🤖 ARIES-LITE: Autonomous Real-time Intelligent Eye System

ARIES-LITE to zaawansowana platforma badawcza dedykowana autonomicznemu śledzeniu obiektów w czasie rzeczywistym. System integruje technologie Internetu Rzeczy (IoT), Uczenia Maszynowego (Machine Learning) oraz klasyczną Teorię Sterowania (Regulacja PID).

Projekt umożliwia pełną bezprzewodową kontrolę nad dwuosiowym manipulatorem kamerowym za pomocą responsywnego interfejsu webowego.

---

🇵🇱 Wersja Polska

📖 Opis Projektu

ARIES-LITE został zaprojektowany, aby rozwiązać problem płynnego śledzenia dynamicznych celów przy ograniczonych zasobach obliczeniowych platformy Raspberry Pi 4. Sercem systemu jest autorska implementacja pętli sprzężenia zwrotnego, która analizuje 128-wymiarowe wektory cech twarzy (face encodings) i przekłada błąd pozycjonowania na precyzyjny ruch serwomechanizmów.

🌟 Kluczowe Funkcjonalności

• Deep Learning Face Recognition: System nie tylko wykrywa obecność twarzy, ale identyfikuje konkretną osobę na podstawie zdjęcia wzorcowego, odróżniając ją od osób postronnych.
• Zaawansowany Regulator PID: Eliminacja drgań mechanicznych i efektu oscylacji dzięki precyzyjnemu dostrojeniu członów $K_p$, $K_i$ oraz $K_d$.
• Mobile-First Command Center: Interfejs graficzny działający w przeglądarce smartfona (Flask), oferujący strumieniowanie obrazu MJPEG oraz zarządzanie bazą celów.
• Inteligentne Skanowanie (Heuristic Sweep): W przypadku utraty celu, system po 2 sekundach inicjuje algorytm poszukiwania oparty na dynamicznym skanowaniu sferycznym.
• Safe Startup Procedure: Inkrementalne pozycjonowanie serwomechanizmów przy starcie systemu, chroniące układ przed skokami napięcia (brownout).

🛠️ Architektura Sprzętowa

Komponent	Specyfikacja	Rola
RPi 4B	4GB RAM, Quad-core Cortex-A72	Jednostka obliczeniowa i host serwera
Kamera v2	8MP Sony IMX219	Akwizycja obrazu wysokiej gęstości
MG-90S	Metalowe przekładnie, 1.8kg/cm	Precyzyjne pozycjonowanie osi X/Y
Zasilanie	Separowane (5V 3A / 6V 2A)	Stabilność prądowa układu sterowania

💻 Instalacja i Konfiguracja

1. Klonowanie repozytorium:

   git clone [https://github.com/MateuszParol/ARIES-LITE.git](https://github.com/MateuszParol/ARIES-LITE.git)
   cd ARIES-LITE

2. Przygotowanie środowiska:

   python3 -m venv venv
   source venv/bin/activate
   pip install -r requirements.txt

3. Uruchomienie:

   python3 main.py

⚠️ Rozwiązywanie Problemów (Troubleshooting)

• Problem: Obraz klatkuje lub ma duże opóźnienie (Input Lag).
  • Rozwiązanie: Przetwarzanie twarzy jest obciążające. Zmniejsz rozdzielczość analizy w config.py do 320x240 lub 160x120. Upewnij się, że RPi ma aktywne chłodzenie.
• Problem: Serwa drżą (Jittering).
  • Rozwiązanie: Sprawdź połączenie masy (GND). Minus z koszyka baterii musi być połączony z pinem GND Raspberry Pi. Zwiększ wartość tłumienia w parametrze $K_d$.
• Problem: Nagłe restarty systemu podczas ruchu.
  • Rozwiązanie: Silniki MG-90S generują piki prądowe. Użyj kondensatora elektrolitycznego (np. 470uF) przy szynie zasilania serw lub sprawdź wydajność baterii AA.
• Problem: Błąd "Camera not detected".
  • Rozwiązanie: Na systemie Raspberry Pi OS (Bookworm) wymagane jest użycie stosu libcamera. Sprawdź komendą libcamera-hello, czy system widzi sensor.

---

🇺🇸 English Version

📖 Project Overview

ARIES-LITE is an engineering platform designed to tackle the challenge of smooth target tracking under the hardware constraints of the Raspberry Pi 4. The core of the system is a custom feedback loop that analyzes 128-dimensional face descriptors and translates positional errors into micro-degree servo adjustments.

🌟 High-End Features

• Neural Face Recognition: Uses Dlib-based encodings to distinguish the primary target from unauthorized individuals with high precision.
• Dual-Axis PID Control: Eliminates mechanical jitter and overshooting by fine-tuning $K_p$, $K_i$, and $K_d$ constants.
• Mobile Command Center: A lightweight Flask-based web interface for MJPEG live streaming and target management via smartphone.
• Heuristic Scanning: When the target is lost, the system initiates an automated spherical scan pattern to re-acquire the subject.
• Safe Startup Logic: Prevents sudden current draw by incrementally moving servos to the center position upon initialization.

🛠️ Hardware Stack

Component	Specification	Role
RPi 4B	4GB RAM, Quad-core Cortex-A72	Compute Engine & Web Host
Camera v2	8MP Sony IMX219	High-fidelity image acquisition
MG-90S	Metal Geared, 1.8kg/cm torque	X/Y Axis Actuation
Power Supply	Isolated (5V 3A / 6V 2A)	Voltage stability for servos

💻 Setup & Deployment

1. Clone the Repo:

   git clone [https://github.com/MateuszParol/ARIES-LITE.git](https://github.com/MateuszParol/ARIES-LITE.git)
   cd ARIES-LITE

2. Dependencies: Ensure dlib is compiled correctly for ARM architecture.

   pip install -r requirements.txt

3. Run: python3 main.py

⚠️ Troubleshooting

• Issue: Excessive Lag/Low FPS.
  • Fix: Downscale processing resolution in config.py. Face recognition is CPU-intensive; consider using HOG instead of CNN models for detection.
• Issue: Servo Instability.
  • Fix: Verify common ground (GND) connection between RPi and external power. Adjust the $K_d$ parameter to dampen oscillations.
• Issue: Sudden System Reboots.
  • Fix: Check for brownouts. Power servos through an external source, never directly from the RPi 5V pin.
• Issue: Camera "Not Found" on Debian Bookworm.
  • Fix: Transition to the libcamera stack and ensure the interface is enabled via raspi-config.

---

👨‍💻 Authorship & Affiliation

Lead Engineer: Mateusz Parol
Company: DeveloBite
Research Institution: Koszalin University of Technology (Politechnika Koszalińska)

This research is conducted at the Faculty of Electronics and Computer Science, focusing on the optimization of real-time control systems and edge-computing vision algorithms.