xml'' qui est immédiatement transféré au serveur.

'''Étape 9:''' Du coté serveur, accéder au rapport du caméra via le lien <nowiki> http://localhost:8080/releve</nowiki>

=Photos=

[[File:Working_project.jpg]]

PM2M-2016-CompteurVehicules/Suivi

2016-04-20T20:55:18Z

OLVERABADILLO.ANGELICA: /* Description */

PM2M/2016/TP

2016-04-12T14:11:55Z

OLVERABADILLO.ANGELICA: /* Sujets des mini-projets */

Page 2016 des supports de cours et travaux pratiques de l'UE [[Projets M2PGI Services Machine-to-Machine]].

Enseignants 2016 : Didier Donsez, Laurent Lemke

Partie démarrant le 1er Mars 2016 en F112.

Soutenance : 12 Avril 2016 de 13H30 à 17H30.

Rendu fiche de synthèse : 12 Avril 2016 de 13H00

Le mini-projet réalisé en séance a pour objectif la mise en place rapide et agile d'une infrastructure (matérielle et logicielle) de collecte de données capteur. Les mesures de capteurs distribués sont acquises par des dispositifs embarqués et sont remontés vers des serveurs de données hébergés dans un cluster sur un cloud public pour y être analysées (Big Data Analytics) et visualisées (dataviz).

==Support de cours==
* [http://membres-liglab.imag.fr/donsez/pub/publi/intergiciels-iot.pdf Intergiciels pour l'IoT]
* [http://membres-liglab.imag.fr/donsez/cours/openhab.pdf La plateforme OpenHAB]
* [http://membres-liglab.imag.fr/donsez/cours/osgi.pdf La plateforme de services OSGi]

==Etapes==
* Tutoriel [[OSGi]]
* [[UE_PEIP_L1|Tutoriel Arduino]]
* Installation d'[[OpenHAB]]
** [https://www.dropbox.com/s/9qdsnvtfo3tiaj7/openhab%2Barduino.zip OpenHAB+Arduino]
* Installation de [[Mosquitto]]
** Tutoriel [[MQTT]] : https://docs.google.com/presentation/d/1N9OiMxiVWPbsVrAcPfT-J0k1o7a-neIp7TVFGa6AkWM/edit?pli=1#slide=id.g1d409a344_09
* Installation de [[Node-RED]]
** et ses extensions [http://flows.nodered.org/node/node-red-contrib-rfxcom Rfxcom], [http://flows.nodered.org/node/node-red-contrib-influxdb Influxdb], [http://flows.nodered.org/node/node-red-contrib-eddystone Eddystone], [http://flows.nodered.org/node/node-red-node-sensortag Sensortag], [http://flows.nodered.org/node/node-red-contrib-openzwave ZWave], [http://flows.nodered.org/node/node-red-contrib-bleacon iBeacon], PubNub, IFTTT, * [http://flows.nodered.org/node/node-red-contrib-amqp AMQP] ... et [http://flows.nodered.org/ autres] (en fonction de votre projet).
* Installation de dashboard de visualisation [[InfluxDB]], [[Grafana]], [[Chronograf]], [[Telegraf]], [[Kapacitor]]
* Installation de la suite [[Logstash]], [[Elastic Search]] et [[Kibana]]
* Création de comptes sur [[Amazon EC2]], [[PubNub]], [[IFTTT]] Maker, [[Streamdata.io]], [https://data.sparkfun.com/streams/make Sparkfun Data] ...
* Installation de [[Spark]]

'''Remarque : pour gagner du temps, utilisez [[Docker]] pour le déploiement des (micro-)services et [[Puppet]] pour la configuration de ceux si c'est nécessaire'''.

'''Remarque TRES TRES importante: ne sauvegardez pas les crédentials des services cloud que vous utilisez (AWS, Twitter, ...) dans des dépôts git publiques : placez les dans des documents credentials.json, credentials.properties, credentials.sh, ... et ajoutez les ces documents à .gitignore'''.

==Fiche de synthèse==
Synthétiser un des sujets suivants en 1 page maximum. La page doit être une entrée du wiki. Chaque synthèse est individuelle.
* [[SARAH]] (BUCHS Thibaud)
* [[WirelessHART]] (= BAYLE Stéphane)
* [[Weightless]] (= AIT-MOULOUD Amine)
* [[OpenRF]] (= Jean-Yves Bottraud)
* [[WMBus]]
* [[Thread]] (Google) (= GUERIN Cedric )
* [[LoRaWAN]] (= BERGER Stéphane)
* [[NB-IoT]]
* [[NB-LTE]]
* [[HaLow]] (=SUN Huanan)
* [[Iridium]] (= DONIAS Pierre)
* [[Apple Homekit]]
* [[AllJoyn]](= MAKHLOUF Mehdi)
* [[OneM2M]]
* [[OPC-UA]]
* [[DTN|Delay Tolerant Networks]] (= RUKUNDO Fiston)
* [[Radio Data System]] (= ABHAMON Ronan)
* [[Tetra Radio]]
* [[IPSO]] (= CROZE Erwan)
* [[GeoJSON]] (= AZOUZI Marwen)
* [[Avro]] (= FAURE Adrien)
* [[Thrift]] (= FAURE Maximilien)
* [[Protobuf]] (= ZAKARI TOURE Ismael)
* [[Apache Flume]] (= MARQUE Bastien)
* [[Apache Zeppelin]] (= BIGARD Florian)
* [[Kaa]]
* [[Hypercat]] (= CHARTIER Aurélien)
* [[Jupyter]] (= SAHUC Alexandre)
* [[AWS IoT]] (= DIAGNE El Hadji Malick)
* [[Brillo]] (= MENGOLI Jean-Luc)
* [[EVRYTHNG]] (= OLVERA BADILLO Angélica)
* [[OGC SensorThings]]
* [[Zephyr Project]]
* [[OpenEnergyMonitor]] (= Loïc FAGNO)
* [[PlatformIO]](= BANWARTH Pierre)
...

