Je vous propose dans ce tutoriel une solution d’anodisation adaptée à de petits projets, pour de petites pièces comme un radiateur ou un boîtier de Raspberry par exemple. Nous allons créer une ligne d’anodisation industrielle en miniature (2 ou 3 litres) qui permet des résultats professionnels. Anodisation de petits objets en aluminium Commençons par découvrir […]
Cet article Anodisez vos objets en aluminium a été publié en premier sur Framboise 314, le Raspberry Pi à la sauce française.....
The 9,000 devices were split almost evenly between Apple and Android. Almost all of the Apple devices randomized their addresses. About a third of the Android devices randomized. (This assumes Android only randomizes the final 3 bytes of the address, and that Apple randomizes all 6 bytes -- my assumption may be wrong).A table of the major results are below. A little explanation:
|
La Fondation a dû avoir les retours sur les dégâts que le Raspberry Pi occasionne aux cartes SD. C’est sans doute pour pallier à ce problème qu’elle a développé des moyens de s’affranchir de la carte SD, le maillon faible du Raspberry. Dyox vous propose ce tutoriel pour éliminer la carte micro SD du Raspberry Pi.
Nous devons cet article à Jean-François (@dyox), lecteur assidu et attentif du blog, et participant actif au forum framboise314. Il a publié ce tutoriel il y a quelques jours sur le forum.
Lexique
Si c’est une nouvelle installation :
Sinon, il faut refaire une image complète de la carte micro SD pour la mettre sur le MSD.
Nota : Le tutoriel qui suit concerne le Raspberry Pi 3 avec une nouvelle installation de Raspian, en l’occurrence la version du 2017-07-05.
Sur PC (pour ma part sous Windows) :
On peut maintenant effacer ou commenter la ligne program_usb_boot_mode=1
Vous pouvez éteindre le Raspberry Pi et enlever la carte micro SD.
Branchez le MSD et démarrez le Raspberry Pi. Si le MSD est compatible, on boote dessus. Le temps de démarrage se situe entre 5 et 10s.
Pour ma part, cela fonctionne avec un -très vieux- DD 2,5 » 40Go (Momentus, 0,47A) PATA branché sur hub alimenté car directement sur le Raspberry Pi il « gratte », même avec son cordon double USB. Et je n’ai pas besoin de ralentir la séquence de boot (voir plus loin).
Si cela ne fonctionne pas pour vous voir la section dépannage.
Voilà c’est fini ! Votre Raspberry Pi peut maintenant booter sur USB et LAN, en plus de la micro SD bien sûr ! Si celle-ci est présente, elle reste prioritaire lors de la séquence de boot.
On peut raccourcir le délai de boot sur MSD en insérant une carte micro SD vierge (5s de gagnées)
Si le MSD est une clé USB, pensez à utiliser le système de fichier F2FS.
Lisez les articles pointés par des liens dans les sources, tout est bien documenté et expliqué en particulier sur https://www.raspberrypi.org/documentation/hardware/raspberrypi/bootmodes/README.md
 |
 |
Mes clés OCZ ATV USB2 32Go et INTEGRAL USB2 32Go (ci-dessus) n’ont pas fonctionné
Par contre cette clé Transcend 16 Go a fonctionné sans « artifice », comme mon DD.
Sur les Pi 1 et 2 et la manip du bootcode.bin modifié (pas besoin du fichier timeout ) :
Cette clé fonctionne, mes précédentes clés, toujours pas… et mon DD a toujours besoin de son hub.
Le boot sur le Raspberry Pi 3 avec NOOBS sur ma clé USB Transcend fonctionne également.
Bon maintenant, j’ai besoin de motivation 
L’objectif est de modifier rpi-clone pour que le clonage se fasse sur MSD et si c’est une clé qui est détectée, celle-ci sera formatée en F2FS.
L’article sur le boot du Raspberry Pi 3 que j’avais publié en août 2016 n’est plus d’actualité car la Fondation a fait évoluer les méthodes de boot pour tous les Raspberry Pi.
Merci à Jean-François @dyox pour ce tutoriel publié sur le forum framboise314 
et dont il a autorisé la reprise sur le blog, afin qu’un maximum de lecteurs en profite.
Bien entendu si @dyox aboutit dans sa modification de rpi-clone, les pages de framboise314 lui sont ouvertes 
Si vous utilisez la méthode de Jean-François, n’hésitez pas à signaler dans les commentaires ci-dessous les modèles de clés, disques durs… qui fonctionnent et ceux qui restent récalcitrants malgré vos efforts.
Cet article Boot simplifié sur USB avec les Raspberry Pi 1, 2 et 3 a été publié en premier sur Framboise 314, le Raspberry Pi à la sauce française.....
