Walabasquiat:een interactieve generatieve kunstinstallatie!

Walabasquiat is een interactieve generatieve kunstinstallatie met behulp van de Walabot 3D-beeldsensor, Raspberry Pi en Android.

Verhaal

Idee 🤔 💡

Halverwege de jaren negentig verbaasde William Latham de wereld met zijn pc-applicatie Organic Art en screensavers. Hij liet het publiek kennismaken met bizarre, buitenaardse vormen die werden weergegeven met behulp van geavanceerde genetische algoritmen die voortdurend eenvoudige vormen muteren tot uitgebreide organische levensvormen. Ik ben altijd al gefascineerd geweest door generatieve kunst en heb er lang van gedroomd om een ​​interactieve installatie te maken waarbij deelnemers de algoritmen kunnen beïnvloeden door hun aanwezigheid of beweging. Walabasquiat gebruikt Verwerking op Raspberry Pi en Android met de Walabot sensor als invoerparameters om een ​​uniek, steeds evoluerend tapijt van pixels te creëren als reactie op de beweging van zijn kijkers. 🔀

Aan de slag 🔰 👩‍💻

De Walabot ophalen werken aan een Raspberry Pi is uiterst eenvoudig:sluit hem gewoon aan op een beschikbare USB-poort via de meegeleverde micro-USB-kabel (zorg ervoor dat u een voeding van 2,5 A+ gebruikt) en installeer de Walabot API. Ik gebruik graag de CLI waar mogelijk, dus vanaf Terminal op de Pi zelf heb ik het volgende uitgevoerd:

cd ~
wget https://s3.eu-central-1.amazonaws.com/walabot/WalabotInstaller/Latest/walabot_maker_1.0.34_raspberry_arm32.deb
sudo dpkg –i walabot_maker_1.0.34_raspberry_arm32.deb

om de API te installeren, en dan:

pip install WalabotAPI —no–index —find-links=“/usr/share/walabot/python/

om de meegeleverde Python-voorbeelden uit te voeren, evenals de voorbeelden die beschikbaar zijn op GitHub. Een geweldige eerste app om uit te voeren is SensorApp.py, die de onbewerkte coördinaten van doelen uitvoert die de Walabot detecteert:

cd /usr/share/doc/walabot/examples/python
python SensorApp.py

Ruwe sensorwaarden van SensorApp.py

Nu alles in de lucht is, is het tijd om er iets cools mee te maken! 🕶️

Ontwikkelingsproces 💪 💻

De eerste uitdaging was het bedenken van een manier voor Verwerking , die ik wilde gebruiken om de generatieve kunst te maken, om met de Walabot te praten . Ik heb in eerste instantie geprobeerd de Walabot API . te integreren rechtstreeks in mijn schets met behulp van Verwerking 's Python-modus , maar nadat ik problemen had ondervonden met verschillende Python versies en andere compatibiliteitsproblemen, realiseerde ik me dat ik de Walabot . moest abstraheren 's sensoren via een RESTful API , die Processing (en elke andere netwerk-enabled client!) zou kunnen verbruiken. Ik begon een Flask . samen te stellen -gebaseerde server, stuitte op de een of andere manier op @TheArtOfPour's walabot-web-api, wat vrijwel precies was wat ik aan het maken was, hoewel bedoeld voor gebruik met Windows en de Ontwikkelaar  versie van Walabot , terwijl ik Linux . gebruikte en de Maker  versie - maar het was nog steeds sneller om het aan te passen om met mijn besturingssysteem/hardware te werken dan mijn eigen helemaal opnieuw te maken! Met een werkende RESTful API serveren van Walabot  doelgegevens op mijn Raspberry Pi, schakelde ik vervolgens over naar de generatieve kunst deel van het project met behulp van Verwerking . 💻

