操作環(huán)境及軟硬件配置如下：

• OriginBot機(jī)器人（視覺(jué)版/導(dǎo)航版）

• PC：Ubuntu (≥20.04) + ROS2 (≥Foxy) + pytorch + docker

0.應(yīng)用目標(biāo)

我們現(xiàn)在經(jīng)?？梢钥吹杰?chē)輛自主泊車(chē)，在停車(chē)庫(kù)中找到屬于自己的車(chē)位。那我們可不可以在OriginBot小車(chē)上實(shí)現(xiàn)這個(gè)功能呢？

當(dāng)然沒(méi)問(wèn)題，采用深度學(xué)習(xí)的方式進(jìn)行訓(xùn)練，然后采集相關(guān)的圖像進(jìn)行訓(xùn)練，我們就可以搭建一個(gè)簡(jiǎn)易的應(yīng)用環(huán)境了。接下來(lái)我們就來(lái)嘗試一下。

1. 啟動(dòng)機(jī)器人底盤(pán)

SSH連接OriginBot成功后，在終端中輸入如下指令，啟動(dòng)機(jī)器人底盤(pán)：

2.啟動(dòng)小車(chē)車(chē)位尋找功能

3.檢查實(shí)現(xiàn)效果

小車(chē)在行車(chē)區(qū)域搜尋前進(jìn)時(shí)X3板端運(yùn)行終端輸出log信息，其中控制小車(chē)以0.1m/s的速度前進(jìn)運(yùn)動(dòng)

小車(chē)發(fā)現(xiàn)車(chē)位后轉(zhuǎn)向時(shí)在X3板端運(yùn)行終端輸出log信息

小車(chē)確定車(chē)位后前進(jìn)并最終停止時(shí)在X3板端運(yùn)行

4.原理簡(jiǎn)介

這里的原理部分和之前的 AI 深度學(xué)習(xí)訓(xùn)練是類(lèi)似的，同時(shí)是分為以下幾個(gè)步驟。

問(wèn)題定義：我們要解決的問(wèn)題是什么？比如這里的視覺(jué)巡線，那就要識(shí)別線在圖像中的位置。

數(shù)據(jù)準(zhǔn)備：針對(duì)要解決的問(wèn)題，著手準(zhǔn)備數(shù)據(jù)。比如要準(zhǔn)備各種巡線場(chǎng)景的照片，給機(jī)器學(xué)習(xí)使用。

模型選擇/開(kāi)發(fā)：模型就是處理數(shù)據(jù)的一套流程，也就是我們常聽(tīng)說(shuō)的CNN卷積神經(jīng)網(wǎng)絡(luò)、GAN生成對(duì)抗網(wǎng)絡(luò)、RNN循環(huán)神經(jīng)網(wǎng)絡(luò)等等。

模型訓(xùn)練與調(diào)優(yōu)：把數(shù)據(jù)放入模型中，訓(xùn)練得到最優(yōu)化的參數(shù)，可以理解為是機(jī)器在學(xué)習(xí)的過(guò)程。

模型評(píng)估測(cè)試：就像小測(cè)驗(yàn)一樣，我們拿一些數(shù)據(jù)給訓(xùn)練好的模型，看下效果如何。

部署：一切準(zhǔn)備就緒之后，就可以把訓(xùn)練好的模型放到機(jī)器人上了，也就是正式把知識(shí)傳授給某一個(gè)機(jī)器人，它就可以解決之前提出的問(wèn)題啦。

大家可以根據(jù)OriginBot上的小車(chē)代碼進(jìn)行學(xué)習(xí)。