==Capteurs et Actionneurs==
[[Image:Genuino101.jpg|200px|thumb|right|Genuino 101]]
# STM32 Nucleo + Shield LoRa SX1276 + Shield Météo
# STM32 Nucleo + Shield NFC + Shield BLE (avec [http://www.eclipse.org/paho/clients/android/sample/ client Android MQTT])
# STM32 Nucleo + [[SparkFun FM Tuner Evaluation Board - Si4703|Récepteur RDS]] + [[ESP8266]]
# Sensors ZWave + Clé ZWave
# Sensors RFXCom 433MHz + Clé RFXCom 433MHz
# STM32 Nucleo + Shield BLE (capture de beacons [[iBeacon]] & [[AltBeacon]]) (avec [http://www.eclipse.org/paho/clients/android/sample/ client Android MQTT])
# Sensors [[enOcean]] (à vérifier auprès de Jérôme Maisonnasse)
# Sensors [[Zigbee]] (à vérifier auprès de Jérôme Maisonnasse)
# Sensors [[XBee]] (à vérifier auprès de Jérôme Maisonnasse)
# Carte Wifi [[ESP8266]] (IDE Arduino) + Shield [[OpenEnergyMonitor]]
# Carte Wifi [[ESP8266]] ([[Lua]]) + Shield [[OpenEnergyMonitor]]
# Carte de démonstration [[SigFox]]
# Carte [[Intel Curie]] [[Genuino 101]] (avec [http://www.eclipse.org/paho/clients/android/sample/ client Android MQTT])
# Carte [[Intel Curie]] [[Genuino 101]] (avec [http://www.eclipse.org/paho/clients/android/sample/ client Android MQTT]) +Ceinture cardio [http://www.decathlon.fr/cardio-bluetooth-smart-40-id_8288269.html Geonaute]
# Carte Xadow GSM+BLE du [[RePhone]] (voir [http://www.instructables.com/id/ArduinoPhone-20-an-Open-Source-Mobile-Phone-Based-/ ArduinoPhone 2.0])
# Carte LoRa

==Mini-Projet==
[[Image:M2MArchi2015-001.jpg|200px|right|thumb|Architecture Mini-Projet]]

Ce mini-projet consiste a mettre en place une infrastructure de collecte de données capteur. L'acquisition des mesures de capteurs distribués se fait sur une carte [[STM32 Nucleo]], sur une carte [[Intel Galileo]] ou sur un téléphone Android. Les technologies de comminucation sont : USB Serial, BLE, [[LoRa]], Ethernet, WiFi. Les données sont remontées dans des messages vers un serveur ([[Node-RED]]) via un "broker" [[PubSub]] ([[MQTT]] ([[Mosquitto]] ou [[RabbitMQ]]), [[Apache Kafka]], [[PubNub]], [[PubSubHubbub]], [[Socket.io]], [[WebRTC]] ...). Les formats des messages peuvent être [[JSON]] ([[GeoJSON]]), [[BSON]], [[CSV]], [[NMEA 0183]], binaire, [[XML]] ([[EEML]], [[KML]], [[Adaptive Machine Messaging Protocol (AMMP)|AMMP]] ...) ... Les données peuvent être stockées dans une base de données (SQL ou [[NoSQL]] comme [[MongoDB]], [[Redis.io]], [[InfluxDB]], ...) et visualisées en différé ou en direct ([[Grafana]], [[D3.js]], [[OpenHAB]] via le connecteur [[MQTT]], [[Bootleaf]] pour les données géolocalisées ...)

===Sujets des mini-projets===

{|class="wikitable alternance"
|+ Affectation des projets PM2M 2015-2016
|-
|
!scope="col"| Sujet
!scope="col"| Étudiants
!scope="col"| Fiche de suivi
!scope="col"| Dépôt git
!scope="col"| Documents
!scope="col"| Matériel
|-

!scope="row"| 1
| Géolocalisation Outdoor sans GPS
| AVRIL Sébastien, BOTTRAUD Jean-Yves, FAGNO Loïc, BERGER Stéphane
| [[PM2M-2016-GeolocOutdoor/Suivi| '''Fiche''']]
| [https://github.com/PM2M-2016-GeolocOutdoor/pm2m '''github''']
| [[Media:PM2M-2016-GeolocOutdoor.pdf|Rapport]] - [[Media:PM2M-2016-GeolocOutdoor-slides.pdf|Transparents]] - [[Media:PM2M-2016-GeolocOutdoor-flyer.pdf|Flyer]]
| Cartes [[STM32 Nucleo]] (x4), Shield MBed [[LoRa]] SX1276 (x4), Semtech LoRaMote (x2)
|-

!scope="row"| 2
| Monitoring de consommation électrique avec [[OpenEnergyMonitor]]
| AZOUZI MARWEN, FAURE ADRIEN

| [[PM2M-2016-Presence/Suivi| '''Fiche''']]
| [https://github.com/PM2M-2016-Presence/pm2m '''github''']
| [[Media:PM2M-2016-Presence.pdf|Rapport]] - [[Media:PM2M-2016-Presence-slides.pdf|Transparents]] - [[Media:PM2M-2016-Presence-flyer.pdf|Flyer]]
| ESP8266 + Current Sensor + FTDI + Breadboard
|-

!scope="row"| 3
| Feuille de présence apprenti NFC
| FAURE MAXIMILIEN, MARQUE BASTIEN

| [[PM2M-2016-NFCApprenti/Suivi| '''Fiche''']]
| [https://github.com/PM2M-2016-NFCApprenti/pm2m '''github''']
| [[Media:PM2M-2016-NFCApprenti.pdf|Rapport]] - [[Media:PM2M-2016-NFCApprenti-slides.pdf|Transparents]] - [[Media:PM2M-2016-NFCApprenti-flyer.pdf|Flyer]]
| BBB + Lecteur NFC ACR 211 + Tags NFC
|-

!scope="row"| 4
| LoRaMote Wyres
| SAHUC Alexandre, CROZE Erwan

| [[PM2M-2016-LoRaMote/Suivi| '''Fiche''']]
| [https://github.com/PM2M2016-MOTES/PM2M2016-MOTES '''github''']
| [[Media:PM2M-2016-LoRaMote.pdf|Rapport]] - [https://github.com/PM2M2016-MOTES/PM2M2016-MOTES/blob/master/expo/expoM2M.pdf '''Transparents'''] - [[Media:PM2M-2016-LoRaMote-flyer.pdf|Flyer]]
| 2 Motes Wyres + RPI1 + 1 LoRaMote Semtech + 1 carte SX1301 [[IMST iC880A]] (FTDI)
|-

!scope="row"| 5
| Méteo 433 MHz
| CHARTIER Aurelien, MENGOLI JEAN-LUC
| [[PM2M-2016-Meteo433/Suivi| '''Fiche''']]
| [https://github.com/PM2M2016-CHARTIER-MENGOLI/M2M_Projet '''github''']
| [[Media:PM2M-2016-Meteo433.pdf|Rapport]] - [[Media:M2M-Chartier-Mengoli_Presentation.pptx|Transparents]] - [[Media:PM2M-2016-Meteo433-flyer.pdf|Flyer]]
| BBB + RFXCom + 2 Sondes (UV, Thermo) + Modules TxRx 433
|-

!scope="row"| 6
| Lecteur NFC Sigfox (Application : Gestion des rondes de surveillance)
| AIT-MOULOUD Amine, GUERIN CEDRIC
| [[PM2M-2016-NFCSigfox/Suivi| '''Fiche''']]
| [https://github.com/PM2M-2016-NFCSigfox/pm2m '''github''']
| [[Media:PM2M-2016-NFCSigfox.pdf|Rapport]] - [[Media:PM2M-2016-NFCSigfox-slides.pdf|Transparents]]
| Platine Snooplab Areku [[SigFox]] + Shield [[NFC]] + Tag NFC
|-

