小车有几个技术点分享给大家:
-
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
-
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
-
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
-
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