Test SunFounder PiCar-X 2.0 – Une voiture robot Raspberry Pi 4 AI programmable avec Blockly ou Python

SunFounder PiCar-X 2.0 est une voiture robot autonome alimentée par l’IA utilisant le Raspberry Pi 3/4 comme carte de traitement principale. Il est équipé d’un module caméra déplaçable par un servomoteur 2 axes, permettant à la caméra d’effectuer un panoramique ou une inclinaison, d’un module ultrasonique pour détecter des objets distants et d’un module de détection de ligne. Le robot PiCar-X peut également effectuer des tâches de vision par ordinateur telles que la détection des couleurs, la détection des visages, la détection des panneaux de signalisation, l’évitement automatique des obstacles et le suivi automatique des lignes.

Le PiCar-X peut être programmé avec deux langages informatiques : le programme glisser-déposer Ezblock Studio basé sur Blockly et Python, et le robot fonctionne avec la bibliothèque de vision par ordinateur OpenCV et TensorFlow pour les charges de travail d’IA. Enfin, vous pouvez également contrôler le robot via l’application contrôleur SunFounder sur votre téléphone mobile. La société nous a envoyé un échantillon du Picar-X 2.0 pour test, alors commençons.

Présentation du robot SunFounder PiCar-X 2.0

Le kit robot PiCar-X est livré avec plusieurs pièces : une unité structurelle, des moteurs électriques à courant continu, des roues de robot, une carte d’extension RoboHat, un capteur à ultrasons, un capteur de ligne, un servomoteur, une batterie et un jeu d’écrous et de vis utilisés. pour l’assemblage. Puisqu’il s’agit d’un kit, les élèves devront l’assembler eux-mêmes et ainsi apprendre à assembler des robots et à connecter les fils de cet ensemble robot. Des détails supplémentaires et des instructions de montage peuvent être trouvés dans la documentation. Notre kit était également livré avec un Raspberry Pi 4 avec 4 Go de RAM.

CHAPEAU Robot SunFounder PiCar-X

La carte d’extension SunFounder PiCar-X Robot HAT comprend un interrupteur marche/arrêt, deux ports d’entraînement de moteur pour connecter les moteurs gauche et droit et douze ports d’entraînement de servomoteur qui peuvent être utilisés pour diriger les roues de la voiture et contrôler l’inclinaison du véhicule. caméra. De plus, la carte d’extension Robot HAT comprend également un haut-parleur pour diffuser des effets sonores, des commentaires linguistiques ou de la musique MP3. Des ports d’extension pour ADC, PWM et I2C sont disponibles pour l’extension, et une batterie de 7 à 12 volts peut être connectée pour l’alimentation et chargée via un port USB-C avec une LED indiquant l’état de charge de la batterie.

Spécifications du chapeau du robot PiCar-X :

• Port moteur gauche/droite – ports XH2.54 à 2 canaux, un pour les moteurs gauche connectés au GPIO 4 et l’autre pour les moteurs droits connectés au GPIO 5.
• 2x broches I2C de Raspberry Pi
• PWM – 12x PWM (P0-P11)
• 4x broches ADC (A0-A3)
• 4x broches numériques (D0-D3)
• Indicateurs d’état de la batterie
  • La LED 2 s’allume lorsque la tension est supérieure à 7,8 volts
  • La LED 1 s’allume lorsque la tension est comprise entre 6,7 et 7,8 volts
  • Les deux LED s’éteignent lorsque la tension est inférieure à 6,7 volts
• Tension d’alimentation – 7 – 12 V CC via un connecteur PH2.0 à 2 broches qui peut être utilisé pour alimenter le Raspberry Pi en même temps

Installation d’un système d’exploitation Raspberry Pi (personnalisé)

Le système d’exploitation du robot PiCar-X 2.0 peut être installé sur une carte microSD à l’aide du programme Raspberry Pi Imager.

Deux images du système d’exploitation sont disponibles

• Pour la programmation Python, utilisez simplement Raspberry Pi OS (Legacy)
• Pour l’IDE de programmation visuelle Ezblock Studio, téléchargez RaspiOS-xxx_EzBlockOS-xxx.img qui est essentiellement l’image originale du système d’exploitation Raspberry Pi avec Ezblock Studio préinstallé. Vous pouvez ensuite cliquer sur le bouton CHOISIR LE OS puis Utiliser Personnalisé pour sélectionner le fichier que vous venez de télécharger. Sélectionnez ensuite le périphérique de stockage, cliquez sur ÉCRIRE et attendez la fin du processus.