!scope="row"| 7
| Collecte et analyse de messages RDS par radio FM
| ABHAMON Ronan, BIGARD FLORIAN
| [[PM2M-2016-RDSMining/Suivi| '''Fiche''']]
| [https://github.com/PM2M2016-A-B/ '''github''']
| [https://github.com/PM2M2016-A-B/FM-tuner/blob/master/README.md '''Rapport'''] - [[Media:Pres.pdf|Transparents]]
| [[BeagleBone Black]] + [[SparkFun FM Tuner Evaluation Board - Si4703|Sparkfun FM Tuner]] + Ecran [[Graphic LCD 84x48 - Nokia 5110]]
|-

!scope="row"| 8
| Serrure intelligente - voir [[Touchkey]] & [[SmartSelfService/FicheSuivi2014|SmartSelfService]]
| BAYLE STEPHANE, BUCHS THIBAUD, MAKHLOUF MEHDI
| [[PM2M-2016-NfcCoffrefortStm32Nucleo/Suivi| '''Fiche''']]
| [https://github.com/PM2M2016-STM32NUCLEO/M2M '''github''']
| [[Media:PM2M-2016-NfcCoffrefort-slides.pdf|Transparents]]
| [[STM32 Nucleo]] + Shield Nucleo [[NFC]] + [[Raspberry Pi]] + Coffre-fort de [[FabMSTIC]]
|-

!scope="row"| 9
| Compteur de passage de véhicules avec [[OpenCV]] (A CONFIRMER)
| OLVERA BADILLO ANGELICA, RUKUNDO Fiston, SUN HUANAN
| [[PM2M-2016-CompteurVehicules/Suivi| '''Fiche''']]
| [https://github.com/AngieMoomin/PM2M2016-Galileo '''github''']
| [[Media:PM2M-2016-XXXXX.pdf|Rapport]] - [[Media:PM2M-2016-CompteurVehicules.pdf|Transparents]] - [[Media:PM2M-2016-XXXXX-flyer.pdf|Flyer]]
| [[Intel Galileo]] + Alim 5V + Module Wifi [[ESP8266]] + WebCam USB
|-

!scope="row"| 10
| Culture Hydroponique
| BANWARTH PIERRE, DONIAS PIERRE
| [[PM2M-2016-CultureHydroponique/Suivi| '''Fiche''']]
| [https://github.com/PierreBanwarth/M2M_E-Grow '''github''']
| [[Media:PM2M-2016-CultureHydroponique.pdf|Rapport]] - [[Media:PM2M-2016-CultureHydroponique-slides.pdf|Transparents]] - [[Media:PM2M-2016-CultureHydroponique-flyer.pdf|Flyer]]
| Arduino Uno, Pompe Peristalique, LEDs, Enceintes, Capteur Ultrason, 2 raspberry pi 2, [[AgriSensor_:_Arduino-Based_Sensor_for_Agriculture|AgriSensor]]

|-

!scope="row"| 11
| Capteurs XBee
| DIAGNE EI HADJI MALICK, ZAKARI TOURE ISMAEL
| [[PM2M-2016-XBee/Suivi| '''Fiche''']]
| [https://github.com/PM2M-2016-XBee/pm2m '''github''']
| [[Media:PM2M-2016-XBee.pdf|Rapport]] - [[Media:PM2M-2016-XBee-slides.pdf|Transparents]] - [[Media:PM2M-2016-XBee-flyer.pdf|Flyer]]
| [[Arduino FIO]] + FTDI + 2 [[XBee S1]] + Xbee Explorer
|-

|}

==Contenu général des mini-projets==
Les équipes ne font qu'une partie des manipulations en fonction du sujet du mini-projet affecté.

====[[CoAP]] Binding for [[OpenHAB]]====
* avec [[Californium]]
* avec https://github.com/eclipse/californium/pull/25

====Extension de [[Node-RED]]====
Création ou Amélioration de Nodes
* Node Crypto (avec https://nodejs.org/api/crypto.html)
* Node [[Apache Kafka]]
* Node [[Apache Flume]]
* Node [[CoAP]]
* Node [[UPnP]]
* Node [[DTLS]] en étendant le node UDP
* Node [[Radio Data System]] pour [[SparkFun FM Tuner Evaluation Board - Si4703]]
* Node [[SigFox]] (uplink et downlink)
* Node Sérialisation/Déserialisation [[Avro]]
* Node Sérialisation/Déserialisation [[Thrift]]
* Node Sérialisation/Déserialisation [[Protobuf]]
* Node [[Phant.io]] pour [https://data.sparkfun.com/streams/make Sparkfun Data]
* Node [[Streamdata.io]]
* Node [[SensorTag2015]] (sur la base du noeud [http://flows.nodered.org/node/node-red-node-sensortag SensorTag])
* Node Provider SMS Twilio
* Node [[Provider SMS Free Mobile]]
* Node Provider SMS Orange Mobile

Le code devra être recontribué en open-source sur GitHub et catalogué dans http://flows.nodered.org/

====Déploiement sur plateforme Cloud====
Le serveur [[Node-RED]] et le "broker" [[PubSub]] [[MQTT]] ([[Mosquitto]] ou [[RabbitMQ]]) peuvent être hébergé sur une plateforme cloud comme [[Windows Azure]] ou [[Amazon EC2]], [[Heroku]], [[IBM Bluemix]] ou sur votre machine.

'''Attention, Eduroam bloque le port 1883 du protocole [[MQTT]] (entre autre).'''

====[[PubSub]] des mesures capteur avec [[Apache Kafka]]====
[[Image:GPSKafkaStormAzureDemo.png|200px|right|thumb|GPS > Kafka > Storm on Azure Demo]]
Remplacer le broker [[MQTT]] par le broker [[PubSub]] [[Apache Kafka]] qui peut fonctionner en configuration distribuée et répliquée (plusieurs serveurs sur une plateforme cloud).

====[[PubSub]] des mesures capteur avec [[Apache Flume]]====
Remplacer le broker [[MQTT]] par le broker [[PubSub]] [[Apache Flume]] qui peut fonctionner en configuration distribuée et répliquée (plusieurs serveurs sur une plateforme cloud).

====Collecte, Stockage et Visualisation des mesures capteur avec [[Logstash]], [[Elastic Search]], [[Kibana]]====

voir [http://flows.nodered.org/node/node-red-contrib-elasticsearch3 NodeRED ElasticSearch3]

====Affichage des positions avec [[Bootleaf]]====
Refactorer et améliorer [[Bootleaf]] afin de visualiser en temps réel les données géolocalisées de vos capteurs ou des traces (séries temporelles de positions). Exemple: tester la présence d'un champ latlon, latlonalt, geo, ... dans le JSON des flows [[Node-RED]].

