欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

优达学城无人驾驶工程师——P3行为克隆

程序员文章站 2022-04-17 22:37:42
...

这次是P3项目,就是通过模拟器,来实现无人驾驶的作用,虽然和真正的无人驾驶是两码事。

首先有一个模拟器,如下图,有一个训练模式,一个自动驾驶模式。

优达学城无人驾驶工程师——P3行为克隆

一开始先用训练模式,有一个保存路径,可以把训练好的图片和所对应的转向角给保存下来。分别有中间,左边,右边,三个摄像头拍摄的图片,还有对应的转向,加速,刹车,速度。

优达学城无人驾驶工程师——P3行为克隆


然后我们就可以利用这些信息来实现无人驾驶,通过Keras。

下面开始代码部分。

import csv
import cv2
import numpy as np
lines = []
with open('data/driving_log.csv') as f:
    reader = csv.reader(f)
    for line in reader:
        lines.append(line)

导包和读取之前保存的文件路径。

images = []
measurements = []
for line in lines:
    source_path = line[0]
    tokens = source_path.split('/')
    filename = tokens[-1]
    local_path = 'data/IMG/' + filename
    image = cv2.imread(local_path)
    mage = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    images.append(image)
    measurement = float(line[3]) * 1.5 #放大测量
    measurements.append(measurement)

这里我们只要中间摄像头的图片和所对应转向角(把转向角放大1.5倍,我也不太懂这里为什么要放大1.5倍)。

#翻转图片
augmented_images = []
augmented_measurements = []

for image,measurement in zip(images,measurements):
    #zip函数接受任意多个(包括0个和1个)序列作为参数,返回一个tuple列表
    augmented_images.append(image)
    augmented_measurements.append(measurement)
    flipped_image = cv2.flip(image,1)#1 水平翻转 0 垂直翻转 -1 水平垂直翻转
    flipped_measurement = measurement * -1.0
    augmented_images.append(flipped_image)
    augmented_measurements.append(flipped_measurement)
这一步算是数据增强,把图片反转,然后把转向角也乘以-1.以增加数据集。
X_train = np.array(augmented_images)
y_train = np.array(augmented_measurements)

变成np数据模式。

import keras
from keras import regularizers
from keras.models import Sequential
from keras.layers import Flatten, Dense, Lambda,Dropout
from keras.layers.convolutional import Convolution2D, Cropping2D
from keras.layers.pooling import MaxPooling2D
#from keras.utils.visuallize_util import plot
from keras.utils import plot_model

这里也是导包

model = Sequential() #模型接口
model.add(Lambda(lambda x:x / 255.0 - 0.5,input_shape = (160,320,3)))
#https://keras-cn.readthedocs.io/en/latest/layers/core_layer/#lambda
model.add(Cropping2D(cropping=((70,25),(0,0))))
#https://keras-cn.readthedocs.io/en/latest/layers/convolutional_layer/#cropping2d
model.add(Convolution2D(24,5,5,subsample = (2,2),activation='relu',kernel_regularizer=regularizers.l2(0.0001)))
# subsample 代表向左和向下的过滤窗口移动步幅
model.add(Convolution2D(36,5,5,subsample = (2,2),activation='relu'))
model.add(Convolution2D(48,5,5,subsample = (2,2),activation='relu'))
model.add(Convolution2D(64,3,3,activation='relu'))
model.add(Convolution2D(64,3,3,activation='relu'))
model.add(Flatten())
model.add(Dense(100))
model.add(Dense(50))
model.add(Dense(10))
model.add(Dense(1))

model.compile(optimizer = 'adam',loss = 'mse')
model.fit(X_train,y_train,validation_split = 0.2,shuffle = True , nb_epoch = 10)

#plot_model(model,to_file = 'model_drop.png',show_shapes = True)
model.summary()
model.save('model-L2-test.h5')

这里是创建我的神经网络。

优达学城无人驾驶工程师——P3行为克隆

这里我们主要是得到了model-L2-test.h5这个文件。这里是保存我们无人驾驶所需要的信息。

相关标签: 无人驾驶 Keras