传统视觉如何控制小车运动

在传统的视觉循迹小车中，主要是通过摄像头获取赛道图像，然后对图像进行处理，得到偏差，然后根据偏差控制小车行驶。小车之所以能运行，关键在于，他会根据人为设定好的判定条件，去抉择下一步该怎么做。人为设定的判定条件的好坏，决定的车能跑成什么样。而神经网络，是机器学习的一种方法。通过神经网络实现循迹功能，与传统的方法比较，他更可以被说成是一种自主学习的方法。整个思路大致如下，首先通过摇杆 *** 纵小车运行一段时间，收集训练数据（包括图像，摇杆值），然后通过神经网络训练出一套模型，以后就可以根据这个模型，预测、控制小车行驶。

本人从最简单的做起，从BP神经网络学起，后面学习其它更快更新的算法，例如近几年特别火的CNN……（文章后面也会写出一些机器学习的笔记心得）BP神经网络 - 知乎专栏

BPneural_network_car-0410_土豆_高清视频在线观看 （这个是我用BP神经网络做的效果-0-）

整体框架:

1、小车：主控芯片K60，但K60运行速度有限，于是这里只用作小车的控制驱动，不涉及图像处理，神经网络等算法。（关于小车高让首，没什么要求，只要能通过某种方式控制就好，我用的是比赛时候的车模，也懒得重新组装了，就是往上加树莓派，加电源，所以导致太重了……太重了就不好控制了2333333，如果只是简单学习的话强烈建议用些简单的，轻的，好控制戚数的，什么adurino小车啊，调起来不用考虑那么多因素）

2、树莓派+camera ：可以作为传输中介，将图像传给PC，通过PC进行训练预测等。也可以直接作滑棚为运算终端，直接在树莓派上进行训练，预测等。我这里是用作前者，因为用电脑开发比较快，写代码什么的都比较方便0-0：（ps：树莓派我用的是pi3，官方系统是基于debian的linux系统。刚开始用linux肯定各种陌生，然后就各种百度，谷歌的查。现在官方的桌面系统已经很好用了，但终究到底还是得通过命令行控制。摄像头用的是官方的，派上有专门接口，直接调用官方库。用usb的摄像头也行，可以通过opencv调用）

3、PC电脑：和树莓派通过wifi连接在同一个局域网内，通过socket服务传输数据。同时可以和小车主控板通过蓝牙连接，发送指令控制小车

4、手柄：通过手柄遥控小车，收集训练数据，同时记录手柄的摇杆值，即学习的标签

整个程序用python语言开发，主要python比较容易上手，而且各种库方便调用。主要用的都是opencv，opencv里有大量成熟的库，BP神经网络就是调用的是opencv的ml类，简直不能再简单了，几句话就能搭建好了一个网络…

胶带的宽度一定的话:

四个传感器一字排列的情况最简单：

按1234号传感器命名，照在胶带上状态位为A，否则为a.

直线正常行走时，23号持续为A，14号持续为a.

分析开始右转的逻辑：

2号变a，继续直线行走，直到4号变A，根据24号间的距离和小车在这段时间内行驶的距离计算出转动角度(这就是动态平面几何问题了，自己画图解一下，注意转弯时候前后中心点的轨迹，胶带宽度是关键，得到的角度不会也不必太精确。这里我只讨论逻辑)，然后以比计算结果稍大(目的是确保能让2恢复滑茄状态A)的转动角度开始转弯，等到2和3都恢复状态A，小车变回直线行走，等到2号重新变a，小车再恢复到原先的转动角度……后面一直循环就行了

直线上如果车子前进方向倾斜，和转弯一样，下面以车子向右倾斜为例分析：

会出现3号变a的情况，继续保持直线行走，直到1号变A，计算出小车在这个过程中行进距离，结合胶带宽度，弯让厅1和3号间的距离，就可以算出偏离的角度然后决定转动角度。后面具体调整和过弯道一样。

然后我来吐槽为什么要用labview，你是想着拿着笔记本进行无线 *** 控么 - -，嵌入式的labview编程现在还不埋隐成熟好吧~

---