====Analyse des mesures capteurs en temps réel avec [[Spark|Apache Spark Streaming]]====
Installer [[Spark]] sur un petit cluster EC2 (1 master et 2 slaves en Ubuntu 14.04 t2.micro).

S'inspirer du script Scala MQTTCount pour calculer des valeurs agrégées (avg, min, max) des groupes de capteurs sur des fenêtres de 5 minutes.

Faire de même avec les brokers [[Apache Kafka]] et [[Apache Flume]]

====Intégration à un ESB [[Apache Camel]]====
Compléter le tutoriel avec un déploiement de composants [[Apache Camel]]
Vous pourrez utiliser les composants suivants
* https://camel.apache.org/weather.html
* https://camel.apache.org/mqtt.html
** http://tingenek.wordpress.com/category/mqtt/
* https://camel.apache.org/rss.html
* https://camel.apache.org/esper.html
* https://camel.apache.org/mongodb.html
** https://code.google.com/a/apache-extras.org/p/camel-extra/wiki/EsperDemo
* [[InfluxDB]]

====Monitoring de votre infrastructure avec [[Telegraf]], [[InfluxDB]], [[Grafana]] et [[Kapacitor]]====

====Monitoring de votre infrastructure avec [[AWS Cloudwatch]] et [[Grafana]]====

Pour monitorer les machines qui hébergent les serveurs ([[Mosquitto]], ...) sur AWS EC2:
* Activer [[AWS Cloudwatch]]
* Configurer [[Grafana]] pour AWS Cloudwatch ([http://docs.grafana.org/v2.6/datasources/cloudwatch/ lien]).

==Soutenances==

====Planning des soutenances====
COMING SOON

====Instructions pour les soutenances des mini-projets====

* chaque soutenance dure 15 minutes comportant une présentation de 7 minutes ainsi qu'une démonstration de 5 minutes et 3 à 5 minutes de questions/réponses.
* respectez le temps donc repetez la
* remplissez le doodle pour choisir un creneau de passage
* la présentation mettra en avant
** le titre (avec les noms prénoms des binômes)
** les applications IoT cibles/envisagées
** le ou les architectures (successivement) implémentées,
** les composants logiciels et matériels utilisés,
** les métriques (langages de programmation, sloc, performance ...),
** les problèmes rencontrés et les solutions élaborées,
** la conclusion
** des perspectives possibles à votre développement.

Le code, le rapport et le PDF de la presentation doivent être livré dans un dépôt Github la veille de la soutenance.
Le rapport qui détaille les éléments de la présentation sera livré dans un README.md ou README.html dans le dépôt GitHub.

Envoyez le lien vers le dépôt Github (code + présentation) avant la soutenance.

La présentation peut-être réalisée avec [[Reveal.js]].

Pensez a répéter vos présentations.

==Projets==

==Matériel à disposition==
* [[Intel Galileo]]
* http://intel-software-academic-program.com/courses/#iot
** http://intel-software-academic-program.com/courses/diy/Intel_Academic_-_DIY_-_InternetOfThings/IntelAcademic_IoT_09_Arduino_Motor_Shield.pdf
* [[Gas Sensors]]
* [[DHT11/DHT21/DHT22 etc. Temperature & Humidity sensors]]
* [[SCL3711]] NFC Reader --> voir [[NFCpy]]
* [[Capteur de pression BMP085]]
* [[High Sensitivity Alarm Vibration Sensor Module]]
* [[PIR Motion Sensor]]
* [[BMP085 Pressure Sensor]]
* [[CC2541 SensorTag Development Kit]]
* [[Socket.io]]
* [[STM32 Nucleo]]
** Shield BlueNRG
* 2 Shields [[LoRa]] pour Arduino ([http://www.labfab.fr/portfolio/lora-fabian/ LoRaFabian]) à brancher sur Galileo et STM32 Nucleo.
** Il faut porter les sketchs Arduino https://github.com/Wi6labs/lorafabian/tree/master/ARDUINO_SKETCH via MBed et Galileo.

==Visualisation==
* [https://github.com/PaulLabat/mqtt-panel MQTT Panel]
* MQTT over Websocket
** https://www.npmjs.org/package/mqtt-ws
** http://mqtt.org/wiki/doku.php/mqtt_over_websockets
* [[Leaflet.js]] modern open-source JavaScript library for mobile-friendly interactive maps
* [[Morris.js]] Charts in Javascript
* [[Grafana]]
* [[Graphite]]
* [[Ganglia]]

==Stockage==
* [[InfluxDB]]
* [[MongoDB]]

==Liens==
* [[Intel Galileo]]
* http://wiki.eclipse.org/Eclipse_IoT_Day_Grenoble_2014
* https://github.com/SmartDollHouse
* https://twitter.com/FablabAIR

==Autres==
* [[IoTSyS]]
* [https://github.com/denschu/home.pi Home.pi]
* [[OM2M]]
* [[Gladys]]
* DEPRECATED : [[MQTT Panel]] avec [http://code.shutterstock.com/rickshaw/examples/ rickshaw]
* [https://github.com/SmartDollHouse Dépôt GitHub]
* [http://www.oezratty.net/wordpress/2016/rapport-ces-2016/ Rapport 2016 sur le CES de Olivier Ezratty]
* [[Flot Charts]]

==Galerie 2016==

==Galerie 2015==

==Galerie 2014==
[[Image:PM2M214-001.jpg|200px|PM2M 2014]][[Image:PM2M214-002.jpg|200px|PM2M 2014]][[Image:PM2M214-003.jpg|200px|PM2M 2014]][[Image:PM2M214-004.jpg|200px|PM2M 2014]][[Image:PM2M214-005.jpg|200px|PM2M 2014]][[Image:PM2M214-006.jpg|200px|PM2M 2014]][[Image:PM2M214-007.jpg|200px|PM2M 2014]][[Image:PM2M214-008.jpg|200px|PM2M 2014]]

File:PM2M-2016-CompteurVehicules.pdf

2016-04-12T14:08:17Z

OLVERABADILLO.ANGELICA:

PM2M-2016-CompteurVehicules/Suivi

2016-04-12T13:28:03Z

OLVERABADILLO.ANGELICA: /* Configuration systèmes */

'''Compteur de passage de véhicules avec OpenCV'''

Etudiants [[PM2M/2016/TP|M2PGI PM2M]]: SUN Huanan, RUKUNDO Fiston, OLVERA BADILLO Angélica

Dépôt Git : [https://github.com/AngieMoomin/PM2M2016-Galileo '''github''']

Documents : [[Media:PM2M-2016-CompteurVehicules.pdf|Rapport]] - [[Media:PM2M-2016-CompteurVehicules.pdf|Transparents]]

=Description=

Ce projet a été repris du cours M2M de l'année scolaire 2011-2012: http://air.imag.fr/index.php/D%C3%A9tection_de_trafic_automobile_et_de_d%E2%80%99attente_aux_feux

Le projet repris avait pour but d'effectuer des décomptes de trafic automobiles à différents feux d'une zone urbaine. Après les résultats (le comptage) seraient envoyés à un serveur sous forme de relevés. Les relevés après pourraient être analysés pour prendre des décisions pertinents pour la zone urbaine.

