Self-Driving Pi Car数据收集实战：从摄像头采集到图像标签的完整教程

【免费下载链接】self_driving_pi_car A deep neural network based self-driving car, that combines Lego Mindstorms NXT with the computational power of a Raspberry Pi 3. 项目地址: https://gitcode.com/gh_mirrors/se/self_driving_pi_car

Self-Driving Pi Car是一个基于深度神经网络的自动驾驶项目，它将Lego Mindstorms NXT与Raspberry Pi 3的计算能力相结合，让你能够打造属于自己的自动驾驶小车。数据收集是训练自动驾驶模型的基础，本教程将带你完成从摄像头图像采集到数据标签生成的全过程。

准备工作：环境搭建与依赖安装

开始数据收集前，需要先配置好开发环境。项目提供了详细的依赖清单，确保你已安装所有必要组件：

1. 克隆项目仓库：

git clone https://gitcode.com/gh_mirrors/se/self_driving_pi_car

2. 安装Python依赖：

pip install -r requirements.txt
pip install -r raspberry_pi_requirements.txt

数据收集核心组件解析

项目的数据收集功能主要由self_driving/data_collection/DataCollector.py模块实现，该模块包含两个关键类：

• DataCollector：抽象基类，提供图像保存和数据字典管理的基础功能
• BasicDiffCollector：继承自DataCollector，专为差分驱动模型设计，支持键盘控制和方向标签（上、下、左、右）

硬件连接要求

数据收集需要以下硬件组件：

• Raspberry Pi 3（或兼容型号）
• Lego Mindstorms NXT机器人
• 摄像头模块（通过vision/Camera.py控制）
• 蓝牙模块（用于控制NXT机器人）

实战步骤：使用BasicDiffCollector采集数据

1. 启动数据收集程序

通过以下命令启动数据收集脚本：

python self_driving/data_collection/DataCollector.py -n my_dataset

其中-n参数指定数据集文件夹名称，默认为"pista"。

2. 键盘控制与数据采集

程序启动后，你可以使用键盘控制小车并采集数据：

• 上箭头：前进并记录"up"标签
• 下箭头：后退（不记录数据）
• 左箭头：左转并记录"left"标签
• 右箭头：右转并记录"right"标签
• Q键：退出程序

每次按键操作时，系统会自动：

1. 从摄像头捕获图像（通过Camera.take_picture_rgb()方法）
2. 执行相应的小车控制指令
3. 将图像保存为PNG文件（格式：{count}.png）
4. 在数据字典中记录图像与标签的对应关系

3. 数据存储结构

采集的数据将保存在两个位置：

• 图像文件：保存在{name}/{date}/目录下（如my_dataset/20230702/）
• 标签数据：保存在{name}/{date}_pickle文件中，使用pickle格式存储

数据采集场景示例

为了获得高质量的训练数据，建议在类似下图的标准化赛道上进行采集：

这个赛道使用白色胶带在棕色地面上铺设，提供了清晰的视觉边界，有助于模型学习路径跟踪。你可以根据需要调整赛道形状和复杂度，逐步增加训练难度。

数据采集最佳实践

1. 采集足够数量的样本

为了训练出稳健的模型，建议每个方向至少采集200张图像。可以通过多次运行数据收集程序来累积样本。

2. 多样化采集条件

• 尝试不同的光照条件（白天/夜晚）
• 改变赛道复杂度（直道、弯道、交叉路口）
• 调整行驶速度（慢速、中速）

3. 数据质量检查

采集完成后，可以通过self_driving/data_manipulation/test/pictures_for_test/toy_data/目录中的示例图像，检查你的数据质量是否符合要求。

数据后续处理

采集完成的数据可以通过以下模块进行进一步处理：

• 数据增强：self_driving/data_manipulation/data_aug.py
• 图像转换：self_driving/data_manipulation/img2array.py
• 数据处理工具：self_driving/data_manipulation/util.py

这些工具可以帮助你扩展数据集、标准化图像格式，为模型训练做好准备。

总结

数据收集是Self-Driving Pi Car项目中至关重要的一步。通过本教程，你已经了解了如何使用BasicDiffCollector类从摄像头采集图像、生成标签，并掌握了数据采集的最佳实践。有了高质量的训练数据，你就可以开始训练自己的自动驾驶模型了！

下一篇教程将介绍如何使用self_driving/ml_training/模块训练神经网络模型，敬请期待！

【免费下载链接】self_driving_pi_car A deep neural network based self-driving car, that combines Lego Mindstorms NXT with the computational power of a Raspberry Pi 3. 项目地址: https://gitcode.com/gh_mirrors/se/self_driving_pi_car