基于神经网络智能RC小车(Python+OpenCV)

网友投稿 698 2022-05-28

看代码时发现的一个有趣的例子,实现使用四大利器:

Raspberry Pi + Arduino + OpenCV Neural Network + RC CAR

硬件速览

指示停车

参考:https://github.com/hamuchiwa/AutoRCCar.git

效果如下:

绿灯行

红灯停

~~~~下面为机器人翻译结果~~~~

上网小助手:http://download.csdn.net/detail/zhangrelay/9840220

AutoRCCar

看到行动中的自驾(Youtube)

使用RC车,Raspberry Pi,Arduino和开源软件的自动驾驶系统的缩小版本。该系统使用带有相机和超声波传感器的Raspberry Pi作为输入,处理转向,物体识别(停车标志和交通灯)和距离测量的处理计算机以及用于RC车辆控制的Arduino板。

依赖

树莓Pi:

Picamera

电脑:

NumPy的

OpenCV的

Pygame的

PiSerial

关于

raspberrt_pi /

stream_client.py:以jpeg格式将视频帧流式传输到主机

ultrasonic_client.py:将由传感器测量的距离数据发送到主机

Arduino的/

rc_keyboard_control.ino:作为rc控制器和计算机之间的接口,允许用户通过USB串行接口发送命令

电脑/

cascade_xml /

训练级联分类器xml文件

棋盘/

用于校准的图像,由pi相机捕获

training_data /

基于神经网络的智能RC小车(Python+OpenCV)

以npz格式训练神经网络的图像数据

testing_data /

以npz格式测试神经网络的图像数据

training_images /

在图像训练数据采集阶段保存视频帧(可选)

mlp_xml /

在xml文件中训练神经网络参数

rc_control_test.py:带键盘的驱动RC车(测试目的)

picam_calibration.py:pi相机校准,返回相机矩阵

collect_training_data.py:接收流式视频帧和标签框以供后续培训

mlp_training.py:神经网络训练

mlp_predict_test.py:用测试数据测试训练有素的神经网络

rc_driver.py:多线程服务器程序接收视频帧和传感器数据,并允许RC车载驱动器本身具有停车标志,交通灯检测和前碰撞避免能力

如何开车

Flash Arduino:Flash “rc_keyboard_control.ino”到Arduino并运行“rc_control_test.py”来驱动rc车用键盘(测试目的)

Pi相机校准:使用pi相机以各种角度拍摄多张棋盘图像,并将其放入“chess_board”文件夹中,运行“picam_calibration.py”,并返回相机矩阵,这些参数将用于“rc_driver.py”

收集培训数据和测试数据:首先运行“collect_training_data.py”,然后在raspberry pi上运行“stream_client.py”。用户按键盘驱动RC车,只有当有按键动作时才保存框架。完成驾驶后,按“q”退出,数据保存为npz文件。

神经网络训练:运行“mlp_training.py”,取决于所选择的参数,需要一些时间训练。培训后,参数保存在“mlp_xml”文件夹中

神经网络测试:运行“mlp_predict_test.py”从“test_data”文件夹加载测试数据,并从“mlp_xml”文件夹中的xml文件中训练参数

级联分类器训练(可选):训练有素的停车标志和交通灯分类器包含在“cascade_xml”文件夹中,如果您有兴趣培训您自己的分类器,请参考OpenCV文档和Thorsten Ball

自驾驾驶:首先运行“rc_driver.py”在计算机上启动服务器,然后在raspberry pi上运行“stream_client.py”和“ultrasonic_client.py”。

OpenCV 神经网络

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:调用CES API查看数据仓库服务(DWS)监控指导
下一篇:Py之PyAutoGUI:python库之PyAutoGUI的简介、安装、使用方法
相关文章