推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于深度学习的自动驾驶小车系统设计

更新时间:2020-01-01 15:12:35 大小:1M 上传用户:songhuahua查看TA发布的资源 标签:深度学习自动驾驶小车系统 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

自动驾驶技术是智能小车研究的一个核心内容。该技术能够保证智能小车在行驶过程中,自动调整运动的方向,防止与障碍物发生碰撞。本文通过对国内外智能小车自动驾驶系统的研究现状及其进展和成果的分析,发现目前自动驾驶智能小车系统存在信息采集不理想的问题,如只能识别出障碍物,而无法辨别障碍物。因此,本次设计尝试将深度学习算法运用到自动驾驶的碰撞躲避策略上,基于树莓派并通过使用摄像头管理工具motion获取摄像头数据,使用python搭建了网站服务进行网页监控,将小车发送的图像数据利用深度学习框架进行处理识别出障碍物,再利用传感器测出与障碍物的距离,在此结果上设计小车的自动驾驶算法,并将控制指令发送给小车,实现自动避过障碍物的目的。


部分文件列表

文件名 大小
基于深度学习的自动驾驶小车系统设计.pdf 1M

部分页面预览

(完整内容请下载后查看)
网络信息工程  
2019.07  
基于深度学习的自动驾驶小车系统设计  
杨梓谦,李思琦,段  
志刚  
(西南林业大学数理学院南昆明,650224)  
摘要 自动驾驶技术是智能小车研究的一个核心内容技术能够保证智能小车在行驶过程中动调整运动的方向,  
防止与障碍物发生碰撞文通过对国内外智能小车自动驾驶系统的研究现状及其进展和成果的分析现目前自动驾  
驶智能小车系统存在信息采集不理想的问题只能识别出障碍物无法辨别障碍物次设计尝试将深度学习  
算法运用到自动驾驶的碰撞躲避策略上于树莓派并通过使用摄像头管理工具 motion 获取摄像头数据使用 python  
搭建了网站服务进行网页监控小车发送的图像数据利用深度学习框架进行处理识别出障碍物利用传感器测出与  
障碍物的距离此结果上设计小车的自动驾驶算法将控制指令发送给小车现自动避过障碍物的目的。  
关键字 度学习 障算法 莓派 python  
The Design of autonomous driving vehicle system based on deep learning  
YangꢀZiqian,LiꢀSiqi,DuanꢀZhigang  
(MathematicsꢀandꢀPhysicsꢀcollegeꢀofꢀtheꢀSouthwestꢀForestryꢀUniversity,KunmingꢀYunnan,650224)  
Abstract:  
Autonomousꢀ drivingꢀ technologyꢀ isꢀ aꢀ coreꢀ partꢀ inꢀ intelligentꢀ carꢀ research.ꢀ Thisꢀ technologyꢀ  
canensurethattheintelligentcarautomaticallyadjuststhedirectionofmotionduringdrivingtoꢀ  
preventꢀ collisionꢀ withꢀ obstacles.ꢀ Throughꢀ theꢀ researchꢀ statusꢀ andꢀ ofꢀ theꢀ intelligentꢀ carꢀ automaticꢀ  
drivingsystemathomeandabroad,thispaperfindsthatthecurrentautonomousdrivingintelligentꢀ  
carꢀsystemꢀhasꢀproblemsꢀofꢀunsatisfactoryꢀinformationꢀcollection,ꢀsuchꢀasꢀonlyꢀidentifyingꢀobstaclesꢀ  
andꢀnotꢀdistinguishingꢀobstacles.ꢀTherefore,ꢀthisꢀdesignꢀattemptsꢀtoꢀapplyꢀtheꢀdeepꢀlearningꢀalgorithmꢀ  
toꢀ theꢀ collisionꢀ avoidanceꢀ strategyꢀ ofꢀ autonomousꢀ driving.ꢀ Basedꢀ onꢀ theꢀ Raspberryꢀ Piꢀ andꢀ obtainꢀ  
