一、前言
这算是一个综合应用了，算是对过去多年知识的一个简单总结。在做之前我很焦虑，怕自己半途而废。不过最终还是用7个晚上完成了这个项目，最终的实现并不难，只不过是结合了电子技术和计算机技术的一个应用，算是对过去多年自动化、软件工程的学习和工作的一个集成，算是给自己的一个礼物，也是一个纪念。
演示视频：
https://www.bilibili.com/video/av31008997
二、硬件部分
1、硬件示意图如下：
硬件示意图
2、模块说明
| 模块名称 | 功能说明 |
|---|---|
| 树莓派 | 运行树莓派定制的Debian系统，采用Python的gpiozero库控制树莓派的GPIO。 |
| 继电器 | 本来可以用L298N电机驱动芯片，不过我的L298N坏了，改用继电器代替。 |
| 3路寻迹 | 用于检测地上的黑线，检测到黑线时输入0，否则输入1。 |
| 底盘 | 2个直流电机驱动，考虑到树莓派的供电情况，我没有用树莓派为电机供电，而是通过继电器直接给电机供电。 |
3、实验环境
最终的实验环境就是这样的了：
实验环境
三、软件部分
1、算法描述
由于输入（3个）和输出（3个）的状态都较少，我采用了一个很简单的强化学习的算法，我们就叫Naïve Table Reinforcement Learning Algorithm（朴素表格强化学习算法）吧。
算法描述
字符说明
| 字符标识 | 字符说明 | |
|---|---|---|
| 状态 | ||
| RS | 寻迹模块右检测器检测到黑线 | |
| MS | 寻迹模块中检测器检测到黑线 | |
| LS | 寻迹模块左检测器检测到黑线 | |
| 行为 | ||
| L | 小车左转 | |
| M | 小车直行 | |
| R | 小车右转 |
算法文字描述
每次取L、F、R三个维度的最大值决定行走的方向，程序开始时，因为所有action的值都为1，所以随机选择行走方向，行走后根据寻迹模块的输入更新表格的数据，比如：如果RS=L，选择了L，小车走一步偏离了方向，这时给L一个-1的奖励，加到L上；如果选择了R，小车在正确的道路上，这时给R一个+1的奖励。这个算法真的很Naïve了。值得一提的是，我给MS=L的状态每次都加一个随机选择方向的可能以模拟真实情况。
2、算法伪代码
伪代码
3、小车行走代码
以直行代码为例，其它的类似。
直行代码
四、后记
以前在学习和工作的工程中，一直纠结在想要写底层驱动，现在想来那是自己跟自己较劲。Linux嵌入式开发板买过三个，智能小车底盘都买了两个了，还有一堆电子元件，视频教程也看了很多很多，基本的原理是明白，不过一直没有实践，最终也没能把这些东西用起来，一直都是徒劳。那时候不明白自己想要做什么，想着越底层越高端，其实不然，我想要做的用树莓派就可以实现，没必要一直跟底层较劲。在人生的路上，难免会走一些弯路，不过不要紧，要及时调整，找到自己真正适合和感兴趣的，并且自己能够胜任的才是最好的。我们的分工各有不同，不可能都去研究某个领域底层的底层，要能够合理利用有效资源，把自己能够胜任的工作做到最好才好。不过话又说回来，以前学的东西也不是一点用都没有，算是自己知识的一个积累，也许在适当的时候可能会用上。希望在以后的学习和工作中，要明确自己的目标，合理的利用有效资源，实现小小的愿望，这样才会过得不累。
网友评论