'''Limitations par rapport au code repris et que nous n'avons pas améliorés. Ce n'est pas possible de:'''
* Reconnaître si l'objet repéré est une automobile ou un autre objet quelconque.
* Faire une collecte automatisée des relevés générés par le(s) caméra(s), ni l'analyse de ces données.

'''Améliorations du projet repris:'''

* Au lieu d'utiliser deux ordinateurs (une contenant la caméra). Nous avons pu utiliser Intel Galileo connecté au webcam et une ordinateur (serveur central) pour récupérer les relevés (comptage) de la camera distante.
* La réseau local c'est fait avec un router. Intel Galileo se connecte grâce au module WiFi que nous avons ajouté.

'''Améliorations en cours qui n'ont pas pu être finir:'''

* La partie du serveur central a été installée sur la machine virtuelle et c'est accessible via internet. (ajout des photos)
* Vu que la partie du serveur est déjà accessible sur internet, la partie avec la caméra distante pourrait être aussi mis à disposition sur internet. Comme ça le projet serait plus réaliste.
* Nous avons tout installé sur la machine virtuelle amazon (base de données, outils pour l'analyse, etc) mais nous n'avons pas eu du temps pour continuer (mentionné dans les limitations)

=Matériel utilisé=
* Intel Galileo
* Carte MicroSD (de taille 4Go)
* Module Wifi (modèle Atheros AR5B22)
* WebCam (USB 2.0)
* Router (FAST FW300)
* Une ordinateur

=Configuration systèmes=
* Equinox Version 3.3
* OpenCV
* Linux Ubuntu (eglibc 210 m, pour Intel Galileo)
* JDK java
* Apache Maven

=Architecture=

==Architecture Logique==

Il y a trois parties:

{| class="wikitable"
|-
! Partie
! But
|-
| Un programme opencv
| Compter le nombre de voitures et créer un ficher xml(relevé)
|-
| Caméra Serveur
| Créer outputstream du ficher xml
|-
| Serveur Central
| Établir la connexion avec Caméra Serveur et télécharger le ficher xml
|}

La première partie est aussi dans la Caméra Serveur

[[File:Architecture Logique.png]]

==Architecture Physique==

[[File:Architecture_Physique.png]]

=Manuel d'installation=

* Un programme OpenCV et une partie de Caméra serveur sont à compiler et à déployer sur la partie embarquée avec la caméra. Dans notre cas il s'agit de Intel Galileo où on a installé une distribution Linux.

Intel Galileo n'ayant pas assez d'espace mémoire (8mb SPI Flash) pour stocker les coudes sources et Linux, il faut donc utiliser un microSD pour stocker notre version Linux (eglibc 210m) téléchargeable [https://software.intel.com/enus/iot/hardware/galileo/downloads]

* Une partie de Serveur Central est à compiler et à déployer sur la machine jouant le rôle du serveur. Dans notre cas c'est l'ordinateur personnel. La machine virtuelle que nous avons créée aurait pu aussi jouer le rôle du serveur central puisque nous avons tout installé et c'est accessible via internet. Néanmoins, il n'y a pas eu assez de temps pour préparer pour ça la partie Caméra serveur.

'''Les étapes à suivre'''

'''Étape 1:''' Récupérer les codes sources ici [https://github.com/AngieMoomin/PM2M2016-Galileo]

'''Étape 2:''' Installer la distribution Linux sur la carte microSD à partir d'une machine

'''Étape 3:''' Connecter la carte microSD avc Intel Galileo

'''Étape 4:''' Installer Equinox sur la carte microSD

'''Étape 5:''' Installer les librairies OpenCV sur la carte microSD

'''Étape 6:''' Copier les fichiers

''-- information-broker-bundle-0.0.1-SNAPSHOT.jar

-- information-broker-servlet-bundle-0.0.1-SNAPSHOT.jar
au serveur central''

'''Étape 7:''' Déployé les bundles suivants

''-- camera-broker-bundle-0-SNAPSHOT.jar

-- camera-broker-servlet-bundle-0.0.1-SNAPSHOT.jar''

dans le linux sur Intel Galileo

'''Étape 8:''' Copier et Compiler la partie '''Camera_Finale''' au de la machine qui embarque la camera, dans notre cas il s'agit de Intel Galileo.
Cette étape génère un rapport d'activité qui est stocké dans un fichier appelé ''releve.xml'' qui est immédiatement transféré au serveur.

'''Étape 9:''' Du coté serveur, accéder au rapport du caméra via le lien <nowiki> http://localhost:8080/releve</nowiki>

=Photos=

PM2M-2016-CompteurVehicules/Suivi

2016-04-12T13:27:32Z

OLVERABADILLO.ANGELICA: /* Matériel utilisé */

'''Compteur de passage de véhicules avec OpenCV'''

Etudiants [[PM2M/2016/TP|M2PGI PM2M]]: SUN Huanan, RUKUNDO Fiston, OLVERA BADILLO Angélica

Dépôt Git : [https://github.com/AngieMoomin/PM2M2016-Galileo '''github''']

Documents : [[Media:PM2M-2016-CompteurVehicules.pdf|Rapport]] - [[Media:PM2M-2016-CompteurVehicules.pdf|Transparents]]

=Description=

Ce projet a été repris du cours M2M de l'année scolaire 2011-2012: http://air.imag.fr/index.php/D%C3%A9tection_de_trafic_automobile_et_de_d%E2%80%99attente_aux_feux

Le projet repris avait pour but d'effectuer des décomptes de trafic automobiles à différents feux d'une zone urbaine. Après les résultats (le comptage) seraient envoyés à un serveur sous forme de relevés. Les relevés après pourraient être analysés pour prendre des décisions pertinents pour la zone urbaine.

'''Limitations par rapport au code repris et que nous n'avons pas améliorés. Ce n'est pas possible de:'''
* Reconnaître si l'objet repéré est une automobile ou un autre objet quelconque.
* Faire une collecte automatisée des relevés générés par le(s) caméra(s), ni l'analyse de ces données.