thecameradatabyusingthecameramanagementtoolmotion,thewebsiteserviceisusedtomonitorꢀ  
thewebpageandsendtheimageofthecar.Thedataisprocessedbythedeeplearningframeworktoꢀ  
identifyꢀtheꢀobstacles,ꢀandꢀthenꢀtheꢀsensorꢀisꢀusedꢀtoꢀmeasureꢀtheꢀdistanceꢀfromꢀtheꢀobstacle.ꢀOnꢀthisꢀ  
result,ꢀtheꢀautomaticꢀdrivingꢀalgorithmꢀofꢀtheꢀcarꢀisꢀdesigned,ꢀandꢀtheꢀcontrolꢀcommandꢀisꢀsentꢀtoꢀtheꢀ  
carꢀtoꢀrealizeꢀtheꢀpurposeꢀofꢀautomaticallyꢀavoidingꢀtheꢀobstacle.  
Keyword:d  
eepꢀlearning;Obstacleꢀavoidanceꢀalgorithm;RaspberryꢀPi;python  
信的安全性 物流运输方面的应用 用智能车辆进行物  
0ꢀ引言  
流运输工作高了货物运输效率低了搬运工人的强度,  
同时能够避免有害物质对人体造成伤害。  
智能车也被称为轮式机器人 ꢀ 是智能机器人的一个分  
排爆灾抢险探测 ꢀ 工程勘探事侦察和工农业生  
产等领域有着广泛的应用车已进入千家万户着  
汽车保有量的增加通安全事故发生率也在逐渐增长成  
为一个急需解决的安全问题调查发现部分的交通事故  
都是由于驾驶员操作不当所导致的动驾驶车能够很好的把  
人从汽车的驾驶中解救出来而有效减少交通事故的发生。  
如今动驾驶智能小车在许许多多的行业中都得到了  
应用社会中扮演着重要角色的应用主要在以下几个  
方面安全检测与受损评估方面的应用 能小车能完成  
石油化工利等多个领域的安全检测和受损评估工  
能小车还能完成高空铁的灭火工作墟生  
命探索和救援的工作能运输系统的应用 轻驾驶员的  
工作量解交通拥挤与堵塞少交通事故的发生高通  
1ꢀ深度学习算法  
1.1ꢀ深度学习的概念  
深度学习由 Hinton 在 2006 年提出作为机器学习研  
究的一个分支新点燃了人工神经网络的研究热潮动  
了人工智能的发展。ꢀ 经过近 10 年的发展度学习领域有  
了许多比较突出的科研进展在 2012 年斯坦福大学的  
吴思达教授带领研究的谷歌公司的谷歌大脑就实现了能够  
自动识别猫脸内的百度也于 2013 年成立百度深度学习研  
究院是因为深度学习领域的技术突破度的语音和图  
像产品迅速崛起使得百度语音助手实现语音指令音  
搜索音问答功能 [1]  
基金项目 2016 年云南省大学生创新创业训练计划项2016106770232018 年云南省大学生创新创业训练计划项目  
(201810677034。  
76  
网络信息工程  
2019.07  
深度学习是神经网络工智能式识别形化建  
像头获取摄像头图片进行分析车的驱动模块包括电  
机和驱动板电机采用直流电机动板采用的是 L298N 双 H  
桥直流电机驱动芯片能小车的前进和后退可以利用双轮  
转动来实现转弯可以利用单轮转动来实现。  
号处理等研究的交叉领域度学习通过模拟具有丰  
富层次结构的脑神经系统 [2]立一种类似于人脑的分层模  
型结构利用该结构对输入数据逐级提取得规律而  
利用所获得规律对未知数据进行预测。  
2.2ꢀ软件设计  
1.2ꢀ深度学习算法的实现  
智能小车的软件架构设计包括小车获取数据,pc 利用  
深度学习算法实现数据处理出合适的方向指令。pc 为控  
制板树莓派车上开启 socket 服务器来获取摄像头数  
将图像数据发送给控制端用来接受控制端发来的  
指令时,PC 上利用 motion 作为摄像头的上层管理系统 ,  
用来随时查看小车摄像头的视频数据利用深度学习框架  
处理图片数据辨出障碍物通过超声波传感器获取小  
车与障碍物的距离合信息树莓派给出适合的方向指令除  
此之外车的驱动系统也需要 PC 的指令来控制小车的行驶。  
深度学习的算法在第 2 节中已有详细的介绍次设计  