2ème article sur ma mangeoire d’oiseau filmée par un Raspberry Pi : je vous parle aujourd’hui de la mise en place logicielle pour être capable de diffuser la vidéo capturée par la caméra du Raspberry Pi sur le réseau local et ajouter de la détection de mouvement pour prendre des photos lorsque cela est nécessaire.
Remémorons nous le projet initial : je veux filmer une mangeoire d’oiseau avec un Raspberry Pi au milieu de mon jardin et prendre des photos lorsque des moineaux, mésanges, colombes… viennent picorer. Je ne souhaite pas non plus avoir un nombre très important d’images, donc la détection de mouvement doit être configurable.
Après quelques recherches et expérimentations, la solution est composée de 2 logiciels :
La caméra utilisée est un clone du modèle officiel avec en plus un objectif interchangeable de 22 mm compatible CCTV (caméra de surveillance) testée dans ce billet. Elle embarque un capteur de 5 Mega Pixel. Elle peut prendre des photos avec une résolution de 2592×1944 et filmer en 1080p à 30fps.
Webcam du Pi avec un objectif interchangeable de 22 mm
La première chose à faire est de vérifier que la caméra fonctionne bien à l’aide de l’outil raspistill :
$ raspistill -o $(date +"%Y-%m-%d_%H%M%S").jpg
A chaque exécution de la commande raspistill, une image sera sauvegardée dans le dossier courant avec un nom de la forme : 2017-03-19_122629.jpg.
mjpg-streamer est le premier maillon de la chaîne : il s’occupe de capturer le flux vidéo pour le rendre accessible sur le réseau local via une interface web.
Il n’existe pas de paquet précompilé à l’heure actuelle, il faut le compiler, voici la procédure :
Il faut installer quelques paquets au préalable :
$ sudo apt-get install libjpeg8-dev imagemagick libv4l-dev git
Plusieurs fork du projet initial mjpg-streamer existent dont un notamment qui inclus un driver pour la caméra de notre framboise préférée que nous allons cloner. Malheureusement, ce projet ne tag pas les sources ni n’effectue de release, donc la récupération des sources peut être périlleuse si elle s’opère en plein cœur d’un refactoring :'(
$ git clone https://github.com/jacksonliam/mjpg-streamer.git
Cloning into 'mjpg-streamer'...
remote: Counting objects: 2579, done.
remote: Total 2579 (delta 0), reused 0 (delta 0), pack-reused 2578
Receiving objects: 100% (2579/2579), 3.41 MiB | 569 KiB/s, done.
Resolving deltas: 100% (1604/1604), done.
pour mémoire, la version que j’utilise est :
$ git rev-parse HEAD
3ed3f4cad86c4ad6e58bdc70a91c3cc3c949276a
Lancement de la compilation des sources :
$ cd mjpg-streamer/mjpg-streamer-experimental
$ make USE_LIBV4L2=true clean all
$ sudo make install
Il est important d’inspecter les logs de la première commande make pour vérifier les plugins compilés :
-- The following features have been enabled:
* PLUGIN_INPUT_FILE , File input plugin
* PLUGIN_INPUT_HTTP , HTTP input proxy plugin
* PLUGIN_INPUT_RASPICAM , Raspberry Pi input camera plugin
* PLUGIN_INPUT_UVC , Video 4 Linux input plugin
* PLUGIN_OUTPUT_FILE , File output plugin
* PLUGIN_OUTPUT_HTTP , HTTP server output plugin
* PLUGIN_OUTPUT_RTSP , RTSP output plugin
* PLUGIN_OUTPUT_UDP , UDP output stream plugin
Les plugins qui nous intéressent sont PLUGIN_INPUT_RASPICAM et PLUGIN_OUTPUT_HTTP
Finalement exécuter la commande suivante :
$ LD_LIBRARY_PATH=/usr/local/lib mjpg_streamer -i "input_raspicam.so -fps 30 -q 75 -x 1920 -y 1080 -ex verylong" -o "output_http.so -p 9000 -w /usr/local/share/mjpg-streamer/www/"
MJPG Streamer Version.: 2.0
[...]
i: fps.............: 30
i: resolution........: 1920 x 1080
i: camera parameters..............:
Sharpness 0, Contrast 0, Brightness 50
Saturation 0, ISO 400, Video Stabilisation No, Exposure compensation 0
Exposure Mode 'verylong', AWB Mode 'auto', Image Effect 'none'
Metering Mode 'average', Colour Effect Enabled No with U = 128, V = 128
Rotation 0, hflip No, vflip No
o: www-folder-path...: /usr/local/share/mjpg-streamer/www/
o: HTTP TCP port.....: 9000
o: username:password.: disabled
o: commands..........: enabled
i: Starting Camera
[...]