'''Améliorations du projet repris:'''

* Au lieu d'utiliser deux ordinateurs (une contenant la caméra). Nous avons pu utiliser Intel Galileo connecté au webcam et une ordinateur (serveur central) pour récupérer les relevés (comptage) de la camera distante.
* La réseau local c'est fait avec un router. Intel Galileo se connecte grâce au module WiFi que nous avons ajouté.

'''Améliorations en cours qui n'ont pas pu être finir:'''

* La partie du serveur central a été installée sur la machine virtuelle et c'est accessible via internet. (ajout des photos)
* Vu que la partie du serveur est déjà accessible sur internet, la partie avec la caméra distante pourrait être aussi mis à disposition sur internet. Comme ça le projet serait plus réaliste.
* Nous avons tout installé sur la machine virtuelle amazon (base de données, outils pour l'analyse, etc) mais nous n'avons pas eu du temps pour continuer (mentionné dans les limitations)

=Matériel utilisé=
* Intel Galileo
* Carte MicroSD (de taille 4Go)
* Module Wifi (modèle Atheros AR5B22)
* WebCam (USB 2.0)
* Router (FAST FW300)
* Une ordinateur

=Configuration systèmes=
* Equinox Version 3.3
* OpenCV
* Linux Ubuntu (eglibc 210 m)
* JDK java
* Apache Maven

=Architecture=

==Architecture Logique==

Il y a trois parties:

{| class="wikitable"
|-
! Partie
! But
|-
| Un programme opencv
| Compter le nombre de voitures et créer un ficher xml(relevé)
|-
| Caméra Serveur
| Créer outputstream du ficher xml
|-
| Serveur Central
| Établir la connexion avec Caméra Serveur et télécharger le ficher xml
|}

La première partie est aussi dans la Caméra Serveur

[[File:Architecture Logique.png]]

==Architecture Physique==

[[File:Architecture_Physique.png]]

=Manuel d'installation=

* Un programme OpenCV et une partie de Caméra serveur sont à compiler et à déployer sur la partie embarquée avec la caméra. Dans notre cas il s'agit de Intel Galileo où on a installé une distribution Linux.

Intel Galileo n'ayant pas assez d'espace mémoire (8mb SPI Flash) pour stocker les coudes sources et Linux, il faut donc utiliser un microSD pour stocker notre version Linux (eglibc 210m) téléchargeable [https://software.intel.com/enus/iot/hardware/galileo/downloads]

* Une partie de Serveur Central est à compiler et à déployer sur la machine jouant le rôle du serveur. Dans notre cas c'est l'ordinateur personnel. La machine virtuelle que nous avons créée aurait pu aussi jouer le rôle du serveur central puisque nous avons tout installé et c'est accessible via internet. Néanmoins, il n'y a pas eu assez de temps pour préparer pour ça la partie Caméra serveur.

'''Les étapes à suivre'''

'''Étape 1:''' Récupérer les codes sources ici [https://github.com/AngieMoomin/PM2M2016-Galileo]

'''Étape 2:''' Installer la distribution Linux sur la carte microSD à partir d'une machine

'''Étape 3:''' Connecter la carte microSD avc Intel Galileo

'''Étape 4:''' Installer Equinox sur la carte microSD

'''Étape 5:''' Installer les librairies OpenCV sur la carte microSD

'''Étape 6:''' Copier les fichiers

''-- information-broker-bundle-0.0.1-SNAPSHOT.jar

-- information-broker-servlet-bundle-0.0.1-SNAPSHOT.jar
au serveur central''

'''Étape 7:''' Déployé les bundles suivants

''-- camera-broker-bundle-0-SNAPSHOT.jar

-- camera-broker-servlet-bundle-0.0.1-SNAPSHOT.jar''

dans le linux sur Intel Galileo

'''Étape 8:''' Copier et Compiler la partie '''Camera_Finale''' au de la machine qui embarque la camera, dans notre cas il s'agit de Intel Galileo.
Cette étape génère un rapport d'activité qui est stocké dans un fichier appelé ''releve.xml'' qui est immédiatement transféré au serveur.

'''Étape 9:''' Du coté serveur, accéder au rapport du caméra via le lien <nowiki> http://localhost:8080/releve</nowiki>

=Photos=

File:Architecture Physique.png

2016-04-12T13:21:12Z

OLVERABADILLO.ANGELICA:

PM2M-2016-CompteurVehicules/Suivi

2016-04-12T13:13:37Z

OLVERABADILLO.ANGELICA: /* Architecture Physique */

'''Compteur de passage de véhicules avec OpenCV'''

Etudiants [[PM2M/2016/TP|M2PGI PM2M]]: SUN Huanan, RUKUNDO Fiston, OLVERA BADILLO Angélica

Dépôt Git : [https://github.com/AngieMoomin/PM2M2016-Galileo '''github''']

Documents : [[Media:PM2M-2016-CompteurVehicules.pdf|Rapport]] - [[Media:PM2M-2016-CompteurVehicules.pdf|Transparents]]

=Description=

Ce projet a été repris du cours M2M de l'année scolaire 2011-2012: http://air.imag.fr/index.php/D%C3%A9tection_de_trafic_automobile_et_de_d%E2%80%99attente_aux_feux

Le projet repris avait pour but d'effectuer des décomptes de trafic automobiles à différents feux d'une zone urbaine. Après les résultats (le comptage) seraient envoyés à un serveur sous forme de relevés. Les relevés après pourraient être analysés pour prendre des décisions pertinents pour la zone urbaine.

'''Limitations par rapport au code repris et que nous n'avons pas améliorés. Ce n'est pas possible de:'''
* Reconnaître si l'objet repéré est une automobile ou un autre objet quelconque.
* Faire une collecte automatisée des relevés générés par le(s) caméra(s), ni l'analyse de ces données.

'''Améliorations du projet repris:'''

* Au lieu d'utiliser deux ordinateurs (une contenant la caméra). Nous avons pu utiliser Intel Galileo connecté au webcam et une ordinateur (serveur central) pour récupérer les relevés (comptage) de la camera distante.
* La réseau local c'est fait avec un router. Intel Galileo se connecte grâce au module WiFi que nous avons ajouté.

