# 基于虚拟样机的微缩智能车自动驾驶 **Repository Path**: LNTUEE/CarCode ## Basic Information - **Project Name**: 基于虚拟样机的微缩智能车自动驾驶 - **Description**: 本仓库存放的是由平行智能研习社仿真算法组开发并不断更新维护的操作、控制微缩智能车自动驾驶虚拟仿真实验室CarLib的python源代码CarCode最新版本。 - **Primary Language**: Python - **License**: Not specified - **Default Branch**: master - **Homepage**: https://www.xueyinonline.com/detail/223693252 - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 6 - **Created**: 2022-04-03 - **Last Updated**: 2022-04-03 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 基于虚拟样机的微缩智能车自动驾驶 #### 介绍 加入学银在线[基于虚拟样机的微缩智能车自动驾驶虚拟仿真实验课程](https://www.xueyinonline.com/detail/223693252)，按照实验步骤下载自解压实验包ROAD40.exe到D盘，ROAD.exe自解压到D盘后会生成一个ROAD40文件夹，里面包含以下2个文件夹和5个文件： CarLab文件夹——包含不同尺寸虚拟样机和六个虚拟赛道的微缩智能车自动驾驶虚拟仿真实验室，简称仿真平台，双击该文件夹下road4.0.exe程序可以进入实验室。 CarCode文件夹——操作、控制微缩智能车自动驾驶虚拟仿真实验室的python源代码1.0版本，简称算法平台 手动安装说明.txt——手动安装python运行CarCode代码需要site-packages功能包的说明文档 BatchInstall.py——批量安装python运行CarCode代码需要site-packages功能包的源程序（调用方法见手动安装说明.txt） python-3.6.8-amd64.exe——python3.6.8版本的安装包（请务必安装这个指定版本，其他版本python可能导致兼容问题）。 pycharm-community-2020.3.5.exe——调试python语言的IDE工具。 site-packages.exe——我们提供的CPU版本的完成本实验需要安装的python package自解压功能包，简称功能包。 建立算法平台CarCode与仿真平台CarLIb通讯联系，安装包括计算机视觉算法库OpenCV、深度学习框架tensorflow、及keras在内的python功能包，是大家进入微缩智能车自动驾驶虚拟仿真实验室开展自动驾驶算法研究所必须掌握的专业技能之一。严格按照实验课程的操作指示进行并反馈信息，你将在10分钟内完成本地微缩智能车自动驾驶虚拟仿真实验室的建立，并基本掌握上述技能。 #### 软件架构 CarCode软件架构说明 HANDdrive.py 手动开车python代码——老老实实推着走，认认真真看现象 PIDdrive.py PID过第一关的python代码 load_data.py 训练CNN模型前载入数据的python代码，每次采集了新数据要重新运行一遍 model.py 训练CNN模型的python代码 drive.py 测试CNN模型的python代码 目前实验只需要这几个python代码文件 data文件夹：存放为训练CNN模型采集的数据 logs文件夹: 存放训练好的CNN模型 #### 使用说明 实验中遇到问题请先看视频——我们在[基于虚拟样机的微缩智能车自动驾驶虚拟仿真实验课程](https://www.xueyinonline.com/detail/218028465)中为所有操作步骤提供了讲解视频，学生在完成实验步骤时遇到问题请先观看它们，如果不能解决，可以申请加入QQ群8117977868进行提问。 #### 参与贡献 1. Fork 本仓库 2. 新建 Feat_xxx 分支 3. 提交代码 4. 新建 Pull Request #### 特技 1. 手动开车,从车的视角看赛道 2. 简易PID算法 3. CNN模型测试过程中的手动干预和补充数据 #### TODO 1. 能够通过全部六关的PID算法 2. 能够通过全部六关的CNN模型 3. 模型预测控制算法 4. 强化学习算法 5. 美国天普大学王培老师的OpenNars——非公立逻辑推理 https://zhuanlan.zhihu.com/p/360273437 6. 日本顾泽苍博士的SDL——自律学习算法 http://www.eepw.com.cn/article/202010/419701.htm 路漫漫其修远兮，吾等将上下而求索！