[发明专利]一种基于视觉和CNN的小车自动驾驶方法

说明书

本发明旨在提供一种基于视觉和CNN的小车自动驾驶方法，包括以下步骤：A、构建虚拟跑道和小车模型，得到多个自动驾驶参数组；B、构建神经网格结构；C、向神经网络中输入两个跑道场景的图片归一化浮点数以及自动驾驶数据集的各个数据，对神经网络进行训练，得到训练好的神经网络；D、获取需要自动行驶的黑白跑道图片，进行二值化处理，得到归一化浮点数和初始自动驾驶参数组，将其输入神经网络，获得自动驾驶参数组的最优解；将最优解输入小车实物的树莓派主控板模块，由树莓派主控板模块控制小车在跑道自动驾驶，其中车道检测修正过程使得小车能够平稳的在跑道上进行自动驾驶；该方法能够实现小车自动驾驶的功能。

技术领域

本发明涉及小车自动驾驶领域，具体涉及一种基于视觉和CNN的小车自动驾驶方法。

背景技术

随着人工智能机器人的发展，许多人工智能机器人在现实生活中的应用取得了很不错的成果，特别是在医学，工业，物流，军事领域中人工智能都取得了巨大的成功，这无疑推动了未来智能化的发展。人工智能小车作为移动工具，也可以称之为轮式移动机器人，主要依靠车内以计算机系统为主的智能驾驶仪来实现自动驾驶。

现代自动驾驶小车以汽车工业为基础，建立汽车产业创新体系，积极发展智能网汽车，也充分说明了我国对于智能小车的重视，因此，基于视觉和CNN的小车自动驾驶可以作为该领域的发展方向。

发明内容

本发明旨在提供一种基于视觉和CNN的小车自动驾驶方法，该方法克服现有自动驾驶偏离跑道、障碍物避开效果不好的问题，具有小车自动驾驶平稳性高、障碍物避开效果好的特点。

本发明的技术方案如下：

所述的一种基于视觉和CNN的小车自动驾驶方法，包括以下步骤：

A、在Unity Hub中模拟构建虚拟跑道和小车模型，对虚拟跑道模拟构建白天和黑夜两个跑道场景，在Unity Hub中进行多次小车模型自动驾驶仿真，得到多个自动驾驶参数组，基于这些自动驾驶参数组构建自动驾驶数据集；

B、构建神经网格结构，神经网络结构包括依次连接的输入层、多个卷积层、展平层、全连接层、输出层；所述的输入层输入的为跑道场景的图片归一化浮点数和自动驾驶数据，输出的是修正后的自动驾驶数据；

C、向神经网络中输入白天和黑夜两个跑道场景的图片归一化浮点数、以及自动驾驶数据集的各个数据，对神经网络进行训练，得到训练好的神经网络；

D、获取需要自动行驶的黑白跑道图片，进行二值化处理，然后转换为归一化浮点数后，输入Pandas和python的os数据获取包中获得初始自动驾驶参数组，将跑道图片的归一化浮点数和初始自动驾驶参数组输入神经网络，获得自动驾驶参数组的最优解；将最优解输入小车实物的树莓派主控板模块，由树莓派主控板模块控制小车在跑道自动驾驶。

所述的小车实物上设有包括树莓派主控板模块、电机驱动模块、摄像头模块、超声波传感器、电源模块、四组直流减速电机；所述的电源模块负责各个模块供电；所述的四组直流减速电机分别设有小车的前后轮处，驱动各个轮子转动；

所述的电机驱动模块、摄像头模块和超声波传感器均与树莓派主控板模块连接；所述的电机驱动模块与直流减速电机模块连接；

所述的摄像头模块用于将拍摄到视频画面和图片发送至树莓派主控板模块；

所述的超声波传感器用于将检测到小车与障碍物之间的距离信息发送至树莓派主控板模块，树莓派主控板模块根据检测结果，控制电机驱动模块使得小车对遇到障碍物进行避障；

所述的树莓派主控板模块根据接收的检测数据及视频画面和图片，计算出自动驾驶数据组，控制电机驱动模块工作，实现小车的自动驾驶。