DeepPiCar下载 - DeepPiCar源码下载

DeepPiCar

Ai源码

1.0.0

下载

深皮车系列

DeepPiCar — 第 1 部分：如何以有限的预算构建深度学习自动驾驶机器人汽车

概述如何构建 Raspberry Pi 和 TensorFlow 驱动的自动驾驶机器人汽车

作者：田大卫

黑客、修补匠和工程师。我对机器学习、人工智能以及任何与技术相关的事物充满热情。

介绍

如今，特斯拉、谷歌、优步和通用汽车都在尝试打造自己的可以在现实世界道路上运行的自动驾驶汽车。许多分析师预测，未来 5 年内，我们将开始在城市中运行全自动驾驶汽车，30 年内，几乎所有汽车都将实现全自动驾驶。使用大公司使用的一些相同技术来制造自己的自动驾驶汽车不是很酷吗？在本文和接下来的几篇文章中，我将指导您如何从头开始构建自己的物理、深度学习、自动驾驶机器人汽车。您将能够在一周内让您的汽车检测并遵循车道，识别交通标志和路上的人并做出反应。这是您的最终产品的预览。

车道跟随

DeepPiCar 行车记录仪的交通标志和人员检测（右）

我们的路线图

第 2 部分：我将列出要购买的硬件以及如何设置它们。简而言之，您将需要一个 Raspberry Pi 板（50 美元）、SunFounder PiCar 套件（115 美元）、Google 的 Edge TPU（75 美元）以及一些配件，并在后面的文章中介绍每个部件的重要性。材料的总成本约为 250-300 美元。我们还将安装 Raspberry Pi 和 PiCar 所需的所有软件驱动程序。

树莓派 3 B+

SunFounder PiCar-V 机器人小车套件

谷歌边缘 TPU 加速器

第 3 部分：我们将设置所需的所有计算机视觉和深度学习软件。我们使用的主要软件工具是Python（用于机器学习/人工智能任务的事实上的编程语言）、OpenCV（功能强大的计算机视觉包）和Tensorflow（谷歌流行的深度学习框架）。请注意，我们在这里使用的所有软件都是免费且开源的！

第 4 部分：完成（繁琐的）硬件和软件设置后，我们将直接进入有趣的部分！我们的第一个项目是使用 python 和 OpenCV 来教 DeepPiCar 通过检测车道线并相应地转向来在蜿蜒的单车道道路上自主导航。

逐步车道检测

第 5 部分：我们将训练 DeepPiCar 自动导航车道，而无需显式编写逻辑来控制它，就像我们在第一个项目中所做的那样。这是通过使用“行为克隆”来实现的，我们仅使用道路视频和每个视频帧的正确转向角度来训练 DeepPiCar 自行驾驶。该实现的灵感来自 NVIDIA 的 DAVE-2 全尺寸自动驾驶汽车，该汽车使用深度卷积神经网络来检测道路特征并做出正确的转向决策。

车道跟踪实际应用

最后，在第 6 部分中：我们将使用深度学习技术（例如单次多框目标检测和迁移学习）来教 DeepPiCar 检测道路上的各种（微型）交通标志和行人。然后我们会教它在红灯和停车标志处停车、绿灯通行、停车等待行人过马路、根据张贴的速度标志改变其速度限制等。

TensorFlow 中的交通标志和人员检测模型训练

先决条件

以下是这些文章的先决条件：

首先也是最重要的是愿意修补和打破事物。与汽车模拟器中的一切都是确定性且完全可重复的不同，现实世界的模型汽车可能是不可预测的，您必须愿意亲自动手并开始修补硬件和软件。
基本的Python 编程技能。我假设你知道如何阅读 python 代码并在 python 中编写函数、 if 语句和循环。我的大部分代码都有详细的文档记录，特别是那些难以理解的部分。
基本的Linux 操作系统知识。我假设您知道如何在 Linux（Raspberry Pi 的操作系统）中的 Bash shell 中运行命令。我的文章将准确告诉您要运行哪些命令、为什么运行它们以及期望输出什么。
最后，您将需要大约250-300 美元来购买所有硬件和工作 PC（Windows/Mac 或 Linux）。再次强调，所有使用的软件都是免费的。