利用树莓派实现无人驾驶

collect_data.py 收集数据用的程序文件，在树莓派上运行，用于收集赛道等数据。
drive.py 无人小车的驱动程序文件，在树莓派上运行，用于无人小车的遥控驾驶。
drivetest.py 采用使能端口后的驱动测试文件，用于测试。
drivetests.py 初步驱动程序的封装函数，可用于初步测试。
test1back.py 测试小车后轮电机的程序。
test2front.py 测试小车前电机的程序。
process_img_to_npz.py 将收集到的照片数据进行数据类型的转换，方便进行进一步的学习计算，应用于计算机上。
train_model.py 训练模型的程序，用于转换类型后的数据进行模型的训练，应用于计算机上。

1.配置树莓派（单独配置SSH文件）使其能够实现基本的操作，如putty连接，vncviewer可视化操作，winscp传输文件等，可在软件中配置
2.准备对应得设备，如杜邦线，螺丝刀，基本的车壳，
3.配置树莓派在小车上，并利用杜邦线连接相对应的电机，这里使用的L298N电机，GPIO口对应得分别是7,11（后轮电机），13,15（前轮电机），并且将电源连接到L298N电机上，注意这里的一定要单独給电机供电，靠树莓派的电压会不够，还有就是这里的接地线，连接到GPIO口9，并与电源的负极短接。可以利用test1back.py，test2front.py进行测试。
4.配置使能端口，这里利用的是GPIO口12,16，可以根据自己的实际需要进行调整，注意拔掉L298N电机上的跳线帽连接。ps：增加使能是因为测试中发现一旦转向, 车轮不能回正因电机保持通电状态需要让电机断电从而释放动力。而车前轮可自动由前轮弹簧控制回正，增加电机使能控制前后电机对应的使能分别连接一个GPIO口就可以解决，当使能端口输入低电压时，电机驱动板将不对电机输出电流，电机将不工作可自动回正。
5.车速太快跟不上,满电电池速度过快，通过PWM(Pulse-Width Modulation)调节车速脉冲宽度调制车速，并最后封装为函数drivetests.py。
6.利用树莓派的摄像模块（picamera），并采用多线程的方法采集图片，进行测试。
6.利用键盘检测输入（pygame模块检测），检测我们的输入，然后匹配响应的车辆操作，写在collect_data.py里，并在树莓派中（vnc）运行，可实现键盘通知操作小车。
7.搭建自己的赛道，然后利用collect_data.py，操控小车在赛道上运行，收集图像数据并保存在data文件夹里，这里为了方便后期的模型训练，我们采取了0,1,2,3标号的形式，对于指令给出不同的名称输出，方便我们的筛选训练过程。
8.对图像进行筛选，之后选出有价值的图片，进行保存，删掉没有意义的图像数据。
9.利用process_img_to_npz.py 转换我们的图形数据类型到npz数据类型。
10.利用train_model.py进行模型训练，并保存相应的h5文件。
11.导入h5到我们的树莓派，运行drive.py即可实现在我们的赛道的自动驾驶。

1.增加识别行人，红绿灯的操作，如利用opencv，surf等方式实现一些操作。
2.增加雷达的功能使其更加智能化。
3.利用picamera自带的一些图形处理功能训练，使其能够适应光线的变化
欢迎提出您的意见

1.赛道需要自己制作，且分界线很重要，需要很明显的分界线，你也可以利用卫生巾来搭建一个赛道（如果你条件有限）
2.赛道的宽度是车身两倍左右
3.数据的筛选很重要，你需要调节你的摄像头使其能够在一个很好的角度去收集数据，即使我们这里利用了一些手段，就是给图像进行编号的方式去方便您的操作，可你还是要自己去筛选图像数据。
4.超参数的调节可以多尝试一些新的数值，不必局限于本项目里的参数设定

本项目采用了大量的神经网络，python，numpy，深度学习方面的知识，还涉及到树莓派的配置和电路的连接，建议提前了解。