Démarrage du système d’exploitation Raspberry Pi sur SunFounder PiCar-X 2.0

Prenez maintenant la carte microSD de votre ordinateur et insérez-la dans votre carte Raspberry Pi. Branchez ensuite le câble du support de batterie et faites glisser l’interrupteur d’alimentation du Robot HAT pour allumer le robot.

Le système d’exploitation Raspberry Pi devrait maintenant démarrer et vous pouvez vérifier l’installation en connectant une souris, un clavier et un moniteur HDMI pour vérifier que tout fonctionne comme prévu, comme si vous utilisiez simplement le Raspberry Pi comme un ordinateur monocarte autonome.

Premiers pas avec EzBlock Studio pour le robot PiCar-X 2.0

EzBlock Studio est une plateforme de programmation visuelle développée par SunFounder pour les débutants afin de démarrer facilement la programmation du Raspberry Pi. Il prend en charge deux langages de programmation, Blockly pour la programmation visuelle avec différents blocs et le code est ensuite converti en un programme Python qui peut être téléchargé sur le Raspberry Pi via Bluetooth ou Wi-Fi.

Vous pouvez soit télécharger l’application sur votre téléphone mobile depuis l’App Store (iOS) ou le Google Play Store (Android) en recherchant « Ezblock Studio », soit accéder à http://ezblock.cc/ezblock-studio pour commencer la programmation. depuis votre navigateur Internet. Remarque : la page indique qu’EzBlock Studio V3.2 passera en mode hors ligne le 28 février. Cela ne signifie pas que le site Web sera fermé à ce moment-là, mais simplement que vous ne pourrez pas enregistrer le projet dans le cloud, et uniquement localement sur votre ordinateur à l’avenir.

Créons un nouveau projet en cliquant sur la zone Nouveau projet.

Sélectionnez le produit PiCar-X :

Cliquez sur le bouton Connecter.

Le programme affichera l’adresse IP du robot, cliquez simplement sur le bouton Confirmer.

Une fois la connexion établie, vous verrez diverses informations sur le robot telles que le niveau de charge de la batterie, la tension et la version.

Installation des bibliothèques et modules Python

Démarrez une fenêtre de terminal dans Raspberry Pi OS pour mettre à niveau le système d’exploitation vers la dernière version :

</p><br /> <p>mise à jour sudo apt mise à niveau sudo apt

Installez la bibliothèque SunFounder PICAR-X Robot Hat comme suit :

</p><br /> <p>cd ~/ git clone -b v2.0 https://github.com/sunfounder/robot-hat.git cd robot-hat sudo python3 setup.py install

Téléchargez et installez ensuite le module Vilb :

</p><br /> <p>cd ~/ git clone -b picamera2 https://github.com/sunfounder/vilib.git cd vilib sudo python3 install.py

et faites de même pour le module Picar-X :

</p><br /> <p>cd ~/ git clone -b v2.0 https://github.com/sunfounder/picar-x.git cd picar-x sudo python3 setup.py install

Exécutez maintenant le script i2samp.sh pour installer le pilote de l’amplificateur de haut-parleur I2S :

</p><br /> <p>cd ~/picar-x sudo bash i2samp.sh

Tapez « y » pour poursuivre l’installation :

Et encore pour activer la lecture /dev/zero en arrière-plan…

Et redémarrez le système une fois demandé.

Activer l’interface I2C

Tapez la commande suivante pour entrer les paramètres du système d’exploitation Raspberry Pi :

Sélectionnez les options d’interface…

…puis I2C…

…et confirmez en sélectionnant « Oui ».

Il vous sera ensuite demandé de redémarrer le système et de le faire pour terminer l’installation.