Ik gebruikte het boek Generative Kunst door Matt Pearson als een gids voor het benutten van Verwerking om generatieve kunst te maken, maar bij het zoeken naar voorbeelden kwam ik @hype's HYPE Processing Library tegen, die ondanks al meer dan twee jaar niet bijgewerkt was nog steeds perfect werkte, en precies het soort hulp bood dat ik nodig had om iets te maken dat er spectaculair uitzag! Ik heb de generatieve functionaliteit van HYPE . gecombineerd met de JSON-sensorgegevens geleverd door de Flask -gebaseerd RESTful API-server om prachtige weergaven van Walabot  . te maken doelen:

Walabasquiat zwermen rond drie Walabot-doelen

Sinds Walabasquiat  is bedoeld als kunstinstallatie, met de Processing Omdat de schets op een groot scherm werd weergegeven of geprojecteerd, dacht ik dat het leuk zou zijn om een ​​"souvenir" te bieden waarmee bezoekers van het project kunnen blijven genieten, zelfs nadat ze zijn vertrokken. Ik heb Walabasquiandroid . gemaakt , een Android live wallpaper , opnieuw met behulp van Verwerking  voor visuals en dezelfde RESTful API om de Walabot  . te verkrijgen sensor waarden. De visualisatie is meer simplistisch in de Android-app, omdat er geen onredelijke hoeveelheden CPU worden gebruikt om een ​​mooie achtergrond te bieden, maar het biedt een aantrekkelijke, generatieve weergave van dezelfde doelen die het belangrijkste stuk informeren, waarvan lang kan worden genoten. de primaire installatie bekijken:

Walabasquiat Live Achtergrond

Stappen naar Repro 📑 🚀

Als je dit project opnieuw wilt maken, sluit je gewoon Walabot  aan naar de Raspberry Pi en installeer de API  zoals beschreven in Aan de slag hierboven, dan op de Raspberry Pi , gebruik Terminal, download en voer de server uit:

cd /usr/share/doc/walabot/examples/python
sudo wget https://raw.githubusercontent.com/ishotjr/walabot-web-api/rpi/app.py
python3 app.py

Je kunt curl gebruiken om ervoor te zorgen dat alles werkt:

curl –include http://192.168.1.69:5000/walabot/api/v1.0/sensortargets
HTTP/1.0 200 OK
Content-Type:application/json
Access-Control- Sta oorsprong toe:*
Inhoud-Lengte:527
Server:Werkzeug/0.11.15 Python/3.5.3
Datum:di, 11 sep 2018 04:06:12 GMT
{
“sensortargets”:[
{
“amplitude”:0.0026219950401443343,
“xPosCm”:-0.5432446316758038,
“yPosCm”:10.355883874986088,
“zPosCm”:8.265291199116765
},
{
“amplitude”:0.0018395134981517656,
“xPosCm”:10.506637221750935,
“yPosCm”:-3.1108099532967013,
“zPosCm”:10.035551162938308
},
{
“amplitude”:0.0015859160772638584,
“xPosCm”:-12.981743742198365,
“yPosCm”:-8.162094824811618,
“zPosCm”:10.094844162189423
}
]
}

In dit voorbeeld is het lokale IP-adres van de Raspberry Pi in mijn netwerk 192.168.1.69  – je kunt de jouwe vinden met ip addr show.

Nu voor de kunst! 🎨 Als u nog geen Verwerking  . heeft geïnstalleerd op uw Raspberry Pi , pak dat eerst (nogmaals, ik gebruik de CLI graag, maar er is een gemakkelijkere manier als dat niet jouw ding is!):

cd ~
curl https://processing.org/download/install-arm.sh | sudo sh

Kloon vervolgens de Walabasquiat  en HYPE  bibliotheekrepo's en installeer de laatste door deze uit te pakken in de map bibliotheken in uw schetsboek:

cd ~/sketchbook
git clone https://github.com/ishotjr/Walabasquiat.git
git clone https://github.com/hype/HYPE_Processing.git
unzip HYPE_Processing/distribution /HYPE.zip -d ~/sketchbook/libraries/HYPE

Open Verwerking  van onder Afbeeldingen  in de Raspberry Pi app-menu en gebruik Bestand> Openen om de schets uit uw schetsboek te laden:

Lees meer details  :Walabasquiat:een interactieve generatieve kunstinstallatie!