基于深度学习的自动避障小车_1_需求分析

Introduction

本文介绍了对避障的简单需求分析。

raspberrypi基于深度学习的自动避障智能小车_目录

1. 需要实现的功能

  • 捕获摄像头数据
  • 分析视频图像数据获得障碍物和目标物体的信息
  • 设计避障算法
  • 执行控制指令

2. 分析

由于采用了树莓派的核心板,因此深度学习框架不可能在树莓派上运行,性能太差。考虑采用C/S结构,在PC(或者以后更新成GPU or 多核服务器)上运行深度学习框架,进行图像的识别。

主要有三部分工作:

  • 组装小车
  • 深度学习框架
  • 避障算法

由于队友之前在整理深度学习相关的资料,因此后面的深度学习框架部分,直接用他编译好的二进制,对于一个有限时间的作业来说,实现理论思想足够了。后续的更新再考虑性能问题。

3. 可行性调研

搜索关键词: 树莓派 小车 摄像头

发现大量资料,证实获取摄像头数据可行。

而关键词:树莓派 小车 避障 则出现的结果大多是“红外避障”、“超声波避障”、“一路寻迹”等比较原始的避障作品,和现实的自动驾驶功能根本不是一回事。考虑结合深度学习。

更换关键词“树莓派 深度学习”,比较新的文章是16年12月份有人在树莓派3上跑tensorflow,从文中的实验结果可以看出性能之差,令人发指,识别一张图片需要50s。

综上,思路基本可行,性能问题需要深入调查,初步搜索证明现有资源不足以支撑实时性。

Reference

[原创] 在树莓派上用TensorFlow玩深度学习(Deep Learning)

文章若未注明转载皆为原创,如需转载请注明出处FindSpace博客及文章链接,文章markdown格式源码现已开放,欢迎转载。文章源码地址:https://github.com/FindHao/FindSpace.name

分享到:

Find

Find

新浪微博(FindSpace博客)QQ群:不安分的Coder(375670127) 不安分的Coder

You may also like...