内容简介:先抛出大家最关心的——代码地址:github传送门:码云传送门:
先抛出大家最关心的——代码地址:
github传送门: https://github.com/Timthony/self_drive
码云传送门: https://gitee.com/tiantianhang/self_drive
基于树莓派的人工智能自动驾驶小车
# 整体流程
- 电机控制
- 摄像头调试
- 道路数据采集
- 搭建深度学习模型,参数调试
- 自动驾驶真实道路模拟
- 参数最终调试
使用方法:
- 先将树莓派小车硬件组装好
- 使用zth_car_control.py来控制小车的前后左右移动,配合zth_collect_data.py来人工操作,使小车在自己制作的跑道进行数据采集。(该过程在树莓派进行)
- 数据采集完成以后使用zth_process_img.py来对采集的数据进行处理,之前当前先完成一些数据清洗的工作。(电脑上执行)
- 使用神经网络模型对数据进行训练zth_train.py,得到训练好的模型。(电脑上执行)
- 在树莓派小车上使用zth_drive和训练好的模型,载入模型,即可实现在原先跑道的自动驾驶。(树莓派上执行)
注意:只需要使用上述提到的代码即可,别的都是一些初始版本或者正在增加的一些新模块。
# 注意事项:
- 赛道需要自己制作,很重要,决定了数据质量。(我是在地板上,贴的有色胶带,然后贴成了跑道的形状)。
- 赛道的宽度大约是车身的两倍。
- 大约采集了五六万张图像,然后筛选出三四万张。
- 摄像头角度问题
# 具体制作流程:
- 小车原始模型,某宝购买玩具车即可,比如:有电机,有自带电池盒(给电机供电)
- 树莓派,摄像头,蓄电电池组(用于树莓派供电)
- 使用一些螺栓,螺柱,亚克力板将树莓派,蓄电电池固定在小车上(具体方法,看手头的 工具 吧)
- 组装好以后,树莓派通过VNC连接电脑,登陆树莓派,在树莓派安装keras环境,以便最后调用训练好的模型。
- 关于小车的控制(电机控制,摄像头采集数据),都在源文件,有注释,大致思路就是通过方向键AWSD来控制方向,使用了pygame的工具包。
- 通过电脑端的wasd方向键手动控制小车(已经VNC连接好)在制作好的赛道上进行图像采集,直线部分按w,左拐弯按a,右拐弯按d等,建议采集50000张以上。
(采集的图像命名要求为,0_xxxx,1_xxxx,其中首位字母就代表了你按下的是哪个键,比如图像是0开头,那么这张图像就是直行,按下的是w键,这些0,1,2,3,4 数字就相当于数据的标签值)
7. 将图片从树莓派拷贝下来,进行数据清洗,使用电脑端的深度学习环境进行模型训练,使用的模型可以自行定义。
8. 将训练好的模型文件.h5拷贝到树莓派,然后通过树莓派调用载入模型,即可处理实时的图像,并且根据图像预测出是0,1,2,3,4等数字,也就表示了树莓派该怎么移动,通过树莓派控制电机即可。
# 正在进行一些改进:
- 使用迁移学习进行fine-tuning是否可以提高精度
- 处理光照问题
- 处理数据类别不平衡的问题
欢迎交流讨论
以上所述就是小编给大家介绍的《树莓派上利用Tensorflow实现小车的自动驾驶》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 使用无线键盘控制树莓派小车
- 给树莓派小车控制系统加上装甲
- Windows系统监听键盘通过UDP协议控制树莓派小车
- 用家里旧的红外遥控器控制树莓派小车
- Google工程师:教你用树莓派+Arduino+TensorFlow搭建图像识别小车
- 麦轮小车
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
大型分布式网站架构设计与实践
陈康贤 / 电子工业出版社 / 2014-9-1 / 79.00元
《大型分布式网站架构设计与实践》主要介绍了大型分布式网站架构所涉及的一些技术细节,包括SOA架构的实现、互联网安全架构、构建分布式网站所依赖的基础设施、系统稳定性保障和海量数据分析等内容;深入地讲述了大型分布式网站架构设计的核心原理,并通过一些架构设计的典型案例,帮助读者了解大型分布式网站设计的一些常见场景及遇到的问题。 作者结合自己在阿里巴巴及淘宝网的实际工作经历展开论述。《大型分布式网站......一起来看看 《大型分布式网站架构设计与实践》 这本书的介绍吧!
MD5 加密
MD5 加密工具
HEX CMYK 转换工具
HEX CMYK 互转工具