Dan Delivers

Fallstudie

Eigenes Projekt · Galaksija Cup 2026

Kamera-Lag behoben. Ein Roboterauto auf Platz 4 im nationalen Wettbewerb.

Screenshots

  • Android-Steuerungsansicht mit Live-Kamerabild und YOLO-Erkennungsrahmen um eine Hand und eine Tasse, darüber die Bildansicht und darunter Buttons für Bilderkennung und Aufnahme sowie ein Steuerkreuz
  • Android-Steuerungsansicht mit Texterkennung direkt auf dem Gerät, die einen Befehl aus dem Kamerabild liest
  1. Das Problem

    Im ersten Prototyp liefen Bilderkennung und Motorsteuerung zusammen. Wenn die Objekterkennung viel zu tun hatte, musste die Steuerung warten. Ein Fahrzeug, das jedes Mal zögert, wenn die Kamera nachdenkt, ist nicht gerade ein brauchbares Fahrzeug.

  2. Was ich gemacht habe

    Ich habe Kameraaufnahme, YOLO-Inferenz, Videostreaming und Motorbefehle in separate Multithreading-Pipelines und Docker-Dienste auf einem Raspberry Pi 5 aufgeteilt. Danach habe ich eine native Android-Steuerzentrale gebaut, die Livevideo, Fahrsteuerung und Telemetrie auf einem Bildschirm vereint. Fällt das WLAN aus, startet das Fahrzeug seinen eigenen Fallback-Hotspot.

  3. Das Ergebnis

    Ein Kamerastream mit 30 FPS und Erkennung direkt auf dem Gerät, Livevideo und Telemetrie – dazu Platz 4 und ein Sonderpreis bei der 10. nationalen MINT-Meisterschaft Galaksija Cup. Der Code ist Open Source unter der MIT-Lizenz.

Überzeug dich selbst

Passende Leistung: Mobile App-Entwicklung

Mein Stack

Kann alles ein bisschen. Nichts so richtig.
Liefere trotzdem den ganzen verdammten Kram

  • React
  • TypeScript
  • Node.js
  • Python
  • Kotlin
  • Flutter
  • C#
  • Docker
  • Linux
  • Cloudflare
  • Vercel

Hast du ein ähnliches Problem?