تنزيل DeepPiCar - تنزيل كود مصدر DeepPiCar

DeepPiCar

كود الذكاء الاصطناعي

1.0.0

تنزيل

سلسلة ديب بي كار

DeepPiCar - الجزء الأول: كيفية بناء سيارة روبوتية ذاتية القيادة ذاتية القيادة بميزانية محدودة

نظرة عامة على كيفية بناء سيارة روبوتية ذاتية القيادة تعمل بالطاقة Raspberry Pi وTensorFlow

بقلم ديفيد تيان

هاكر، ومصلح، ومهندس. أنا متحمس للتعلم الآلي والذكاء الاصطناعي وأي شيء متعلق بالتكنولوجيا.

مقدمة

واليوم، تحاول كل من شركات تسلا، وجوجل، وأوبر، وجنرال موتورز إنشاء سيارات ذاتية القيادة يمكنها السير على طرق العالم الحقيقي. يتوقع العديد من المحللين أنه خلال السنوات الخمس المقبلة، سنبدأ في تشغيل سيارات ذاتية القيادة بالكامل في مدننا، وفي غضون 30 عامًا، ستكون جميع السيارات تقريبًا ذاتية القيادة بالكامل. ألن يكون من الرائع أن تصنع سيارتك ذاتية القيادة باستخدام بعض التقنيات نفسها التي يستخدمها الكبار؟ في هذا المقال والمقالات القليلة التالية، سوف أرشدك إلى كيفية بناء سيارتك الروبوتية ذاتية القيادة وذاتية التعلم العميق من الصفر. ستتمكن من جعل سيارتك تكتشف الممرات وتتبعها، وتتعرف على إشارات المرور والأشخاص على الطريق وتستجيب لهم في أقل من أسبوع. إليك نظرة خاطفة على منتجك النهائي.

متابعة المسار

إشارة المرور واكتشاف الأشخاص (يمين) من DashCam الخاص بـ DeepPiCar

خريطة الطريق لدينا

الجزء 2 : سأدرج الأجهزة التي يجب شراؤها وكيفية إعدادها. باختصار، ستحتاج إلى لوحة Raspberry Pi (50 دولارًا)، ومجموعة SunFounder PiCar (115 دولارًا)، وGoogle's Edge TPU (75 دولارًا) بالإضافة إلى بعض الملحقات، ومدى أهمية كل جزء في المقالات اللاحقة. التكلفة الإجمالية للمواد حوالي 250-300 دولار. سنقوم أيضًا بتثبيت جميع برامج التشغيل التي يحتاجها Raspberry Pi وPiCar.

راسبيري باي 3 ب+

مجموعة السيارة الروبوتية SunFounder PiCar-V

جوجل إيدج مسرع TPU

الجزء 3 : سنقوم بإعداد جميع برامج رؤية الكمبيوتر والتعلم العميق اللازمة. الأدوات البرمجية الرئيسية التي نستخدمها هي Python (لغة البرمجة الفعلية لمهام التعلم الآلي/الذكاء الاصطناعي)، وOpenCV (حزمة رؤية كمبيوتر قوية) وTensorflow (إطار التعلم العميق الشهير من Google). لاحظ أن جميع البرامج التي نستخدمها هنا مجانية ومفتوحة المصدر!

الجزء 4 : بعد الانتهاء من إعداد الأجهزة والبرامج (المملة)، سنتعمق مباشرة في الأجزاء الممتعة! مشروعنا الأول هو استخدام python وOpenCV لتعليم DeepPiCar التنقل بشكل مستقل على طريق متعرج ذي حارة واحدة من خلال اكتشاف خطوط الحارة والتوجيه وفقًا لذلك.

كشف المسار خطوة بخطوة

الجزء الخامس : سنقوم بتدريب DeepPiCar على التنقل في المسار بشكل مستقل دون الحاجة إلى كتابة منطق واضح للتحكم فيه، كما حدث في مشروعنا الأول. ويتم تحقيق ذلك باستخدام "استنساخ السلوك"، حيث نستخدم فقط مقاطع الفيديو الخاصة بالطريق وزوايا التوجيه الصحيحة لكل إطار فيديو لتدريب DeepPiCar على القيادة الذاتية. التنفيذ مستوحى من السيارة المستقلة كاملة الحجم DAVE-2 من NVIDIA، والتي تستخدم شبكة عصبية تلافيفية عميقة لاكتشاف ميزات الطريق واتخاذ قرارات التوجيه الصحيحة.

متابعة المسار أثناء العمل

وأخيرًا، في الجزء السادس : سوف نستخدم تقنيات التعلم العميق مثل اكتشاف الكائنات متعددة الصناديق ذات اللقطة الواحدة ونقل التعلم لتعليم DeepPiCar اكتشاف إشارات المرور المختلفة (المصغرة) والمشاة على الطريق. ومن ثم سنقوم بتعليمها التوقف عند الإشارات الحمراء وإشارات التوقف، والسير عند الإشارات الخضراء، والتوقف لانتظار عبور أحد المشاة، وتغيير الحد الأقصى للسرعة وفقًا لعلامات السرعة المعلنة، وما إلى ذلك.

التدريب على نموذج إشارات المرور وكشف الأشخاص في TensorFlow

شرط أساسي

فيما يلي المتطلبات الأساسية لهذه المقالات:

أولًا وقبل كل شيء هو الرغبة في إصلاح الأشياء وكسرها . على عكس محاكاة السيارة، حيث يكون كل شيء محددًا وقابل للتكرار تمامًا، يمكن أن تكون نماذج السيارات في العالم الحقيقي غير متوقعة ويجب أن تكون على استعداد لتدمير يديك والبدء في العبث بكل من الأجهزة والبرامج.
مهارات برمجة بايثون الأساسية. سأفترض أنك تعرف كيفية قراءة كود بايثون وكتابة الوظائف، إذا كانت البيانات والحلقات في بايثون. معظم التعليمات البرمجية الخاصة بي موثقة جيدًا، وتحديدًا الأجزاء التي يصعب فهمها.
المعرفة الأساسية بنظام التشغيل Linux . سأفترض أنك تعرف كيفية تشغيل الأوامر في Bash Shell في Linux، وهو نظام تشغيل Raspberry Pi. ستخبرك مقالاتي بالضبط بالأوامر التي يجب تشغيلها، ولماذا نقوم بتشغيلها، وما يمكن توقعه كنتيجة.
وأخيرًا، ستحتاج إلى حوالي 250 دولارًا - 300 دولارًا لشراء جميع الأجهزة وأجهزة الكمبيوتر العاملة (Windows/Mac أو Linux). ومرة أخرى، ستكون جميع البرامج المستخدمة مجانية.