Introduction
本系列文章介绍了我们实现的基于深度学习的自动避障智能小车。
计算机技术、传感器技术和视觉技术的快速发展促使智能车在军事、太空探索、物流等领域有广泛的应用前景。基于视觉技术的自动导航是智能车研究的热点，而近年来，深度学习在语音识别、计算机视觉等多类应用中取得突破性进展，与自动导航的结合体现在了google，百度等互联网巨头的无人车中，本项目在树莓派小车上模拟实现了自动避障的无人驾驶车，通过使用 motion 摄像头管理工具获取摄像头数据，使用python的tornado框架搭建了webserver进行网页监控，并通过socket与小车进行数据通讯，在server上将小车发送的图像数据利用darknet深度学习框架进行处理，在此结果上设计了小车的避障算法，并将控制指令发送回小车，实现自动避过障碍物达到目标物体的目的。
代码发布地址github 地址 ： https://github.com/FindHao/auto_car
基于深度学习的自动避障小车_1_需求分析 基于深度学习的自动避障小车_2_架构设计 基于深度学习的自动避障小车_3_小车组装 基于深度学习的自动避障小车_4_视频信号采集与处理 基于深度学习的自动避障小车_5_运动控制 基于深度学习的自动避障小车_5_运动控制2_socket 基于深度学习的自动避障小车_6_避障 基于深度学习的自动避障小车_7_代码说明