树莓派小车

这是一个树莓派小车的项目，目标实现小车的自动行驶。 使用了：

• python tornado框架
• python socker编程
• deep learning darknet框架

项目说明页面

raspberrypi基于深度学习的自动避障智能小车_目录

项目结构

.
├── car 
│   ├── cam_motion.py
│   ├── Car.py
│   ├── config.ini
│   └── socket_server.py
├── darknet
│   ├── a.py
│   ├── darknet
│   ├── data
│   │   └── labels
│   │       ├── 100.png
...
│   │       ├── 99.png
│   │       └── make_labels.py
│   ├── predictions.png
│   ├── run.sh
│   ├── test.jpg
│   ├── tiny-yolo.cfg
│   └── tiny-yolo.weights
├── Design.fzz
├── devlog.md
├── pc_control
│   ├── config.ini
│   └── control_client.py
├── README.md
└── web_server
    ├── config.ini
    ├── data
    │   └── labels
    │       ├── 100.png
...
    │       ├── 99.png
    │       └── make_labels.py
    ├── entry.py
    ├── predictions.png
    ├── static
    ├── templates
    │   └── cam.html
    └── test.jpg

car/目录是小车上运行的项目，config.ini文件需要自己参考config_example.ini新建。

darknet目录是深度学习框架所需文件，注意在web_server项目里还有个data文件夹，因为在通过web_server调用darknet时，运行目录是web_server，而darknet里面运行时需要一些参数和配置文件等，可以在darknet命令行参数里指定的可以直接写固定路径，但是有些是darknet里面固定的相对路径，队友没有修改，所以需要将部分内容copy过去。在github项目里，我去掉了，可以从data.zip里解压出来。

Design.fzz是设计图纸，用Fritzing打开

devlog.md是开发日志。

pc_control是手动控制的测试项目。

web_server则是运行在PC的server，templates文件夹是tornado框架所用的，里面的cam.html只是内嵌了moiton的页面。test.jpg是接收到的图片文件，prediction.jpg是darknet运行时产生的图片文件，用红框标出了识别出的物体。config.ini文件同理，仿照example新建即可。

在小车上运行时，如果是csi摄像头，一定要记得先modporbe加载到/dev/video0上去。

总结

整体来说，代码还是过于简陋了，最后实现的避障效果也很差。不过赶作业来说，足够了。后续还希望能继续优化。

欢迎勘误。