【自动驾驶模拟器AirSim快速入门 | 01】自动驾驶模拟器AirSim实战演练
这是机器未来的第15篇文章
写在前面：
- 博客简介：专注AIoT领域，追逐未来时代的脉搏，记录路途中的技术成长！
- 专栏简介：本专栏的核心就是：快！快！快！2周快速拿下Python，具备项目开发能力，为机器学习和深度学习做准备。
- 面向人群：零基础编程爱好者
- 专栏计划：接下来会逐步发布跨入人工智能的系列博文，敬请期待
- Python零基础快速入门系列
- 快速入门Python数据科学系列
- 人工智能开发环境搭建系列
- 机器学习系列
- 物体检测快速入门系列
- 自动驾驶模拟器AirSim入门系列
- 自动驾驶物体检测系列
- …
文章目录
- 1. 项目简介
- 2. 安装教程
-
- 2.1 安装基础开发环境
- 2.2 创建conda虚拟环境
- 2.3 克隆博主的AutonomousDrivingCookbook项目源码到本地
- 2.4 安装项目依赖库
- 2.5 下载模拟器
- 2.6 下载数据集
- 3. 运行项目
-
- 3.1 配置原始数据集目录和预处理后的数据集目录
- 3.2 配置Step1中的[配置预处理后(*.h5)的输出目录]和模型文件保存目录
- 3.3 模型预处理、训练、推理预测及模拟器自动驾驶运行测试
-
- 3.3.1 数据挖掘与准备
- 3.3.2 模型训练
- 3.3.3 启动AirSim模拟器
- 3.3.4 启动模型推理及自动驾驶仿真
1. 项目简介
博主基于微软AirSim模拟器的端到端自动驾驶入门项目发布了汉化版，并且优化了环境安装过程中的版本兼容问题。
项 目 地 址：https://github.com/ihuajiu/AutonomousDrivingCookbook
项目面向自动驾驶初学者、研究人员和行业专家。项目以jupter notebook作为载体，使用流行的开源工具(如Keras、TensorFlow等)构建，项目提供数据集、源代码、AirSim模拟器，以便于实现自动驾驶快速仿真。
博主的测试效果如下：
AirSim模拟器自动驾驶测试视频
2. 安装教程
2.1 安装基础开发环境
参考博主这篇文章：【物体检测快速入门系列 | 02】Windows部署GPU深度学习开发环境
2.2 创建conda虚拟环境
为了减少其它库的冲突问题，强烈建立新建一个虚拟环境
# python版本务必选择3.6，否则运行过程中的冲突会让你怀疑人生
conda create -n airsim python=3.6
# 切换aisim虚拟环境
conda activate airsim
2.3 克隆博主的AutonomousDrivingCookbook项目源码到本地
git clone https://github.com/ihuajiu/AutonomousDrivingCookbook.git
如果克隆失败或网速过慢，则可以直接下载压缩包到本地解压
下载后的源代码结构如下：
├─AirSimE2EDeepLearning # 端到端的深度学习自动驾驶项目
├─AirSimE2EDeepLearningCN # 端到端的深度学习自动驾驶项目博主汉化版
│ ├─DataExplorationAndPreparation_files # 数据预处理的输出监控文件
│ ├─model # 训练输出的模型目录
│ │ ├─imgs
│ │ └─models
│ └─TrainModel_files
└─DistributedRL # 强化学习项目，概要性质
├─Blob
├─Share
│ ├─data
│ ├─scripts_downpour
│ │ ├─app
│ │ └─downpour
│ └─tools
│ └─Far
└─Template
2.4 安装项目依赖库
- 使用InstallPackages.py安装依赖脚本
# 首先切换到汉化版目录
cd AirSimE2EDeepLearningCN
# 推荐使用命令运行脚本，IDE工具有时候选择的虚拟环境不对
python InstallPackages.py
注意事项：
因为项目过于久远，安装现在的依赖包会和代码冲突，因此需要指定版本安装解决这个问题, InstallPackages.py已经修改为对应的版本。
- tensorflow==1.5.0
- 安装tensorflow1.x版本，预防keras版本冲突问题
- 需要安装特定版本1.5.0，否则报错:tensorflow_backend.py:64: The name tf.get_default_graph is deprecated. Please use tf.compat.v1.get_d
