本网页已闲置超过3分钟,按键盘任意键或点击空白处,即可回到网页
最热资讯


亲,“电路城”已合并升级到更全、更大、更强的「新与非网」。点击查看「新与非网」
近年来,自动驾驶汽车成为越来越受关注的话题,因为许多公司正在积极开发相关的硬件和软件技术,来实现无需人工干预的全自动驾驶能力。
深度神经网络(DNN)已成功应用于各种感知和控制任务,它们也是自动驾驶汽车的重要工作负载。
什么是 Deep Pi Car?
Deep Picar 是 NVIDIA 名为 DAVE-2 的真正自动驾驶汽车的小规模复制品。使用 Deep Picar,我们分析了 Raspberry Pi 的计算能力,支持基于端到端深度学习的自动驾驶汽车实时控制。
项目理念:
通过从人工驾驶切换到自动驾驶来控制车辆。
零件清单:
第 1 步:集齐所有零部件
PiCar-S 树莓派智能机器人车载套件
https://www.banggood.com/SunFounder-PiCar-S-Raspbe...
树莓派 3
https://ar.banggood.com/Raspberry-Pi-3-Model-B+-.....
Google Edge TPU 协处理器
https://saudi.desertcart.com/products/125589101-go...
广角 USB 摄像头 1.3 兆像素,带 170 度鱼眼镜头
https://etqan.sa/product/usb-camera/?gclid=CjwKCAi...
适配器 HDMI 90 度角
https://www.banggood.com/Ugreen-HD112-HDMI-Male-to...
电池 18650
https://etqan.sa/product/18650-battery-3-7v-recha...
充电器
微型 SD 卡 16GB
第 2 步:关于 Google Edge TPU 加速器
Coral USB Accelerator 是目前现有 Linux 系统带有强大机器学习功能的演算机器。USB Accelerator 采用 Edge TPU(一种由 Google 设计和制造的小型 ASIC),可通过 USB 3.0 接口以低功耗提供高性能机器学习演算。
Edge TPU 主要优点:
特点:Google Edge TPU ML 加速器协处理器 USB 3.0 Type-C 插座支持主机 CPU 上的 Debian Linux 模型使用 Tensor Flow 构建。尽管可以自定义架构,但完全支持 Mobile Net 和 Inception 架构 与 Google Cloud 兼容。
Coral 是 Google 的一个拓展功能,通过本地 AI 平台帮助构建智能想法。
第 3 步:树莓派设置
要对 Raspberry Pi 进行设置,您需要:
设置步骤:
连接好micro SD卡后,开始从树莓派官网https://www.raspberrypi.org/downloads/下载obrution系统,使用NOBBS软件,通过copping下载到micro SD卡上面的所有文件。之后,将 micro SD 卡插入树莓派并插入所有电缆,所有选项都会在屏幕上看到。
第 4 步:组装和安装
使用说明书,我们开始安装 PiCar 套件,该套件包含:
注 1:在开始安装之前,请确保套件的每个电子部件都能正常工作,分别进行测试。
注 2:如果您使用的是树莓派 3 及以上版本,则无需安装天线,因为r aspberry 具有内部 Wifi 和蓝牙。
零件的组装经过几个阶段:
注意:由于舵机在后部,因此需要进行一些配置以进行保护。我们需要在安装时使舵机旋转到 90 度,这样旋转范围才能与汽车中的应用相匹配。否则可能会损坏舵机。
安装相关视频:
安装#1 - YouTube
安装#2 - YouTube
安装#3 - YouTube
安装#4 - YouTube
第 5 步:手工制作模型
制作交通标志并与项目配合使用的手工艺品很少。
我们使用的标志:
此步骤的相关视频:
第 6 步:使用 Raspberry Pi 设置 Picar
对于 Google Edge TPU Accelerator,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、OpenCV(一个强大的计算机视觉包)和 Tensor Flow(谷歌流行的深度学习框架)。注意:我们在这里使用的所有软件都是免费和开源的。
现在我们有了一个可以通过 Python 控制的正在运行的机器人汽车。下面是我开源的代码和文件仅供参考:
第 7 步:机器学习和实践
在我们运行程序之前,我们应该给 picar 一个视觉处理(相机和 OpenCV)和一个计算处理(Tensor Flow),所以我们必须首先遵循:
在这一步中,我们将使用单次射击多盒物体检测和迁移学习等深度学习技术来教 DeepPiCar 检测道路上的各种(微型)交通标志和行人。然后我们将教它在红灯和停车标志处停车,绿灯行驶,停车等待行人通过,并根据张贴的限速标志更改其限速,并为 Picar 进行大量练习。
下面是一些机器学习和实践的相关视频:
第 8 步:最终产品演示
在这一步中,我们展示了最终产品,一个无需人工干预即可控制车辆的仿真模型。下面是源代码仅供参考:
import logging
__INITIAL_SPEED = 0 def __init__(self): picar.setup() logging.debug('Set up camera') self.pan_servo = picar.Servo.Servo(1) self.tilt_servo = picar.Servo.Servo(2) logging.debug('Set up back wheels') self.lane_follower = HandCodedLaneFollower(self) self.fourcc = cv2.VideoWriter_fourcc(*'XVID') logging.info('Created a DeepPiCar') def create_video_recorder(self, path): def __exit__(self, _type, value, traceback): self.cleanup() def cleanup(self): def drive(self, speed=__INITIAL_SPEED): Keyword arguments: logging.info('Starting to drive at speed %s...' % speed) self.back_wheels.forward() image_objs = self.process_objects_on_road(image_objs) image_lane = self.follow_lane(image_lane) if cv2.waitKey(1) & 0xFF == ord('q'): def process_objects_on_road(self, image): def follow_lane(self, image):
|
如何将树莓派与笔记本电脑显示屏连接
2021-06-05
只为超越Apple Watch:华为智能手表GT拆解分析超长续航背后的秘密
2019-08-18
智能美妆镜电路设计方案分析:金玉其外败絮其中
2019-07-22
华为AI音箱MINI拆解:智能音箱的一站式电路解决方案
2019-08-29
干货!从电路设计分析任天堂Switch变砖的原因
2019-08-13
基于树莓派和Arduino打造的PLC EtherCAT电路设计
2020-02-25
DIY TDA2030 2.1功放板(内含电路图讲解)
2019-07-01
共漏极放大电路电路分析
2019-07-12
基于ESP32的手机控制WIFI小风扇
2021-10-02
便携式Raspberry Pi 4平板电脑-RasPad 3首秀
2020-08-25
讨论