项目实战:自动驾驶之方向盘操纵

本文介绍了一个利用深度神经网络解决自动驾驶中方向盘控制的项目。通过摄像头捕获的画面,网络输出方向盘转动的角度,实现端到端的深度学习模型。在训练过程中,使用图像增强技术提升网络性能。尽管在某些极端情况下可能需要传统算法辅助,但在大多数场景下,端到端学习表现出色。
摘要由CSDN通过智能技术生成

项目介绍

根据汽车前方摄像头捕捉的画面,控制汽车方向盘转动的方向和角度,这是自动驾驶要解决的核心问题。这个项目主要是通过使用深度神经网络解决一个回归问题。不同于分类、识别场景,回归问题神经网络输出的是一个连续的值
通过这个项目的学习,可以将神经网络用于通过人脸判断年龄,美颜指数等领域。在这个项目里,还可以学到图像增强的技术,用于提高网络的性能。

思维导图

深度学习本身最重要的是数据,在汽车的方向盘那边接了类似于USB那样的东西,通过这个设备能读到方向盘转的角度是多少?
同时,在车上装了三个摄像头,分别放在车的左边,中间,右边。然后将这三个摄像头数据作为卷积神经网络的输入,CNN会有一个输出,(这个输出,根据输入的情况会反馈出方向和角度),将这个误差反馈回去,不断的训练这个网络。
在这里插入图片描述
训练好网络后,我们只需要一个摄像头,安在车中间的摄像头,作为输入
在这里插入图片描述
CNN的输出,经过方向盘的接口传递给方向盘方向盘按照传输的数值进行转动方向盘),进行自动驾驶的操作。

网络结构详解:

输入是一个66x200的彩色图像(3@66200);
图像处理,将像素从0~255进行归一化(0到1之间,或者-1到1之间,-0.5-0.5之间),将数据变成容易被网络训练的数据;
然后通过**三层5
5的神经网络**,每一层输出是24,36,48个通道,即24@3198,36@1427,48@522;
然后,再次通过两个3
3的神经网络,即64@320,64@118。
接下来通过Flatten操作,将神经网络输出的图,变成一维向量,再经过4个全连接层,即(1164,110,50,10),
最后的输出层一个神经元回归模型),最后一个神经网络是一个向量表示(左用-,右用+,再加上一个标量。)

以后再工作中遇到的问题,可以找一篇论文具体分析以下原理。

重点

自动驾驶之方向盘角度预测

学习目标

根据车载摄像

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AppleYRY

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值