'''Améliorations en cours qui n'ont pas pu être finir:'''

* La partie du serveur central a été installée sur la machine virtuelle et c'est accessible via internet. (ajout des photos)
* Vu que la partie du serveur est déjà accessible sur internet, la partie avec la caméra distante pourrait être aussi mis à disposition sur internet. Comme ça le projet serait plus réaliste.
* Nous avons tout installé sur la machine virtuelle amazon (base de données, outils pour l'analyse, etc) mais nous n'avons pas eu du temps pour continuer (mentionné dans les limitations)

=Matériel utilisé=
* Intel Galileo
* Carte MicroSD (de taille 4Go)
* Module Wifi (modèle Atheros AR5B22)
* WebCam (USB 2.0)

=Configuration systèmes=
* Equinox Version 3.3
* OpenCV
* Linux Ubuntu (eglibc 210 m)
* JDK java
* Apache Maven

=Architecture=

==Architecture Logique==

Il y a trois parties:

{| class="wikitable"
|-
! Partie
! But
|-
| Un programme opencv
| Compter le nombre de voitures et créer un ficher xml(relevé)
|-
| Caméra Serveur
| Créer outputstream du ficher xml
|-
| Serveur Central
| Établir la connexion avec Caméra Serveur et télécharger le ficher xml
|}

La première partie est aussi dans la Caméra Serveur

[[File:Architecture Logique.png]]

==Architecture Physique==

[[File:Architecture_Physique.png]]

=Manuel d'installation=

* Un programme OpenCV et une partie de Caméra serveur sont à compiler et à déployer sur la partie embarquée avec la caméra. Dans notre cas il s'agit de Intel Galileo où on a installé une distribution Linux.

Intel Galileo n'ayant pas assez d'espace mémoire (8mb SPI Flash) pour stocker les coudes sources et Linux, il faut donc utiliser un microSD pour stocker notre version Linux (eglibc 210m) téléchargeable [https://software.intel.com/enus/iot/hardware/galileo/downloads]

* Une partie de Serveur Central est à compiler et à déployer sur la machine jouant le rôle du serveur. Dans notre cas c'est l'ordinateur personnel. La machine virtuelle que nous avons créée aurait pu aussi jouer le rôle du serveur central puisque nous avons tout installé et c'est accessible via internet. Néanmoins, il n'y a pas eu assez de temps pour préparer pour ça la partie Caméra serveur.

'''Les étapes à suivre'''

'''Étape 1:''' Récupérer les codes sources ici [https://github.com/AngieMoomin/PM2M2016-Galileo]

'''Étape 2:''' Installer la distribution Linux sur la carte microSD à partir d'une machine

'''Étape 3:''' Connecter la carte microSD avc Intel Galileo

'''Étape 4:''' Installer Equinox sur la carte microSD

'''Étape 5:''' Installer les librairies OpenCV sur la carte microSD

'''Étape 6:''' Copier les fichiers

''-- information-broker-bundle-0.0.1-SNAPSHOT.jar

-- information-broker-servlet-bundle-0.0.1-SNAPSHOT.jar
au serveur central''

'''Étape 7:''' Déployé les bundles suivants

''-- camera-broker-bundle-0-SNAPSHOT.jar

-- camera-broker-servlet-bundle-0.0.1-SNAPSHOT.jar''

dans le linux sur Intel Galileo

'''Étape 8:''' Copier et Compiler la partie '''Camera_Finale''' au de la machine qui embarque la camera, dans notre cas il s'agit de Intel Galileo.
Cette étape génère un rapport d'activité qui est stocké dans un fichier appelé ''releve.xml'' qui est immédiatement transféré au serveur.

'''Étape 9:''' Du coté serveur, accéder au rapport du caméra via le lien <nowiki> http://localhost:8080/releve</nowiki>

=Photos=

PM2M-2016-CompteurVehicules/Suivi

2016-04-12T12:58:47Z

OLVERABADILLO.ANGELICA: /* Manuel d'installation */

'''Compteur de passage de véhicules avec OpenCV'''

Etudiants [[PM2M/2016/TP|M2PGI PM2M]]: SUN Huanan, RUKUNDO Fiston, OLVERA BADILLO Angélica

Dépôt Git : [https://github.com/AngieMoomin/PM2M2016-Galileo '''github''']

Documents : [[Media:PM2M-2016-CompteurVehicules.pdf|Rapport]] - [[Media:PM2M-2016-CompteurVehicules.pdf|Transparents]]

=Description=

Ce projet a été repris du cours M2M de l'année scolaire 2011-2012: http://air.imag.fr/index.php/D%C3%A9tection_de_trafic_automobile_et_de_d%E2%80%99attente_aux_feux

Le projet repris avait pour but d'effectuer des décomptes de trafic automobiles à différents feux d'une zone urbaine. Après les résultats (le comptage) seraient envoyés à un serveur sous forme de relevés. Les relevés après pourraient être analysés pour prendre des décisions pertinents pour la zone urbaine.

'''Limitations par rapport au code repris et que nous n'avons pas améliorés. Ce n'est pas possible de:'''
* Reconnaître si l'objet repéré est une automobile ou un autre objet quelconque.
* Faire une collecte automatisée des relevés générés par le(s) caméra(s), ni l'analyse de ces données.

'''Améliorations du projet repris:'''

* Au lieu d'utiliser deux ordinateurs (une contenant la caméra). Nous avons pu utiliser Intel Galileo connecté au webcam et une ordinateur (serveur central) pour récupérer les relevés (comptage) de la camera distante.
* La réseau local c'est fait avec un router. Intel Galileo se connecte grâce au module WiFi que nous avons ajouté.

'''Améliorations en cours qui n'ont pas pu être finir:'''

* La partie du serveur central a été installée sur la machine virtuelle et c'est accessible via internet. (ajout des photos)
* Vu que la partie du serveur est déjà accessible sur internet, la partie avec la caméra distante pourrait être aussi mis à disposition sur internet. Comme ça le projet serait plus réaliste.
* Nous avons tout installé sur la machine virtuelle amazon (base de données, outils pour l'analyse, etc) mais nous n'avons pas eu du temps pour continuer (mentionné dans les limitations)

=Matériel utilisé=
* Intel Galileo
* Carte MicroSD (de taille 4Go)
* Module Wifi (modèle Atheros AR5B22)
* WebCam (USB 2.0)

=Configuration systèmes=
* Equinox Version 3.3
* OpenCV
* Linux Ubuntu (eglibc 210 m)
* JDK java
* Apache Maven

=Architecture=

==Architecture Logique==

Il y a trois parties:

{| class="wikitable"
|-
! Partie
! But
|-
| Un programme opencv
| Compter le nombre de voitures et créer un ficher xml(relevé)
|-
| Caméra Serveur
| Créer outputstream du ficher xml
|-
| Serveur Central
| Établir la connexion avec Caméra Serveur et télécharger le ficher xml
|}

La première partie est aussi dans la Caméra Serveur

[[File:Architecture Logique.png]]

==Architecture Physique==

=Manuel d'installation=

* Un programme OpenCV et une partie de Caméra serveur sont à compiler et à déployer sur la partie embarquée avec la caméra. Dans notre cas il s'agit de Intel Galileo où on a installé une distribution Linux.

