论文总字数：17158字

摘 要

我国经济在近几十年来飞速发展，全国的汽车总量伴随着经济的发展而急剧上升，人们的日常生活和出行已经离不开汽车。汽车行业是一个特殊行业，因为涉及到乘客和驾驶员的安全，任何事故都是不可接受的，所以对于汽车的安全性和可靠性有着非常严苛的要求。自动驾驶技术是计算机视觉和深度学习领域的热门研究问题之一，可以再一定程度上辅助驾驶员驾驶，减少因人为问题而造成的交通事故。自动驾驶的准确性受到多方面因素的影响，天气、光照条件、障碍物、行人等都会对自动驾驶产生影响。

树莓派是一款为学习计算机编程教育而设计的微型电脑，其系统基于Linux。本文的研究使用树莓派作为模拟自动驾驶的硬件平台。主要步骤包括道路数据的采集、数据筛选、神经网络搭建和神经网络模型测试。利用Keras框架搭建卷积神经网络，该卷积神经网络的主要功能为对道路图片进行分类。数据采集需要使用到Pygame模块，Pygame可以实时监测用户键盘输入，用来实现对自动驾驶模拟小车的控制和对道路数据的标记，道路数据作为训练卷积神经网络的数据集。自动驾驶模拟小车的驱动芯片为L298N电机驱动板，L298N可以根据输入信息改变控制端的电平，方便控制电机的正转与反转，也可以改变控制端的高电平占比实现电机的调速。最终完成的自动驾驶模拟小车可以实现对不包含路口的道路进行自动驾驶，并且准确度较高，拥有较强的鲁棒性。

关键字：自动驾驶 深度学习 Keras 图像分类 卷积神经网络 树莓派

Automatic driving control research and software and hardware design based on deep learning

ABSTRACT

China's economy has been developing rapidly in recent decades. With the rapid development of economy, the total amount of cars in China has been increasing rapidly. Automobile industry is a special industry, because it relates to the safety of passengers and drivers, any accident is unacceptable, so there are very strict requirements on the safety and reliability of cars. Automatic driving technology is one of the hot research problems in the field of computer vision and deep learning, which can help drivers to drive and reduce traffic accidents caused by human factors. The accuracy of automatic driving is affected by many factors, such as weather, lighting conditions, obstacles and pedestrians.

Raspberry PI is a tiny computer designed to teach computer programming. The system is based on Linux. In this study, raspberry PI was used as a hardware platform to simulate automatic driving. The main steps include road data collection, data screening, neural network building and neural network model testing. Keras framework is used to build a convolutional neural network, whose main function is to classify road pictures. Data collection needs to use Pygame module, which can monitor user keyboard input in real time to implement the control of automatic driving car and mark road data, which is used as the data set to train the convolutional neural network. The driver chip of the automatic driving car is L298N. L298N can change the voltage of the control terminal according to input information, which is convenient to control the forward and reverse of the motor. It can also change the high voltage ratio of the control end to realize the motor speed regulation. The finished automatic driving simulation car can realize automatic driving on roads without intersections, with high accuracy and strong robustness.

KEYWORDS：automatic driving；deep learning；Keras；image classification；Convolutional Neural Networks；Raspberry PI

目录

摘 要 I

ABSTRACT II

第一章 绪论 1

1.1 课题背景及意义 1

1.2 国内外发展现状 1

1.3 课题研究内容 2

1.4 论文结构 2

第二章 深度学习理论及相关应用 3

2.1 深度学习发展历史 3

2.2 神经网络相关介绍 4

2.3 卷积神经网络 5

2.4 梯度下降学习算法 7

2.5 图像分类技术 9

2.6 AlexNet深度特征 10

2.7 VGG深度特征 12

2.8 GoogLeNet深度特征 12

第三章 硬件平台与数据集 14

3.1 硬件平台搭建 14

3.2 自动驾驶模拟小车控制 17

3.3 道路数据获取 18

3.4 数据筛选与清洗 19

3.5 数据集制作 20

第四章 自动驾驶模型 21

4.1 模型背景 21

4.2 模型介绍 21

4.3 神经网络训练 26

4.4 神经网络模型使用 27

第五章 总结与展望 28

5.1 本文的主要工作 28

5.2 对自动驾驶的进一步展望 28

参考文献 29

致谢 30

第一章 绪论

1.1 课题背景及意义

深度学习是计算机科学的一个重要分支，研究深度学习的目的是使计算机可以模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身性能。目前深度学习领域包含计算机视觉、自然语言处理、生物信息学、自动控制等，且在人像识别、机器翻译、自动驾驶等问题中取得了成功^[1]。智能语音助手、文本情感分析系统、比赛局势预测系统已经作为成功的应用进入到人们生活中。

请支付后下载全文，论文总字数：17158字