将本组设计的实验室模型中的墙壁设置为障碍物不同角  
度拍摄多张照片作为原信息练过程提取障碍物的特征,  
本次设计设置的输出结果是前两行为图片的宽度和高度然  
后接下来行开始是识别出的物体类别接着是这个物  
体在图片中的左右边界摄像头拍摄的实时图片发送至树  
莓派用构建好的深度学习框架判断出前方是否存在障碍  
不存在小车继续向前行驶存在就需要调用超声波  
来测量小车与障碍物的距离超声波所测距离和之前设定  
好的距离值进行比较大于设定值小车继续向前行驶 ;  
若小于设定值小车调用电机右转 90°继续前进。  
本文采用 python 进行编程实现要代码如下 :  
importꢀRPi.GPIOꢀasꢀGPIO  
假设我们有一个系统作 D有 n D1,…,Dn,它  
的输入是 I出是 O么我们可以将其形象地表示为 Iꢀ  
=>D1=>D2=>……=>Dn=>O。  
如果输入 I 经过这一系统变化之后信息仍然保持不变,  
即输出 O 等于输入 I意味着输入 I 经过每一层 Di 都没有  
任何的信息损失在任何一层 Di都有原有信息是呈  
现形式不一致如前面所介绍度学习需要自动地学习  
特征设有一堆图即输入 I们设计一个有 n 层的系  
统 D了输出仍然是输入 I以通过调整系统中的参数,  
而每层所调节的参数就相当于输入 I 的一系列层次特征即  
D1,D2,…,Dn以说度学习的思想就是堆叠多个层将  
前一层的输出作为后一层的输入层都能学习得到一个特  
定的特征表达过这种方式可以实现对输入信息进行  
分级表达了。[3]  
深度学习采用了与神经网络相似的分层结构统包括  
输入层具有多层出层多层网络一层可以看作  
是一个逻辑回归模型层越多习到的特征更有用而  
提升分类或预测的准确性多学者认深度模型”  
是手段特征学习目的。  
2ꢀ自动驾驶小车实现  
2.1ꢀ硬件设计  
fromꢀcollectionsꢀimportꢀOrderedDict  
自动驾驶智能小车共包括四个模块 源模块制模  
动模L298N 模块息采集模块。[4] 各部分设计如  
下所示。  
classꢀCar:  
def__init__(self,cf):# 这样生成的字典中元素按照  
插入的顺序排列  
self.out_mapping_port=OrderedDict()  
self.read_config(cf)  
self.stand_order=[ f_out1’, f_out2’, f_out3’,ꢀ  
‘f_out4’]  
defꢀread_config(self,cf):  
取配置文件映射端口””  
图 1ꢀ 自动驾驶智能小车部件结构图  
ifꢀint(cf[ front_engine’][ out1’])!=0:  
forꢀkeyꢀinꢀcf[ front_engine’]:  
控制的核心部件采用树莓派莓派是尺寸仅有信用卡  
大小的一个小型电脑次设计将树莓派 2 作为核心控制部  
莓派板与 USB 摄像头相连取实时图片信息莓派  
与 L298N 双 H 桥电路驱动芯片相连过控制电机的正反转,  
进而控制小车的前进后退与转向莓派主要是通过 GPIO 口  
(输入 / 输出端口硬件相连而进行数据交互制硬件  
工作并读取硬件的工作状态信号。[5]  
self.out_mapping_port[‘f_’+key]=int(cf[‘front_  
ngine’][key])  
ifꢀint(cf[ rear_engine’][ out1’])!=0:  
forꢀkeyꢀinꢀcf[ rear_engine’]:  
self.out_mapping_port[‘r_’+key]=int(cf[‘rear_  
engine’][key])  
智能小车的信息采集工作依靠一个 USB 摄像头,USB 接  
口的传输速度远远高于串口口的速度部可以设置信  
号处理器助寄存器可以用作缓存所需耗电量也少摄  
像头直接连接树莓派的 USB 接口用树莓派启用和控制摄  
GPIO.cleanup()  
GPIO.setmode(GPIO.BCM)  
forꢀkeyꢀinꢀself.out_mapping_port:  
(下转第 117 页)  
77  

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载