基于树莓派的人工智能自动驾驶小车
self_drive
3/5
🧩 软硬件结合
已发布
项目简介
基于树莓派的自动驾驶小车，利用树莓派和tensorflow实现小车在赛道的自动驾驶。（Self-driving car based on raspberry pi（tensorflow））
基于树莓派的自动驾驶小车，利用树莓派和tensorflow实现小车在赛道的自动驾驶。（Self-driving car based on raspberry pi（tensorflow））
标签
项目特点
**端到端深度学习**：采用NVIDIA提出的端到端卷积神经网络模型，直接从原始图像预测转向控制指令。
**完整项目流程**：从硬件组装、数据采集、数据清洗、模型训练到实车部署，提供完整的代码和操作指南。
**低成本硬件方案**：基于常见的树莓派、玩具车和摄像头搭建，成本可控。
**数据驱动**：通过人工遥控采集大量赛道图像数据（建议5万张以上），训练模型实现自动驾驶。
**持续改进**：项目作者正在探索迁移学习、光照处理和类别不平衡等优化方向。
技术规格
| 主控制器 | 树莓派（Raspberry Pi） |
|---|---|
| 摄像头 | USB摄像头或树莓派专用摄像头模块 |
| 深度学习框架 | TensorFlow / Keras |
| 模型架构 | 基于NVIDIA end-to-end Model（5层卷积 + 3层全连接） |
| 控制方式 | 键盘方向键（AWSD）控制，通过pygame库实现 |
| 数据标签 | 0-直行，1-左转，2-右转等（对应按键W/A/D） |
| 赛道要求 | 自制赛道，宽度约为车身两倍，使用有色胶带在地板粘贴 |
| 供电 | 玩具车自带电池盒（电机供电）+ 蓄电电池组（树莓派供电） |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| 树莓派（Raspberry Pi 3B+或更高） | 1 | — | 用于运行控制程序和深度学习模型 |
| USB摄像头或树莓派摄像头模块 | 1 | — | 用于采集赛道图像 |
| 玩具遥控车（带电机和电池盒） | 1 | — | 作为小车底盘，某宝购买 |
| 蓄电电池组（充电宝或18650电池组） | 1 | — | 为树莓派供电 |
| 螺栓、螺柱、亚克力板 | 若干 | — | 用于固定树莓派和电池到小车上 |
| 有色胶带 | 1卷 | — | 在地板上粘贴赛道形状 |
| MicroSD卡（16GB以上） | 1 | — | 用于树莓派系统及数据存储 |
能力画像
⚪ 记忆与知识检索: 1/5
🔵 逻辑推演: 3/5
⚪ 表达与交流: 1/5
⚪ 感知与观察: 2/5
🔵 数理与计算: 4/5
🔵 动手与操作: 4/5
🔵 狂热与坚持: 4/5
🔵 创造与创新: 3/5
项目图库
所需技能
🔧 **动手能力**：需要组装小车硬件，包括固定树莓派、摄像头和电池，以及制作赛道（贴胶带）。
💻 **编程能力**：需要Python编程基础，理解TensorFlow/Keras深度学习框架，能够运行和修改训练脚本。
⚡ **电子电路**：需要了解树莓派GPIO控制电机的基本原理，以及电池供电连接。
适用场景
学习嵌入式AI和自动驾驶技术的入门项目
高校或研究机构的机器人/计算机视觉课程实验
树莓派爱好者的进阶DIY项目
探索端到端深度学习在实际物理系统中的应用