Régler le servomoteur à 0° degrés pour un assemblage plus facile

La plage d’angle du servo du kit robot PiCar-X est de -90° à 90°, mais cet angle n’est pas réglé en usine et sera aléatoire, peut-être 0° ou peut-être 45°. Si nous l’assemblons selon un angle aléatoire non nul, cela pourrait endommager le servo pendant l’utilisation. Il est donc nécessaire de régler d’abord l’angle de tous les servos à 0° avant de les installer sur le robot. Pour garder le servo centré quelle que soit la direction dans laquelle il est tourné, exécutez la commande

</p><br /> <p>cd ~/picar-x/exemple sudo python3 servo_zeroing.py

Branchez ensuite le câble du servo dans le port P11 et vous verrez le bras du servo tourner en position (c’est la position 0°). Ensuite, insérez le bras de servo comme expliqué dans le manuel de montage.

Calibrage du robot PiCar-X 2.0 (Python)

Certains angles de servo peuvent être légèrement inclinés en raison d’écarts possibles lors de l’installation du PiCar-X ou de limitations du servo. Pour résoudre ce problème, exécutez le programme calibrage.py :

</p><br /> <p>cd /home/pi/picar-x/example/calibration sudo python3 calibration.py

Cela démarrera l’assistant d’étalonnage Pica-X avec un menu comme indiqué ci-dessous.

La touche R est utilisée pour tester si le servo qui contrôle la direction des roues avant peut fonctionner normalement et n’est pas endommagé. Appuyez sur 1 pour sélectionner le servo de roue avant, puis appuyez sur les touches W/S pour garder les roues avant tournées le plus vers l’avant possible sans s’incliner à gauche ou à droite.

Appuyez maintenant sur 2 pour sélectionner le servo de caméra 1 (pour le panoramique), puis sur les touches W/S pour que la plate-forme panoramique/inclinaison regarde droit devant vous, et non vers la gauche ou la droite.

Faites de même pour le servo de caméra 2 (inclinaison) en sélectionnant 3 et en appuyant sur les touches W/S pour que la plate-forme panoramique/inclinaison continue de regarder droit devant elle et de ne pas s’incliner vers le haut ou vers le bas.

Le câblage du moteur pouvant être inversé lors de l’installation, vous pouvez appuyer sur E pour tester si le véhicule peut avancer normalement. Sinon, appuyez sur 4 ou 5 pour sélectionner les moteurs gauche et droit. Une fois cela fait, nous pouvons calibrer le sens de rotation en appuyant sur Q.

Une fois l’étalonnage terminé, appuyez sur la barre d’espace pour enregistrer les paramètres d’étalonnage. Vous serez invité à saisir « y » pour confirmer, puis appuyez sur ESC ou Ctrl+C pour quitter le programme.

Calibrage du robot PiCar-X 2.0 (EzBlock Studio)

Si vous préférez ne pas utiliser Python et la ligne de commande, il est également possible de calibrer le robot PiCar-X 2.0 dans l’interface web d’EzBlock Studio. Cliquez sur le bouton Paramètres une fois la connexion établie.

Cliquez maintenant sur Calibrer.

La fenêtre d’étalonnage apparaîtra dans laquelle vous pourrez sélectionner les servomoteurs à étalonner soit pour la caméra panoramique et inclinaison, soit pour les volants.

Commençons par l’étalonnage des servomoteurs PiCar-X Pan-Tilt. Deux ensembles de boutons permettent à l’utilisateur d’ajuster la caméra vers le haut ou le bas (inclinaison) et vers la gauche et la droite (panoramique). Une fois que la caméra semble être ajustée directement, cliquez sur Confirmer pour terminer l’étalonnage.

Faisons maintenant de même pour les volants que l’on peut régler à gauche ou à droite. Une fois les roues droites, cliquez sur Confirmer pour terminer le calibrage.

Tester le mouvement du robot PiCar-X 2.0

Nous allons maintenant faire avancer le robot PiCar-X en dessinant une forme en S et l’arrêter. Vous pouvez consulter le programme en Python :