Intel Galileo n'ayant pas assez d'espace mémoire (8mb SPI Flash) pour stocker les coudes sources et Linux, il faut donc utiliser un microSD pour stocker notre version Linux (eglibc 210m) téléchargeable [https://software.intel.com/enus/iot/hardware/galileo/downloads]

* Une partie de Serveur Central est à compiler et à déployer sur la machine jouant le rôle du serveur. Dans notre cas c'est l'ordinateur personnel. La machine virtuelle que nous avons créée aurait pu aussi jouer le rôle du serveur central puisque nous avons tout installé et c'est accessible via internet. Néanmoins, il n'y a pas eu assez de temps pour préparer pour ça la partie Caméra serveur.

'''Les étapes à suivre'''

'''Étape 1:''' Récupérer les codes sources ici [https://github.com/AngieMoomin/PM2M2016-Galileo]

'''Étape 2:''' Installer la distribution Linux sur la carte microSD à partir d'une machine

'''Étape 3:''' Connecter la carte microSD avc Intel Galileo

'''Étape 4:''' Installer Equinox sur la carte microSD

'''Étape 5:''' Installer les librairies OpenCV sur la carte microSD

'''Étape 6:''' Copier les fichiers

''-- information-broker-bundle-0.0.1-SNAPSHOT.jar

-- information-broker-servlet-bundle-0.0.1-SNAPSHOT.jar
au serveur central''

'''Étape 7:''' Déployé les bundles suivants

''-- camera-broker-bundle-0-SNAPSHOT.jar

-- camera-broker-servlet-bundle-0.0.1-SNAPSHOT.jar''

dans le linux sur Intel Galileo

'''Étape 8:''' Copier et Compiler la partie '''Camera_Finale''' au de la machine qui embarque la camera, dans notre cas il s'agit de Intel Galileo.
Cette étape génère un rapport d'activité qui est stocké dans un fichier appelé ''releve.xml'' qui est immédiatement transféré au serveur.

'''Étape 9:''' Du coté serveur, accéder au rapport du caméra via le lien <nowiki> http://localhost:8080/releve</nowiki>

=Photos=

PM2M-2016-CompteurVehicules/Suivi

2016-04-12T12:19:36Z

OLVERABADILLO.ANGELICA: /* Description */

'''Compteur de passage de véhicules avec OpenCV'''

Etudiants [[PM2M/2016/TP|M2PGI PM2M]]: SUN Huanan, RUKUNDO Fiston, OLVERA BADILLO Angélica

Dépôt Git : [https://github.com/AngieMoomin/PM2M2016-Galileo '''github''']

Documents : [[Media:PM2M-2016-CompteurVehicules.pdf|Rapport]] - [[Media:PM2M-2016-CompteurVehicules.pdf|Transparents]]

=Description=

Ce projet a été repris du cours M2M de l'année scolaire 2011-2012: http://air.imag.fr/index.php/D%C3%A9tection_de_trafic_automobile_et_de_d%E2%80%99attente_aux_feux

Le projet repris avait pour but d'effectuer des décomptes de trafic automobiles à différents feux d'une zone urbaine. Après les résultats (le comptage) seraient envoyés à un serveur sous forme de relevés. Les relevés après pourraient être analysés pour prendre des décisions pertinents pour la zone urbaine.

'''Limitations par rapport au code repris et que nous n'avons pas améliorés. Ce n'est pas possible de:'''
* Reconnaître si l'objet repéré est une automobile ou un autre objet quelconque.
* Faire une collecte automatisée des relevés générés par le(s) caméra(s), ni l'analyse de ces données.

'''Améliorations du projet repris:'''

* Au lieu d'utiliser deux ordinateurs (une contenant la caméra). Nous avons pu utiliser Intel Galileo connecté au webcam et une ordinateur (serveur central) pour récupérer les relevés (comptage) de la camera distante.
* La réseau local c'est fait avec un router. Intel Galileo se connecte grâce au module WiFi que nous avons ajouté.

'''Améliorations en cours qui n'ont pas pu être finir:'''

* La partie du serveur central a été installée sur la machine virtuelle et c'est accessible via internet. (ajout des photos)
* Vu que la partie du serveur est déjà accessible sur internet, la partie avec la caméra distante pourrait être aussi mis à disposition sur internet. Comme ça le projet serait plus réaliste.
* Nous avons tout installé sur la machine virtuelle amazon (base de données, outils pour l'analyse, etc) mais nous n'avons pas eu du temps pour continuer (mentionné dans les limitations)

=Matériel utilisé=
* Intel Galileo
* Carte MicroSD (de taille 4Go)
* Module Wifi (modèle Atheros AR5B22)
* WebCam (USB 2.0)

=Configuration systèmes=
* Equinox Version 3.3
* OpenCV
* Linux Ubuntu (eglibc 210 m)
* JDK java
* Apache Maven

=Architecture=

==Architecture Logique==

Il y a trois parties:

{| class="wikitable"
|-
! Partie
! But
|-
| Un programme opencv
| Compter le nombre de voitures et créer un ficher xml(relevé)
|-
| Caméra Serveur
| Créer outputstream du ficher xml
|-
| Serveur Central
| Établir la connexion avec Caméra Serveur et télécharger le ficher xml
|}

La première partie est aussi dans la Caméra Serveur

[[File:Architecture Logique.png]]

==Architecture Physique==

=Manuel d'installation=

* Un programme OpenCV et une partie de Camera serveur sont à compiler et à déployer sur le pc embarqué avec la caméra. Dans notre cas il s'agit de Intel Galileo où on a installé une distribution Linux.

Intel Galileo n'ayant pas assez d'espace mémoire (8mb SPI Flash) pour stocker les coudes sources et Linux, il faut donc utiliser un microSD pour stocker notre version Linux (eglibc 210m) téléchargeable [https://software.intel.com/enus/iot/hardware/galileo/downloads]

* Une partie de Serveur Central est à compiler et à déployer sur la machine jouant le role du serveur. Dans notre cas c'est la machine virtuel crée chez Amazon WS.

'''Les étapes à suivre'''
Etape 1: Récuperer les codes sources ici [https://github.com/AngieMoomin/PM2M2016-Galileo]

Etape 2: Installer la distribution Linux sur la carte microSD à partir d'une machine

Etape 3: Connecter la carte microSD avc Intel Galileo

Etape 4: Installer Equinox sur la carte microSD

Etape 5: Installer les librairies OpenCV sur la carte microSD

Etape 6: Copier les fichiers

-- information-broker-bundle-0.0.1-SNAPSHOT.jar

-- information-broker-servlet-bundle-0.0.1-SNAPSHOT.jar
au serveur central

Etape 7: Deployé les bundles suivant

-- camera-broker-bundle-0-SNAPSHOT.jar

-- camera-broker-servlet-bundle-0.0.1-SNAPSHOT.jar

à la machine qui embarque le camera.

Etape 8: Copier et Compiler la partie '''Camera_Finale''' au de la machine qui embarque la camera, dans notre cas il s'agit de Intel Galileo

=Photos=

PM2M-2016-CompteurVehicules/Suivi

2016-04-12T12:12:21Z