【源码】基于Python和Arduino的智能小车自动驾驶与路标识别系统

项目简介

本项目是山东大学（威海）数学与统计学院2020级数据科学与人工智能实验班2022年暑期科研实训成果。借助Python和Arduino搭建智能小车自动驾驶与路标识别系统，利用PaddlePaddle深度学习框架完成交通标志识别，采用U-Net网络进行道路分割，通过A*算法规划路径，由Arduino控制小车运动，实现小车自动驾驶与交通标志识别功能。

项目的主要特性和功能

1. 道路分割：运用U-Net深度学习网络，在Paddle开源平台分割图像的道路与非道路部分，模型PA=0.979，IoU=0.952，分割效果佳。
2. 交通标志检测与识别：采用骨干网络为ResNet50_vd_ssld的PPYOLOv2算法在Paddle平台训练，可识别64类交通标志，模型mAP=96.27%，识别精度高。
3. 小车控制方式多样：可通过网页控制小车前进、后退、转弯等，还能调整旋转角度和运动速度；开发了基于Python的UI界面，可封装为软件使用。
4. 自动驾驶功能：采集小车地图照片标注训练道路分割模型提高精度；对小车相机标定和去畸变处理，透视变换为俯视图；用A*算法规划路径；结合阿克曼转向几何与Pure Pursuit路径跟踪算法控制小车运动；利用MPU6050获取小车姿态角，计数器测量小车速度。

安装使用步骤

1. 硬件准备：准备Arduino开发板、MPU6050陀螺仪模块、小车模型、摄像头等硬件设备。
2. 软件安装：安装Python、Arduino IDE、PaddlePaddle深度学习框架等软件。
3. 环境配置：设置Python环境变量，安装必要的库，如numpy、cv2、requests等。
4. 代码获取：下载本项目的源码文件，包含Python和Arduino代码。
5. 模型训练：使用PaddlePaddle训练交通标志识别模型，并将模型权重保存至指定路径。
6. 代码调试：在Python环境中运行代码进行调试和测试，确保代码正常运行。
7. 小车编程：使用Arduino IDE对Arduino开发板进行编程，实现小车运动控制功能。
8. 综合测试：将小车置于预定路径上，运行Python程序，观察小车是否能按预定路径自动行驶并识别交通标志。

注意：此项目涉及硬件和软件的综合应用，需要一定的编程和硬件基础。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】