</p><br /> <p>à partir de l’importation picarx Heure d’importation Picarx si __name__ == « __main__ »: essayez : px = Picarx() px.forward(30) time.sleep(0.5) pour l’angle dans la plage (0,35) : px.set_dir_servo_angle(angle) time .sleep(0.01) pour l’angle dans la plage (35,-35,-1) : px.set_dir_servo_angle(angle) time.sleep(0.01) pour l’angle dans la plage (-35,0) : px.set_dir_servo_angle(angle) time. sleep(0.01) px.forward(0) time.sleep(1) pour l’angle dans la plage (0,35) : px.set_camera_servo1_angle(angle) time.sleep(0.01) pour l’angle dans la plage (35,-35,-1 ): px.set_camera_servo1_angle(angle) time.sleep(0.01) pour l’angle dans la plage (-35,0) : px.set_camera_servo1_angle(angle) time.sleep(0.01) pour l’angle dans la plage (0,35) : px.set_camera_servo2_angle (angle) time.sleep(0.01) pour l’angle dans la plage (35,-35,-1) : px.set_camera_servo2_angle(angle) time.sleep(0.01) pour l’angle dans la plage (-35,0) : px.set_camera_servo2_angle( angle) time.sleep(0.01) enfin : px.forward(0)

… et EzBlock Studio.

Test d’évitement d’obstacles

Le robot PiCar-X 2.0 dispose d’un capteur à ultrasons HC-SR04 pour détecter des objets à une distance de 0 à 400 cm. Le programme de démonstration permettra au servo de faire tourner les roues du robot de -35 degrés si un objet se trouve dans la plage de 25 cm, et sinon de conduire tout droit avec l’angle réglé à 0 degré. Nous l’avons testé avec succès avec Python et EzBlock Studio.

Python:

</p><br /> <p>depuis picarx import Picarx def main() : essayez : px = Picarx() # px = Picarx(ultrasonic_pins=[‘D2′,’D3’]) # tring, echo px.forward(30) while True : distance = px.ultrasonic.read() print(« distance : « ,distance) si distance > 0 et distance < 300 : si distance < 25 : px.set_dir_servo_angle( -35) sinon : px.set_dir_servo_angle(0) enfin : px.forward(0) if __name__ == « __main__ » : main()

EzBlockStudio :

La gamme de robots PiCar-X 2.0 suit le programme de test

Le robot PiCar-X 2.0 s’appuie sur le « capteur d’échelle de gris SunFounder 3 canaux » pour détecter les lignes en attribuant à chaque sortie une valeur analogique distincte. Le test de programmation crée trois conditions pour la détection de ligne :

1. Avancez à une vitesse de 10 % par défaut avec l’angle du servo réglé sur 0 degré.
2. Si le capteur gauche détecte une ligne noire, réglez l’angle du servo de commande de roue sur 12 degrés.
3. Si le capteur droit détecte une ligne noire, réglez l’angle du servo de commande de roue sur -12 degrés.
4. Si les conditions 2 et 3 ci-dessus ne sont pas remplies, remettez l’angle du servo à 0 degré.

Programme Python pour la démo de la ligne suivante :

</p><br /> <p>depuis picarx, importez Picarx si __name__==’__main__’ : essayez : px = Picarx() # px = Picarx(grayscale_pins=[‘A0’, ‘A1’, ‘A2’]) px_power = 10 while True : gm_val_list = px.get_grayscale_data() print(« gm_val_list: »,gm_val_list) gm_status = px.get_line_status(gm_val_list) print(« gm_status: »,gm_status) if gm_status == ‘forward’: print( 1) px.forward(px_power) elif gm_status == ‘gauche’ : px.set_dir_servo_angle(12) px.forward(px_power) elif gm_status == ‘droit’ : px.set_dir_servo_angle(-12) px.forward(px_power) else : px.set_dir_servo_angle(0) px.stop() enfin : px.stop()

Conception de démonstration de programmation visuelle équivalente dans EzBlock Studio.

Text-to-speed avec le haut-parleur intégré

Nous allons maintenant faire dire au robot PiCar-X « Bonjour ! » via son haut-parleur en utilisant la synthèse vocale (TTS). Nous avons déjà installé le pilote avec i2samp.sh, nous pouvons donc écrire un programme Python comme suit :

</p><br /> <p>depuis robot_hat importez TTS si __name__ == « __main__ »: mots = [« Hello », « Hi », « Good bye », « Nice to meet you »]<br /><br /> tts_robot = TTS() pour i en mots : print(i) tts_robot.say(i)

Un exemple similaire ci-dessous a été écrit dans EzBlock Studio, mais il utilise la détection de visage via la caméra intégrée pour dire « Bonjour, ravi de vous rencontrer !

