小车有几个技术点分享给大家：

1. 路径规划： 小车路径规划决策采用强化学习的QLEARNING,基于Q表的路径决策部署

2. 环境感知： 小车通过MASK-RCNN网络进行物体识别并通过超声波进行测距，绘制Q表

3. 控制方法： 服务端通过socket与客户端小车进行通信，并实时传输数据，决策控制小车的行动

4. 小车附加功能： 语音控制小车，基于face_recongnition的人脸识别跟踪等技术。

![image] (https://github.com/TianZhenGG/AI_PIC/blob/master/20190414175852.jpg)

好了，我们现在去看看决策过程吧：

![image] (https://github.com/TianZhenGG/AI_PIC/blob/master/Screenshot%20from%202019-04-14%2023-06-39.png)

通过物体识别技术及超声波定位，可以感知小车前方障碍物情况，并绘制Q表，然后让小车模拟驾驶100次得到最优路径，最后根据最优路径控制小车前进。

![image] (https://github.com/TianZhenGG/AI_PIC/blob/master/20190414231500.jpg) 有条件的可以训练自己的数据集哦。

树莓派： 运行 server.py 及 camera_cont1.py () 客户机： 运行 demo.py