- 首页
- >
- 文章中心
- >
- Jetson系列
- >
- Jetson主板及套餐
JetBot AI Kit 教程五、自主避障
Collision-avoidance
要实现自主避障首先需要收集数据，通过摄像头拍摄各种图片，然后通过云端训练神经网络，最后通过训练的模型实现避障
第一步：在JetBot上收集数据
- 在浏览器地址栏输入http://<jetbot_ip_address>:8888连接到小车，左侧打开Notebooks/collision_avoidance/。打开data_collection.ipynb文件。
- 运行程序后出现如图所示界面，将小车放到不同的位置，如果前方没有障碍则点击add free. 如果小车前方有障碍就点击add blocked。拍摄到的图片会保存在dataset文件夹中，尽可能多的拍摄各种情况的图片。可以尝试不同的方向，不同的亮度，不同的对象/碰撞类型（墙、壁架等），可以尝试不纹理的地板/物体（有图案的、光滑的、玻璃等）
- 小车搜集到场景数据越多，避障的效果也就越好。所以尽可能多的获取不同的数据对避障效果非常重要。一般需要每种情况至少拍摄100张图片
- 最后运行程序打包图片，打包之后，在当前的目录下会出现一个dataset.zip压缩文件
第二步：训练神经网络
- 在浏览器地址栏输入http://<jetbot_ip_address>:8888连接到小车，左侧打开Notebooks/collision_avoidance/，打开train_model.ipynb文件
- 此处如果已经有了刚刚压缩的dataset.zip文件，则不需要再运行此语句进行解压，否则会提示是否覆盖已存在的文件
- 程序运行到此处会下载alexnet模型，下载时间有点长。下载程序后/home/hetbot/.torch/models目录下会出现一个alexnet-owt-4df8aa71.pth文件。
- 最后运行程序训练神经网络，运行时间比较长。训练完成后，当前目录下会出现一个best_mode.pth文件。
第三步：自助避障
- 在浏览器地址栏输入http://<jetbot_ip_address>:8888连接到小车，左侧打开Notebooks/collision_avoidance/。打开live_demo.ipynb文件
- 运行程序后会显示摄像头实时图像和一条滑条。互调表示遇到障碍物的概率，0.00表示前方没有障碍物，1.00表示前方哟障碍物需要转向避让。
- 此处适当调小一点速度，避免速度太快直接撞上障碍物。如果部分地方不能实现避障建议采集更多的数据。
【注意】部分语句运行时间可能比较长，JupyterLab右上角有程序运行提示标志。当小圆点为黑色时表示程序正在运行，白色表示空闲状态。
TAG：
树莓派5 PCIE M.2 NVME SSD固态硬盘2280-2242-2230-Board-C
GPS模导航模块
斑梨
RP2040 LoRa HF
SpeedyBee F405 V4 60A 电调飞塔 F4飞控DJI FPV穿越机
工业级8路以太网继电器模块PoE供电Modbus RTU TCP 物联网
电脑摄像头
Raspberry Pi camera V2
T1 MCU-32
PI5-CASE-White
X1202 树莓派5 UPS
树莓派5 PCIe M.2 4G 5G USB 3.2 HUB转接板M.2 Key B
RGB氛围屏
ESP32
树莓派4B 1G
ESP32 1.5寸LCD
GC9A01显示屏
Arducam USB摄像头
星光级摄像头
Pi5外壳