自动驾驶 🚘 🛣️

这段代码用于获取自动驾驶汽车的转向角度。

灵感来源 🗼

1. Udacity 自动驾驶项目
2. 端到端学习用于自动驾驶汽车

版本 🗽

1. 自动驾驶版本1
2. 自动驾驶版本2

代码要求 🦄

你可以安装适用于 Python 的 Conda，它会自动解决机器学习所需的所有依赖项。

pip install requirements.txt

描述 🏎️

自动驾驶汽车（也称为无人驾驶汽车、自驾车或机器人汽车）是一种能够感知周围环境并在没有人类干预的情况下进行导航的车辆。自动驾驶汽车结合了多种技术来感知其周围环境，包括雷达、激光雷达、GPS、里程计和计算机视觉。先进的控制系统会解读传感器信息，以识别合适的行驶路径、障碍物以及相关交通标志。

文件结构 🗄️

├── Autopilot 根目录（当前目录）
    ├── Autopilot
        ├── models 
        ├── resources
        ├── Trainer.py
        ├── DataLoader.py
        └── Main Application.py
    ├── Autopilot_V2
        ├── models 
        ├── resources
        ├── Trainer.py
        ├── DataLoader.py
        └── Main Application.py
    ├── LICENSE
    ├── requirements.txt
    └── readme.md
        

自动驾驶 V1（基于 Udacity 模拟器的数据集）

自动驾驶 V2（基于真实世界数据的 NVIDIA 数据集）

由 Akshay Bahadur 用 ❤️ 和 🦙 制作

📌 引用我们

如需引用本指南，请使用以下格式：

@article{autopilot,
author = {Bahadur, Akshay},
journal = {https://github.com/akshaybahadur21/Autopilot},
month = {01},
title = {{Autopilot}},
year = {2018}
}

参考文献 🔱

• Mariusz Bojarski, Davide Del Testa, Daniel Dworakowski, Bernhard Firner, Beat Flepp, Prasoon Goyal, Lawrence D. Jackel, Mathew Monfort, Urs Muller, Jiakai Zhang, Xin Zhang, Jake Zhao, Karol Zieba. 端到端学习用于自动驾驶汽车
• 行为克隆项目
• 本实现还受到了 Sully Chen 的 GitHub 仓库的启发：https://github.com/SullyChen/Autopilot-TensorFlow

Autopilot 快速上手指南

Autopilot 是一个基于深度学习的自动驾驶辅助工具，旨在通过计算机视觉技术预测车辆的转向角度。本项目包含两个版本：V1 基于 Udacity 模拟器数据集，V2 基于 NVIDIA 真实世界数据集。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux (推荐 Ubuntu), macOS 或 Windows
• Python 版本：建议 Python 3.6+
• 核心依赖：本项目依赖机器学习库，推荐使用 Conda 管理环境以自动解决依赖冲突。
• 硬件建议：如需训练模型或流畅运行推理，建议配备 NVIDIA GPU 及对应的 CUDA 环境。

安装步骤

1. 克隆项目代码

   git clone https://github.com/akshaybahadur21/Autopilot.git
   cd Autopilot
   

2. 创建并激活 Conda 环境（推荐） 如果您尚未安装 Conda，请先前往 Anaconda 官网 或 清华镜像站 下载安装。

   conda create -n autopilot python=3.8
   conda activate autopilot
   

3. 安装项目依赖 使用 pip 安装 requirements.txt 中列出的所有必要库。国内用户建议使用清华源加速下载：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

基本使用

本项目分为 Autopilot (V1) 和 Autopilot_V2 两个目录，分别对应不同的数据集和场景。以下以 V1 版本为例展示最基础的运行流程：

1. 进入项目目录

   cd Autopilot
   

2. 运行主程序 执行主应用程序脚本启动模型。请确保您已按照项目说明准备了相应的数据集（如 Udacity Simulator 数据）并放置在 resources 或指定目录下。

   python Main Application.py
   

3. 训练模型（可选） 如果您需要重新训练模型，可以运行训练脚本：

   python Trainer.py
   

注意：对于 V2 版本（真实世界数据集），请进入 Autopilot_V2 目录并执行相同的操作逻辑。具体参数配置请参考各目录下的源代码注释。