python避障小车_基于深度学习的自动避障小车_7_代码说明

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。