DeepPiCar
DeepPiCar
嵌入式
1/5
🧩 软硬件结合
已发布
项目简介
基于Raspberry Pi、SunFounder PiCar-V套件、TensorFlow和Google EdgeTPU的深度学习自动驾驶车。
DeepPiCar 是一个基于树莓派（Raspberry Pi）和 TensorFlow 构建的开源自动驾驶机器人小车项目，旨在以极低的预算（约250-300美元）让开发者和爱好者亲手打造一辆能够自主行驶的智能小车。项目由 David Tian 发起，通过一系列详细的教程文章，引导用户从零开始组装硬件、配置软件，并最终实现车道保持、交通标志识别、行人检测等核心自动驾驶功能。
标签
项目特点
**端到端自动驾驶**：从硬件组装到深度学习模型部署，完整实现物理小车的自动驾驶功能。
**多传感器融合**：利用摄像头进行车道线检测、交通标志和行人识别。
**行为克隆**：通过录制驾驶视频和对应转向角度，训练深度神经网络模仿人类驾驶行为。
**边缘计算**：使用 Google Edge TPU 加速器在树莓派上实现实时推理。
**开源免费**：所有软件（Python、OpenCV、TensorFlow）均为免费开源。
**模块化教程**：分6个部分逐步讲解，从硬件搭建到高级深度学习应用。
技术规格
| 主控板 | Raspberry Pi 3 B+（或更高版本） |
|---|---|
| 小车底盘 | SunFounder PiCar-V 机器人小车套件 |
| AI加速器 | Google Edge TPU 加速器 |
| 编程语言 | Python |
| 深度学习框架 | TensorFlow |
| 计算机视觉库 | OpenCV |
| 目标检测算法 | Single Shot MultiBox Detector (SSD) + 迁移学习 |
| 自动驾驶模型 | 基于 NVIDIA DAVE-2 的卷积神经网络 |
| 总成本 | 约 250-300 美元 |
| 搭建时间 | 约1周 |
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 |
|---|---|---|---|
| Raspberry Pi 3 B+ (或更高版本) | 1 | — | 约50美元 |
| SunFounder PiCar-V 机器人小车套件 | 1 | — | 约115美元 |
| Google Edge TPU 加速器 | 1 | — | 约75美元 |
| Raspberry Pi 电源适配器 | 1 | — | 随套件或单独购买 |
| microSD卡 (16GB+) | 1 | — | 用于操作系统和数据 |
| 树莓派摄像头模块 | 1 | — | 用于视觉感知 |
| 18650锂电池 (或PiCar套件自带) | 2 | — | 为小车供电 |
| 杜邦线、螺丝刀等工具 | 若干 | — | 组装所需 |
能力画像
⚪ 记忆与知识检索: 2/5
🔵 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PiCar小车套件，连接树莓派、摄像头和Edge TPU加速器，具备基本的电子硬件搭建能力。
💻 **编程能力**：需要掌握Python编程基础（函数、条件语句、循环），能够阅读和理解代码。了解Linux命令行操作。
⚡ **电子电路**：基本了解树莓派GPIO引脚和传感器连接，但套件已模块化，无需复杂焊接。
适用场景
**教育学习**：作为人工智能、机器人和自动驾驶技术的实践教学项目。
**爱好者DIY**：对自动驾驶和深度学习感兴趣的极客和创客。
**技术演示**：在技术展览或开源活动中展示自动驾驶原理。
**科研实验**：用于验证自动驾驶算法（如车道检测、目标识别）在低成本硬件上的可行性。