# 小车循迹与识别路口路标 **Repository Path**: liao-ruihao/Vehicle-Tracking-and-Recognition-of-Intersections-and-Road-Signs ## Basic Information - **Project Name**: 小车循迹与识别路口路标 - **Description**: 基于残差神经网络与OpenCV的小车循迹与自动识别路口与路口标识 - **Primary Language**: Python - **License**: MulanPSL-2.0 - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2024-11-24 - **Last Updated**: 2024-11-27 ## Categories & Tags **Categories**: Uncategorized **Tags**: 残差神经网络, OpenCV, 小车循迹, 识别路口, 识别路标 ## README # 小车循迹与识别路口路标 #### 介绍 基于残差神经网络与OpenCV的小车循迹与自动识别路口与路口标识 1. 项目是OpenCV与残差神经网络分别实现小车循线行驶与自动识别路口与路口标识 2. 使用OpenCV的高斯模糊、二值化、获得矩、通过矩计算质心、通过质心计算小车下一步的偏移量来实现小车沿着地面的黑线行驶。 3. 使用残差神经网络训练小车拍摄的路面图像实现小车对路口、路标的识别。 4. 最终使得小车可以自动在预定的路线上行驶,在识别到路口时停下,并识别路标,决定下一个行驶方向。 - **材料:** - 优必选Ugot麦轮车、Python、标注工具 - **工作:** - 使用OpenCV实现小车循迹 - 使用残差神经网络实现自动识别路口与路口标识 #### 代码架构 - **[dataset](https://gitee.com/liao-ruihao/VTRIS-data-set)** (在另外的库里) - image (原始图片) - label (标注类别) - **train_cross.py** - 定义resnet网络训练模型,不同的任务模型本身要微调,比如是几分类。训练好的模型会保存在项目根目录。 - **test_one_pic.py** - 读取要测试的模型以及要测试的图片,返回模型分类结果。 - **detect_sign_and_cross_by_resnet18_and_follow_line_by_opencv.py** - 循迹部分使用的是OpenCV的质量矩来定位黑线中心 - 路标识别以及路面识别是用残差神经网络实现的 - **[测试图片若干](https://gitee.com/liao-ruihao/VTRIS-data-set)** - **resnet_biaoshi_multiclass.pth** - 训练好的路标识别模型 - **resnet_lane_detection_sign.pth** - 训练好的路口识别模型 #### 安装教程 1. **git clone** 2. **数据集准备** - 从 [dataset](https://gitee.com/liao-ruihao/VTRIS-data-set) 下载数据集、或使用自己的数据集、或使用代码中已准备好的模型 3. **训练模型** - 使用train_cross.py训练,微调多少分类类别 4. **下载代码到小车** - 拥有一台优必选Ugot麦轮车,安装好接口程序,连好wifi,运行detect_sign_and_cross_by_resnet18_and_follow_line_by_opencv.py #### 小车运行代码说明 1. **小车先是初始化了UGOT设备** 2. **小车进入主循环不断巡线以及识别路口** - 实时识别路口方面 - 加载模型 - 读取摄像头画面,裁剪画面只要下半部分 - 投入模型返回结果,识别到路口小车停止运动并跳入识别路标函数,没有识别到路口则跳过识别路标函数 - 识别路标函数 - 加载模型、读取全图、识别路标 - 小车按识别结果转向 - 寻线方面 - 读图 - 转OpenCV可以识别的uint8数据类型 - 编码三通道 - 重定义尺寸 - 高斯模糊、二值化 - 获得想要的视角 - 获得矩、通过矩计算质心 - 通过质心计算小车下一步的偏移量 - 小车运动 #### 小车运行图像 ![小车运行gif](./video/show.gif) [有声视频展示](./video/show.mp4) #### 参与贡献 1. 感谢优必选提供小车