一、项目概述：
根据车载摄像头的画面，自动判断如何转动方向盘。
提炼为深度学习网络即为：输入道路图像 --> 输出方向盘转动角度。
二、项目实现步骤：
1.收集数据
通过人工驾驶车辆，进行道路情况图像收集 + 人操作时的方向盘转动角度。
收集数据.png
道路图像数据收集时：是采用三个摄像头进行收集，以达到数据增强的目的。
2.训练数据
通过道路图像 + 手动的方向盘转动角度，进行CNN网络训练。
CNN网络训练.png
3.预测方向盘转动角度
输入道路图像，自动输出方向盘转动角度。
方向盘转动角度预测.png
预测时，是采用一个中心摄像头进行图像采集，将中心图像输入到CNN网络中，即可预测出方向盘转动角度。
三、网络输入数据处理
1.图像预处理：
网络输入的图像数据，一般需要进行图像预处理。本项目采用了如下几种图像预处理的：
1）调整亮度
2）归一化
3）裁剪图像
4）等等其他图像处理技术
图像亮度调整.png
2.数据增强
训练数据一般都会存在数据不平衡的情况。我们可以通过画方向盘角度分布的直方图，来查看数据的分布情况，当训练数据存在数据不平衡的情况，一般可以采用如下进行数据增强：
1）欠采样
2）过采样
3）设置权重，给数量少的样本更大的权重
4）收集更多的数据（最有效的方式，但成本最高）
5）根据已有的训练数据人工合成新的数据
图像翻转.png
网友评论