DBG(/home/pi/mjpg-streamer/mjpg-streamer-experimental/plugins/input_raspicam/input_raspicam.c, worker_thread(), 880): Starting video output
Les options disponibles sont décrites sur le site web du projet :
Ouvrir un navigateur et le faire pointer sur l’ip du Raspberry Pi, port 9000, l’IHM ressemble à cela :
IHM de mjpg-streamer
Le menu de gauche offre différentes vues :
Motion est un programme qui surveille le signal vidéo d’une ou plusieurs caméras en détectant si une part significative de l’image a changé. Il sauvegarde les images dans un dossier prédéfini en fonction des événements détectés sur la caméra.
le paquet Debian armf est disponible dans les dépôts officiels :
$ sudo apt-get install motion
La configuration par défaut nécessite un peu de paramétrage, notamment l’url du flux vidéo exposé par mjpg-streamer.
netcam_url http://localhost:9000/?action=stream
Les photos sont sauvegardées sur un partage NFS monté sur /mnt/media/webcam, il faut indiquer à motion où écrire :
target_dir /mnt/media/webcam/
Il est possible de spécifier un format de nom de fichier pour les photos prises lors de la détection d’un mouvement :
jpeg_filename %m-%d/%Y%m%d-%H.%M.%S
Les fichiers produits seront stockés dans un dossier <MOIS>-<JOUR> et le nom du fichier sera de la forme <ANNEE><MOIS><JOUR>-<HEURE>.<MINUTES>.<SECONDES>. Avec cette configuration, un dossier par jour sera créé contenant les photos de la journée. Cela va nous être vite utile car il y a entre 50 et 300 photos chaque jour. Motion créé tout seul le dossier spécifié dans le nom de fichier.
J’en profite pour mettre les logs dans le dossier racine :
logfile /mnt/media/webcam/log/motion-pi.log
La taille de l’image reçue est spécifiée :
width 1920
height 1080
La configuration ci dessous est empirique. Je l’ai mise au point en fonction des réactions de la webcam par rapport au soleil, aux mouvements des oiseaux et des ombres projetées etc…
L’idée est de ne pas produire 30 images par secondes à chaque mouvement sur la mangeoire, mais plutôt prendre une photo de temps en temps. La documentation est très détaillée et vaut le détour.
J’ai diminué le nombre d’image par seconde analysé (option framerate), augmenté le seuil de détection de mouvement (threshold, threshold_tune), augmenté le nombre d’images devant avoir du mouvement (minimum_motion_frames), affiné le vieillissement des pixels pour que motion ne détecte pas le mouvement des arbres ou l’ombre (despeckle)…
framerate 2
threshold 3500
threshold_tune on
despeckle EedDl
minimum_motion_frames 5
smart_mask_speed 1
Exécuter la commande pour démarrer motion :
$ sudo service motion start
Yapluka attendre que les oiseaux passent pour que les photos se déclenchent ! 
J’espère que ces 2 articles vous ont donné l’envie de faire une projet similaire, n’hésitez pas à faire part de vos projets en commentaires ci dessous !
La mise en place de la détection de mouvement est plutôt ludique mais nécessite du temps afin d’affiner la configuration pour ne pas être noyé par le nombre de photos prises.
Une évolution intéressante de la solution serait d’ajouter un mécanisme me notifiant lorsqu’il n’y a plus de graines dans le réservoir à partir des images prises par la caméra.
Cet article Détection de mouvement sur une mangeoire d’oiseau filmée par un Raspberry Pi a été publié en premier sur Framboise 314, le Raspberry Pi à la sauce française.....
on saturday 14th - which was also Valentine’s day - I gave a workshop in Berkeley with Devoxx4Kids USA, for about 30 kids
I already did one with the US chapter of Devoxx4kids last year, but that was before the release of NAOqi 2. By that time, I used the workshop created by Daniel De Luca. This year, I updated it.
First, since I don’t always have a red ball with me, I decided to change that part for a handkerchief, which you will find almost everywhere. It’s also easier to get the robot to grab it.
Another decision I took was not to divide the workshop into chapters (which was wrong, but Ill talk about it later). I made up my mind based on the fact that with the new boxes that have been implemented, the workshop is really faster to go through.
