Chế tạo chuột vi tính với Arduino Pro Micro và Joystick

Mô tả dự án: 

Pro Micro là 1 Board Arduino độc đáo với chức năng HID (Human Interface Device) có thể giả lập chuột và bàn phím. Bài này tui sẽ hướng dẫn các bạn làm 1 con chuột độc đáo với Pro Micro và Joystick.

Nguyên lý

Joystick thực ra là 2 cái potentiometer hoạt động độc lập, và ta chỉ cần đọc giá trị thay đổi của chúng rồi dùng thư viện Mouse.h của Arduino để di chuyển chuột tùy theo cái joystick đi nhiều hay ít. Ngoài ra joystick này còn có 1 nút bấm. Ta mặc định đây là nút Left Click của chuột. Đơn giản quá phải hem? wink

Phần cứng

Joystick có 5 chân. Các bạn nối vời Pro Micro theo bảng sau:

Joystick Pro Micro
5V 5V
GD GD
Rx A1
Ry A0
SW 9

 

 

 

Phần mềm

/* HID Joystick Mouse Example */
//Taken from https://www.sparkfun.com/tutorials/3...
#include <Mouse.h>

int horzPin = A0; // Chân nối vô biến trở ngang
int vertPin = A1; // Chân nối vô biến trở dọc
int selPin = 9; // chân nối vô nút nhấn trên joystick

int vertZero, horzZero; //lưu giá trị khởi tạo lúc ban đầu joystick chưa bị xê dịch (thường là 512 - đồ mới, khác 512 đồ cũ)
int vertValue, horzValue; // lưu giá trị analog hiện thời của mỗi biến trở 
const int sensitivity = 100; // Tốc độ chuột, càng lớn càng chậm. Nên để bé hơn 500ms
int mouseClickFlag = 0;

void setup()
{
    pinMode(selPin, INPUT); // nút nhấn trên joystick là input
    digitalWrite(selPin, HIGH); // biến selPin thành INPUT_PULLUP, có thể để pinMode là INPUT_PULLUP không cần dòng này
    delay(500); // dừng 500ms
    vertZero = analogRead(vertPin); // lấy giá trị khởi điểm cho biến trở dọc
    delay(500);
    horzZero = analogRead(horzPin); // lấy giá trị khởi điểm cho biến trở ngang
    delay(500);

}

void loop()
{
    vertValue = analogRead(vertPin) - vertZero; // đọc giá trị tương đối của trục dọc
    delay(1);
    horzValue = analogRead(horzPin) - horzZero; //  đọc giá trị tương đối của trục ngang
    delay(1);
    
    if (vertValue != 0)
        Mouse.move(0, vertValue/sensitivity, 0); // di chuyển trục chỉ theo trục y
    if (horzValue != 0)
        Mouse.move(horzValue/sensitivity, 0, 0); // di chuyển trục chỉ theo trục x
    
    if ((digitalRead(selPin) == 0) && (!mouseClickFlag)) // Nếu nhấn nút và trước đó chưa nhấn nút
    {
        mouseClickFlag = 1;
        Mouse.press(MOUSE_LEFT); // event chuột trái phát ra
    }
    else if ((digitalRead(selPin))&&(mouseClickFlag)) // nếu không còn nhấn nút nữa và trc đó đã nhấn nút
    {
        mouseClickFlag = 0;
        Mouse.release(MOUSE_LEFT); // thả left button
    }
}

 

Lưu ý

Các bạn có thể chỉnh độ nhạy của chuột bằng cách thay đổi biến:

const int sensitivity = 100; 

Biến càng cao  thì chuột càng chậm, và thường thì dưới 500 thì okê.

Gợi ý nâng cao

  • Các bạn có thể gắn thêm 1 potentiometer để điều khiển độ nhạy của chuột.
  • Làm 1 case thật oách cho chuột promicro của mình.  
lên
19 thành viên đã đánh giá bài viết này hữu ích.
Các dự án được truyền cảm hứng

Select any filter and click on Apply to see results

Các bài viết cùng tác giả

Arduino hậu tiền chế: Một số Apps/Shield phục vụ cho Internet của Vạn Vật (IW) hướng đến người sử dụng

Trong bài Arduino hậu tiền chế trước (http://arduino.vn/bai-viet/1086-arduino-hau-tien-che-lam-xong-code-roi-t...) tui đã phân tích tầm quan trọng của việc hướng đến người sử dụng. Bài này tui sẽ giới thiệu 1 số apps/shield khá hay làm cho việc sử dụng Arduino/Raspberry Pi gần gũi với người sử dụng hơn.

lên
18 thành viên đã đánh giá bài viết này hữu ích.
Từ khóa: 

Trí thông mình nhân tạo với Watson IBM và Raspberry Pi (Phần 2): Nhận dạng khuôn mặt, giới tính và tuổi

Bài trước tui đã hướng dẫn các bạn làm quen với Watson IBM trên Raspberry Pi. Bây giờ chúng ta sẽ quay trở lại với bài toán nhận diện khuôn mặt. Trong bài khóa "thông minh" với OpenCV, dữ liệu nhận dạng khuôn mặt được đưa ra bởi một thuật toán "tĩnh" OpenCV trên laptop của các bạn và sau đó kết quả được chép thủ công vào Raspberry Pi. Raspberry chỉ việc dựa vào kết quả training và đưa ra kết quả nhận diện khuôn mặt. Đây chưa phải là giải pháp tối ưu vì giả sử bạn muốn thay đổi thuật toán mới hoặc train cho tốt hơn thì không thể thực hiện trên Pi được. Thay vậy, bạn có thể dùng dịch vụ cloud của Watson cho việc training và chỉ việc up hình lên để Watson nhận diện. Kết quả sẽ được trả về qua json với lượng thông tin phong phú hơn nhiều. 

lên
7 thành viên đã đánh giá bài viết này hữu ích.
Từ khóa: