樹莓派上利用Tensorflow實現小車的自動駕駛

基于樹莓派的人工智能自動駕駛小車

# 整體流程

電機控制攝像頭調試道路數據采集搭建深度學習模型，參數調試自動駕駛真實道路模擬參數最終調試使用方法：

先將樹莓派小車硬件組裝好使用zth_car_control.py來控制小車的前后左右移動，配合zth_collect_data.py來人工操作，使小車在自己制作的跑道進行數據采集。(該過程在樹莓派進行)數據采集完成以后使用zth_process_img.py來對采集的數據進行處理，之前當前先完成一些數據清洗的工作。(電腦上執行)使用神經網絡模型對數據進行訓練zth_train.py，得到訓練好的模型。(電腦上執行)在樹莓派小車上使用zth_drive和訓練好的模型，載入模型，即可實現在原先跑道的自動駕駛。(樹莓派上執行)注意：只需要使用上述提到的代碼即可，別的都是一些初始版本或者正在增加的一些新模塊。

# 注意事項：

賽道需要自己制作，很重要，決定了數據質量。(我是在地板上，貼的有色膠帶，然后貼成了跑道的形狀)。賽道的寬度大約是車身的兩倍。大約采集了五六萬張圖像，然后篩選出三四萬張。攝像頭角度問題# 具體制作流程：

小車原始模型，某寶購買玩具車即可，比如：有電機，有自帶電池盒(給電機供電)樹莓派，攝像頭，蓄電電池組(用于樹莓派供電)使用一些螺栓，螺柱，亞克力板將樹莓派，蓄電電池固定在小車上(具體方法，看手頭的工具吧)組裝好以后，樹莓派通過VNC連接電腦，登陸樹莓派，在樹莓派安裝keras環境，以便最后調用訓練好的模型。關于小車的控制(電機控制，攝像頭采集數據)，都在源文件，有注釋，大致思路就是通過方向鍵AWSD來控制方向，使用了pygame的工具包。通過電腦端的wasd方向鍵手動控制小車(已經VNC連接好)在制作好的賽道上進行圖像采集，直線部分按w，左拐彎按a，右拐彎按d等，建議采集50000張以上。(采集的圖像命名要求為，0_xxxx,1_xxxx,其中首位字母就代表了你按下的是哪個鍵，比如圖像是0開頭，那么這張圖像就是直行，按下的是w鍵，這些0，1，2，3，4 數字就相當于數據的標簽值)

7. 將圖片從樹莓派拷貝下來，進行數據清洗，使用電腦端的深度學習環境進行模型訓練，使用的模型可以自行定義。

8. 將訓練好的模型文件.h5拷貝到樹莓派，然后通過樹莓派調用載入模型，即可處理實時的圖像，并且根據圖像預測出是0，1，2，3，4等數字，也就表示了樹莓派該怎么移動,通過樹莓派控制電機即可。

# 正在進行一些改進：

使用遷移學習進行fine-tuning是否可以提高精度處理光照問題處理數據類別不平衡的問題