Vision par ordinateur avec le Raspberry Pi 4

La détection des visages n’est que l’une des charges de travail de vision par ordinateur qui peuvent être gérées par le Raspberry Pi 4 via la caméra SunFounder 5MP basée sur un capteur Full HD OV5647. Essayons donc quelques exemples supplémentaires de vision industrielle.

Détection des couleurs

Nous utiliserons des cercles colorés pour le test. Vous pouvez télécharger ce fichier PDF pour imprimer le vôtre.

Le programme de test détectera la couleur d’un panneau circulaire, dessinera un rectangle vert autour et écrira le nom sur la couleur en haut à gauche.

Code Python pour la détection des couleurs :

</p><br /> <p>importer cv2 depuis picamera.array importer PiRGBArray depuis picamera importer PiCamera importer numpy as np import time color_dict = {‘red’ :[0,4],’orange’:[5,18],’jaune’:[22,37],’vert’:[42,85],’bleu’:[92,110],’violet’:[115,165],’rouge 2′:[165,180]} #Voici la plage de H dans l’espace colorimétrique HSV représentée par la couleur kernel_5 = np.ones((5,5),np.uint8) #Définissez un noyau de convolution 5×5 avec des valeurs d’élément de tous 1. def color_detect (img,color_name) : # La gamme bleue sera différente selon les conditions d’éclairage et peut être ajustée de manière flexible. H : chrominance, S : saturation v : luminosité resize_img = cv2.resize(img, (160,120), interpolation=cv2.INTER_LINEAR) # Afin de réduire la quantité de calcul, la taille de l’image est réduite à (160,120) hsv = cv2.cvtColor(resize_img, cv2.COLOR_BGR2HSV) # Convertir de BGR en HSV color_type = color_name mask = cv2.inRange(hsv,np.array([min(color_dict[color_type]), 60, 60]), np.array([max(color_dict[color_type]), 255, 255]) ) # inRange()：Rendre ceux entre le bas/le haut blancs et le reste noir si color_type == ‘red’ : mask_2 = cv2.inRange(hsv, (color_dict[‘red_2’][0],0,0), (color_dict[‘red_2′][1],255,255)) mask = cv2.bitwise_or(mask, mask_2) morphologyEx_img = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel_5,iterations=1) # Effectuer une opération d’ouverture sur l’image # Trouver le contour dans morphologyEx_img, et les contours sont disposés selon la superficie, du plus petit au plus grand. _tuple = cv2.findContours(morphologyEx_img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) # compatible avec opencv3.x et openc4.x si len(_tuple) == 3 : _, contours, hiérarchie = _tuple sinon : contours, hiérarchie = _tuple color_area_num = len(contours) # Comptez le nombre de contours si color_area_num > 0 : pour i dans les contours : # Parcourez tous les contours x,y,w,h = cv2.boundingRect(i) # Décomposez le contour dans les coordonnées du coin supérieur gauche coin ainsi que la largeur et la hauteur de l’objet de reconnaissance # Dessinez un rectangle sur l’image (image, coordonnée du coin supérieur gauche, coordonnée du coin inférieur droit, couleur, largeur de ligne) si w >= 8 et h >= 8 : # Parce que l’image est réduit au quart de la taille originale, si vous souhaitez dessiner un rectangle sur l’image originale pour encercler la cible, vous devez multiplier x, y, w, h par 4. x = x * 4 y = y * 4 w = w * 4 h = h * 4 cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2) # Dessine un cadre rectangulaire cv2.putText(img ,color_type,(x,y), cv2.FONT_HERSHEY_SIMPLEX, 1,(0,0,255),2)# Ajouter une description de caractère return img,mask,morphologyEx_img avec PiCamera() comme caméra : print(« start color detector ») caméra. résolution = (640 480) camera.framerate = 24 rawCapture = PiRGBArray(camera, size=camera.resolution) time.sleep(2) pour l’image dans camera.capture_continuous(rawCapture, format= »bgr »,use_video_port=True):# use_video_port =True img = frame.array img,img_2,img_3 = color_detect(img,’red’) # Fonction de détection de couleur cv2.imshow(« video », img) # Afficher l’image OpenCV cv2.imshow(« mask », img_2) # Image OpenCV show cv2.imshow(« morphologyEx_img », img_3) # Image OpenCV show rawCapture.truncate(0) # Libérer le cache k = cv2.waitKey(1) & 0xFF # 27 est la touche ESC, ce qui signifie que si vous appuyez sur la touche Touche ESC pour quitter si k == 27 : break print(‘quit …’) cv2.destroyAllWindows() camera.close()