Valentine’s Day starts with @NaoRobot @wtfirl @DevNAOJamesD at Black Pine School, Berkeley pic.twitter.com/WrrzD3DUNw
— Devoxx4Kids USA (@Devoxx4KidsUSA)
14 Février 2015
Great #Devoxx4Kids workshop by @wtfirl @DevNAOJamesD thanks for helping @PBhatter @menkag pic.twitter.com/MsAbpkFOaH
— Arun Gupta (@arungupta)
14 Février 2015
The workshop went fine, as you can see; but I wasn’t really satisfied, and after discussing it with the organizers, with my coworker James and with some other people, I think Ill need to rework it.
Here are some of the problems I identified in the end:
- the workshop is too long for kids between 8 and 14 years old. Chapters would have allowed kids to have a break and test what they were working on. Going through all the workshop first has been hard for them.
- the workshop is also too ambitious. There’s no need to create an entire application with kids this age. It should be focused on more basic tasks, maybe independent from each other.
- going through all the workshop before testing makes something else difficult: debugging. Instead of debugging step by step, when you wait until the end of the workshop, it’s really hard to find where the error comes from. Plus, when one bug is solved, you redownload the app on NAO, test it again, and might face another bug. Time consuming and useless.
- I also faced a lot of problems connecting NAO to Macs. Mine wasn’t able to see the robot, even with a wire connexion, and it was the same with kids with Macs. Anyway, when I realized this at the end of the workshop, I decided to focus my attention on a kid (any of them) with a PC, so as to be able to at least show once to all of the kids what they had been working on all morning long. If I can’t test it with every kids, I want them to see it at least once for one of their peers. Except it seems it’s not the way to behave in the US. As Arun Gupta told me, here that’s not something you can do. We’re more like we all succeed or we all fail.
So, Im going to build a new workshop:
- divided in small chapters of 30mn: 20mn of programming and 10mn of test..
- all chapters will be independent, but Ill try to make them complementary.
- Im going to focus on things you can test in the simulator, without necessarily connecting to a real robot each time.
Anyway, if you want to use it, here’s the workshop. You’ll also need a custom library that can be dowloaded here
NAO Robot workshop for kids (english)
from
Que celui qui n’a jamais voulu partager simplement une capture d’écran lève le doigt. Personne ?
Le partage d’images nous confronte souvent à divers problèmes :
Pour répondre à cette problèmatique, j’ai codé LUTIm (prononcez comme lutin). Écrit en Perl avec le framework Mojolicious, utilisant le Twitter Bootstrap, un sous ensemble de Font Awesome et un plugin jQuery légèrement modifié pour la gestion du glisser/déposer, LUTIm est un logiciel libre (licence AGPL) de partage d’image anonyme et gratuit.
Le principe est simple : on glisse/dépose des images (ou via le sélecteur de fichier classique) et on récupère 3 liens :
Des options du formulaire d’envoi permettent de supprimer automatiquement les images après la première consultation ou après 24h.
Bien évidemment, pour des questions légales, il n’est pas possible d’avoir un service totalement anonyme : les IPs des envoyeurs d’image et celles des consulteurs sont enregistrées dans les logs, mais c’est quelque chose de tout à fait habituel sur tout site web. Les IPs des envoyeurs ainsi que celle du dernier consulteur sont enregistrées dans la base SQLite pour accélerer la recherche d’informations en cas de requète judiciaire (je sais comme il peut être fastidieux et long de chercher dans des logs).
Lors de la suppression automatique d’une image, le fichier est bel et bien supprimé, mais son entrée en base de données persiste et contient l’empreinte SHA512 du fichier.
De par sa nature libre, vous pouvez bien évidemment installer et utiliser très facilement LUTIm sur votre propre serveur, mais vous pouvez aussi vous contenter d’utiliser l’instance officielle : http://lut.im
LUTIm est disponible en français et en anglais, la langue étant choisie selon les préférences du navigateur. Toutes les bonnes volontés sont les bienvenues pour proposer d’autres langues !
Enfin, LUTIm propose un plugin pour Shutter, logiciel de capture d’écran, pour permettre à celui-ci d’envoyer les capture sur http://lut.im directement (plugin à installer soi-même, le site du projet ayant l’air cassé, je n’ai pu leur remonter le plugin).
Cloud security is one of the business concern areas for enterprises adopting public clouds like AWS. In this blog post, we will outline the top 5 security tips that are ‘must implement’ for protecting your AWS account and securing Cloud infrastructure.
Botmetric provides Cloud Insights feature to keep track of AWS security best practices on continuous basis and provide you with guidelines for resolving identified security risks.
The below recommendations are must have for your AWS account:
We recommend you to read AWS security best practices and follow their security blog for periodic updates on AWS cloud infrastructure security.
Hope you enjoyed reading our top 5 security recommendations. If you are looking for help then sign up with Botmetric to diagnose and resolve your AWS account security issues.
