DeepPiCar下載 - DeepPiCar源碼下載

DeepPiCar

Ai源碼

1.0.0

下載

深皮車系列

DeepPiCar — 第 1 部分：如何以有限的預算建立深度學習自動駕駛機器人汽車

概述如何建構 Raspberry Pi 和 TensorFlow 驅動的自動駕駛機器人汽車

作者：田大衛

黑客、修補匠和工程師。我對機器學習、人工智慧以及任何與技術相關的事物充滿熱情。

介紹

如今，特斯拉、Google、Uber和通用汽車都在嘗試打造自己的可以在現實世界道路上運行的自動駕駛汽車。許多分析師預測，未來 5 年內，我們將開始在城市中運行全自動駕駛汽車，30 年內，幾乎所有汽車都將實現全自動駕駛。使用大公司使用的一些相同技術來製造自己的自動駕駛汽車不是很酷嗎？在本文和接下來的幾篇文章中，我將指導您如何從頭開始建立自己的物理、深度學習、自動駕駛機器人汽車。您將能夠在一周內讓您的汽車偵測並遵循車道，識別交通標誌和路上的人並做出反應。這是您的最終產品的預覽。

車道跟隨

DeepPiCar 行車記錄器的交通標誌和人員偵測（右）

我們的路線圖

第 2 部分：我將列出要購買的硬體以及如何設定它們。簡而言之，您將需要一個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，並在後面的文章中介紹每個部件的重要性。材料的總成本約為 250-300 美元。我們還將安裝 Raspberry Pi 和 PiCar 所需的所有軟體驅動程式。

樹莓派 3 B+

SunFounder PiCar-V 機器人小車套件

Google邊緣 TPU 加速器

第 3 部分：我們將設定所需的所有電腦視覺和深度學習軟體。我們使用的主要軟體工具是Python（用於機器學習/人工智慧任務的事實上的程式語言）、OpenCV（功能強大的電腦視覺套件）和Tensorflow（Google流行的深度學習框架）。請注意，我們在這裡使用的所有軟體都是免費且開源的！

第 4 部分：完成（繁瑣的）硬體和軟體設定後，我們將直接進入有趣的部分！我們的第一個項目是使用 python 和 OpenCV 來教導 DeepPiCar 透過偵測車道線並相應地轉向來在蜿蜒的單車道道路上自主導航。

逐步車道偵測

第 5 部分：我們將訓練 DeepPiCar 自動導航車道，而無需明確編寫邏輯來控制它，就像我們在第一個專案中所做的那樣。這是透過使用「行為克隆」來實現的，我們僅使用道路視訊和每個視訊幀的正確轉向角度來訓練 DeepPiCar 自行駕駛。該實現的靈感來自 NVIDIA 的 DAVE-2 全尺寸自動駕駛汽車，該汽車使用深度卷積神經網路來檢測道路特徵並做出正確的轉向決策。

車道追蹤實際應用

最後，在第 6 部分：我們將使用深度學習技術（例如單次多框目標偵測和遷移學習）來教導 DeepPiCar 偵測道路上的各種（微型）交通標誌和行人。然後我們會教它在紅燈和停車標誌處停車、綠燈通行、停車等待行人過馬路、根據張貼的速度標誌改變其速度限制等。

TensorFlow 中的交通標誌和人員偵測模型訓練

先決條件

以下是這些文章的先決條件：

首先也是最重要的是願意修補和打破事物。與汽車模擬器中的一切都是確定性且完全可重複的不同，現實世界的模型汽車可能是不可預測的，您必須願意親自動手並開始修補硬體和軟體。
基本的Python 程式設計技能。我假設你知道如何閱讀 python 程式碼並在 python 中編寫函數、 if 語句和循環。我的大部分程式碼都有詳細的文檔記錄，特別是那些難以理解的部分。
基本的Linux 作業系統知識。我假設您知道如何在 Linux（Raspberry Pi 的作業系統）中的 Bash shell 中執行命令。我的文章將準確告訴您要執行哪些命令、為什麼要運行它們以及期望輸出什麼。
最後，您將需要大約250-300 美元來購買所有硬體和工作 PC（Windows/Mac 或 Linux）。再次強調，所有使用的軟體都是免費的。