- keras==2.1.2
- 必须使用2.1.2版本，否则会报错:ValueError:
brightness_range should be tuple or list of two floats. Received: 0.0, https://github.com/microsoft/AutonomousDrivingCookbook/issues/89
- tornado==4.5
- 解决ZMQILoop和float变量*运算的问题
- h5py==2.10.0
- 解决警告问题
- 如果vscode启动内核失败，则执行如下命令
conda install -n airsim ipykernel --update-deps --force-reinstall
至次环境搭建完毕。
2.5 下载模拟器
我们已经为本食谱中的教程创建了AirSim模拟环境的独立构建。您可以https://airsimtutorialdataset.blob.core.windows.net/e2edl/AD_Cookbook_AirSim.7z。考虑使用AzCopy，因为文件大小很大。
2.6 下载数据集
模型的数据集相当大。你可以https://aka.ms/AirSimTutorialDataset。第一个笔记本将提供关于如何访问数据的指导，一旦你下载了它。最后的未压缩数据集大小约为3.25GB(虽然与训练实际的自动驾驶汽车所需的千兆字节数据相比，这还不够，但对于本教程来说应该足够了)。
3. 运行项目
3.1 配置原始数据集目录和预处理后的数据集目录
打开DataExplorationAndPreparation.ipynb文件修改你的电脑上的实际目录
# << 配置下载的数据集目录 >>
RAW_DATA_DIR = 'data_raw/'
# << 配置预处理后(*.h5)的输出目录 >>
COOKED_DATA_DIR = 'data_cooked/'
3.2 配置Step1中的[配置预处理后(*.h5)的输出目录]和模型文件保存目录
打开TrainModel.ipynb修改如下目录
# << 配置前一步预处理好的数据集目录 >>
COOKED_DATA_DIR = 'data_cooked/'
# << 模型文件输出目录：随着梯度越来越小，模型会逐步更新 >>
MODEL_OUTPUT_DIR = 'model' # 不建议修改，保持默认即可
3.3 模型预处理、训练、推理预测及模拟器自动驾驶运行测试
3.3.1 数据挖掘与准备
依次执行DataExplorationAndPreparation.ipynb，完成数据预处理
3.3.2 模型训练
依次执行TrainModel.ipynb，完成模型训练
3.3.3 启动AirSim模拟器
- 启动Powershell
第一次启动，用管理员权限打开Powershell shell，首先配置权限，否则会提示：禁止运行脚本
set-ExecutionPolicy RemoteSigned
以后启动powershell就不用管理员权限了。
- 启动AirSim模拟器
在Powershell中定位到模拟器安装位置AD_Cookbook_AirSim，执行如下命令启动
.\AD_Cookbook_Start_AirSim.ps1 landscape
landscape是数据集对应的场景，还有City、Hawii、Neighborhood三种场景。
3.3.4 启动模型推理及自动驾驶仿真
- 执行TestModel.ipynb启动自动驾驶模拟
注意事项：TestModel.ipynb有可能在连上AisSim模拟器的时候卡死，应该是vscode jupyter工具的问题，将代码摘出来，直接运行python文件即可运行Python版TestModel。
# AutonomousDrivingCookbook-github\AirSimE2EDeepLearningCN
python TestModel.py
启动后，就可以看到博主在文首视频中的画面了。
以上就是开箱即用手册的全部内容，后续将逐步发布细节详解，敬请期待~
推荐阅读：
- 物体检测快速入门系列(1)-Windows部署GPU深度学习开发环境
- 物体检测快速入门系列(2)-Windows部署Docker GPU深度学习开发环境
- 物体检测快速入门系列(3)-TensorFlow 2.x Object Detection API快速安装手册
- 物体检测快速入门系列(4)-基于Tensorflow2.x Object Detection API构建自定义物体检测器
