讨论

用于遥控车的机器学习

预测可视化（绿色 = 实际，蓝色 = 预测）

点击下方视频，观看实际运行效果！

依赖项

选择了 Python 2.7，因为当时所用的所有库都支持该版本

sudo apt-get update
sudo apt-get upgrade
sudo apt-get install python-opencv python-dev

export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl
sudo pip install --upgrade $TF_BINARY_URL

sudo pip install -r requirements.txt

数据采集

python collect.py

可视化采集到的数据

python visualize_collect.py

训练数据

python train.py

可视化预测结果

python visualize_predict.py

参考资料

一篇详细说明硬件与软件如何通信的博客文章 - 遥控车与车载计算机之间的通信 - Jabelone

硬件与软件通信的相关代码仓库 - car-controller

神经网络架构参考了英伟达的自动驾驶汽车论文 - 端到端自动驾驶学习

Suiron 快速上手指南

Suiron 是一个基于机器学习的遥控车（RC Car）自动驾驶项目，采用端到端学习架构（参考 NVIDIA 自动驾驶论文），通过摄像头采集数据并训练模型以控制车辆行驶。

环境准备

• 操作系统：Linux（推荐 Ubuntu）
• Python 版本：Python 2.7（项目依赖当时仅支持该版本的库）
• 硬件要求：需配备摄像头的遥控车及车载计算机（如 Raspberry Pi 或类似设备）
• 前置依赖：
  • OpenCV
  • TensorFlow 0.10.0 (CPU 版本)
  • 其他 Python 依赖包（见 requirements.txt）

⚠️ 注意：本项目较旧，强制依赖 Python 2.7 和 TensorFlow 0.10.0。若在现代环境中运行，建议使用 Docker 或虚拟机隔离环境。

安装步骤

1. 更新系统并安装基础依赖

   sudo apt-get update
   sudo apt-get upgrade
   sudo apt-get install python-opencv python-dev
   

2. 安装 TensorFlow 0.10.0

   由于官方源下载较慢，国内用户可尝试使用清华或阿里镜像加速 pip 安装，但需注意 wheel 文件地址需替换为镜像源地址（若镜像源无此旧版本，则需保留原链接或使用本地缓存）。

   export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl
   sudo pip install --upgrade $TF_BINARY_URL
   

   （国内加速提示：若直接下载失败，可手动下载该 .whl 文件至本地，然后执行 sudo pip install tensorflow-0.10.0-cp27-none-linux_x86_64.whl）

3. 安装项目其余依赖

   sudo pip install -r requirements.txt
   

基本使用

1. 采集数据

连接摄像头后，运行以下脚本开始录制驾驶数据（需人工遥控车辆以生成训练样本）：

python collect.py

2. 可视化采集的数据

检查采集到的图像和转向标签是否正确：

python visualize_collect.py

3. 训练模型

使用采集的数据训练神经网络模型：

python train.py

4. 可视化预测结果

加载训练好的模型，查看模型对输入图像的预测轨迹（绿色为实际路径，蓝色为预测路径）：

python visualize_predict.py

完成上述步骤后，可将模型部署至车载计算机，结合 car-controller 项目实现真正的自动驾驶控制。