先抛出大家最关心的——代码地址：

github传送门：/Timthony/self_drive

码云传送门：/tiantianhang/self_drive

基于树莓派的人工智能自动驾驶小车

整体流程

电机控制

摄像头调试

道路数据采集

搭建深度学习模型，参数调试

自动驾驶真实道路模拟

参数最终调试

使用方法：

先将树莓派小车硬件组装好

使用zth_car_control.py来控制小车的前后左右移动，配合zth_collect_data.py来人工操作，使小车在自己制作的跑道进行数据采集。（该过程在树莓派进行）

数据采集完成以后使用zth_process_img.py来对采集的数据进行处理，之前当前先完成一些数据清洗的工作。（电脑上执行）

使用神经网络模型对数据进行训练zth_train.py，得到训练好的模型。（电脑上执行）

在树莓派小车上使用zth_drive和训练好的模型，载入模型，即可实现在原先跑道的自动驾驶。（树莓派上执行）

注意：只需要使用上述提到的代码即可，别的都是一些初始版本或者正在增加的一些新模块。

注意事项：

赛道需要自己制作，很重要，决定了数据质量。(我是在地板上，贴的有色胶带，然后贴成了跑道的形状)。

赛道的宽度大约是车身的两倍。

大约采集了五六万张图像，然后筛选出三四万张。

摄像头角度问题

具体制作流程：

小车原始模型，某宝购买玩具车即可，比如：有电机，有自带电池盒（给电机供电）

树莓派，摄像头，蓄电电池组（用于树莓派供电）

使用一些螺栓，螺柱，亚克力板将树莓派，蓄电电池固定在小车上（具体方法，看手头的工具吧）

组装好以后，树莓派通过VNC连接电脑，登陆树莓派，在树莓派安装keras环境，以便最后调用训练好的模型。

关于小车的控制（电机控制，摄像头采集数据），都在源文件，有注释，大致思路就是通过方向键AWSD来控制方向，使用了pygame的工具包。

通过电脑端的wasd方向键手动控制小车（已经VNC连接好）在制作好的赛道上进行图像采集，直线部分按w，左拐弯按a，右拐弯按d等，建议采集50000张以上。

（采集的图像命名要求为，0_xxxx,1_xxxx,其中首位字母就代表了你按下的是哪个键，比如图像是0开头，那么这张图像就是直行，按下的是w键，这些0，1，2，3，4 数字就相当于数据的标签值）

将图片从树莓派拷贝下来，进行数据清洗，使用电脑端的深度学习环境进行模型训练，使用的模型可以自行定义。

将训练好的模型文件.h5拷贝到树莓派，然后通过树莓派调用载入模型，即可处理实时的图像，并且根据图像预测出是0，1，2，3，4等数字，也就表示了树莓派该怎么移动,通过树莓派控制电机即可。

正在进行一些改进：

1.使用迁移学习进行fine-tuning是否可以提高精度

2.处理光照问题

3.处理数据类别不平衡的问题

欢迎交流讨论