C’est beaucoup plus simple dans EzBlock Studio avec seulement deux blocs nécessaires

Fonction de détection de visage

Nous avons déjà testé rapidement la détection des visages dans le test du haut-parleur, mais regardons-y de plus près. L’implémentation repose sur la détection d’objets à l’aide des classificateurs Haar Cascade. Il s’agit d’une puissante méthode de détection d’objets développée par Paul Viola et Michael Jones et documentée dans leur article de recherche intitulé « Rapid Object Detection using a Boosted Cascade of Simple Features », publié en 2001, et toujours populaire aujourd’hui.

Nous testerons cela en analysant les images de caméra à l’aide des classificateurs en cascade Model Haar, d’abord en convertissant l’image en niveaux de gris, puis en dessinant un rectangle autour d’un visage humain s’il est détecté sur l’image en niveaux de gris, et enfin sur l’image originale.

Code Python :

</p><br /> <p>importer cv2 depuis picamera.array importer PiRGBArray depuis picamera importer PiCamera import time def human_face_detect(img): resize_img = cv2.resize(img, (320,240), interpolation=cv2.INTER_LINEAR) # Afin de réduire la quantité de calcul, redimensionnez le image au format 320 x 240 gray = cv2.cvtColor(resize_img, cv2.COLOR_BGR2GRAY) # Convertir en visages en niveaux de gris = face_cascade.detectMultiScale(gray, 1.3, 2) # Détecter les visages sur les images en niveaux de gris face_num = len(visages) # Nombre de visages détectés faces si face_num > 0 : pour (x,y,w,h) dans faces : x = x*2 # L’image étant réduite à la moitié de la taille d’origine, les x, y, w et h doivent être multiplié par 2. y = y*2 w = w*2 h = h*2 cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2 ) # Dessinez un rectangle sur le visage return img avec PiCamera() comme caméra : print(« start human face detector ») camera.resolution = (640,480) camera.framerate = 24 rawCapture = PiRGBArray(camera, size=camera.resolution) time.sleep(2) pour l’image dans camera.capture_continuous(rawCapture, format= »bgr »,use_video_port=True) : # use_video_port=True img = frame.array img = human_face_detect(img) cv2.imshow(« video », img ) #OpenCV image show rawCapture.truncate(0) # Libérer le cache k = cv2.waitKey(1) & 0xFF # 27 est la touche ESC, ce qui signifie que si vous appuyez sur la touche ESC pour quitter si k == 27 : interrompre l’impression (« quitter… ») cv2.destroyAllWindows() camera.close()

Exemple équivalent à EzBlock Studio.

Test vidéo de PiCar-X 2.0

Conclusion

SunFounder PiCar-X 2.0 est une voiture robot autonome alimentée par l’IA qui convient à ceux qui souhaitent en savoir plus sur la carte Raspberry Pi, la vision par ordinateur et la robotique. Le robot peut être programmé pour éviter les obstacles, suivre des lignes ou même conduire de manière autonome grâce à la vision par ordinateur avec des fonctionnalités telles que la détection des visages ou la détection des couleurs.

Ce kit robot convient aux écoles, aux autres établissements d’enseignement et à ceux qui s’intéressent aux robots et à la technologie en général. Nous n’avons pas couvert toutes les fonctionnalités et tutoriels de ce robot dans cette test, et vous en trouverez plus dans la documentation telle que la détection de code QR, le suivi du visage, le « Bull Fight » où le robot « poursuit » des objets de couleur rouge. , entre autres démos.

Nous tenons à remercier SunFounder de m’avoir envoyé le kit robot PiCar-x 2.0 pour l’instant. Le kit robot PiCar-X 2.0 avec batterie et chargeur est vendu 81,99 $ (ou 154,99 $ avec un Raspberry Pi 4 avec 4 Go de RAM sur la boutique en ligne de l’entreprise, et vous les trouverez également respectivement 74,99 $ et 145,10 $ sur Amazon après avoir cliqué sur le bouton Coche du code de réduction de 15 $.

Retrouvez l’histoire de Raspberry Pi dans cette vidéo :