JETANK AI Kit 教程五、自主避障

JETANK AI Kit 教程目录

• JETANK AI Kit 教程一、组装小车
• JETANK AI Kit 教程二、安装镜像
• JETANK AI Kit 教程三、电机驱动
• JETANK AI Kit 教程四、远程遥控
• JETANK AI Kit 教程五、自主避障
• JETANK AI Kit 教程六、目标巡线
• JETANK AI Kit 教程七、舵机驱动
• JETANK AI Kit 教程八、JETANK控制
• JETANK AI Kit 教程九、运动检测
• JETANK AI Kit 教程十、颜色识别
• JETANK AI Kit 教程十一、颜色追踪
• JETANK AI Kit 教程十二、手柄控制
• JETANK AI Kit WIKI 主页

Collision-avoidance

要实现自主避障首先需要收集数据，通过摄像头拍摄各种图片，然后通过云端训练神经网络，最后通过训练的模型实现避障

第一步：在JetBot上收集数据

• 在浏览器地址栏输入http://<jetbot_ip_address>:8888连接到小车，左侧打开Notebooks/collision_avoidance/。打开data_collection.ipynb文件。
• 运行程序后出现如图所示界面，将小车放到不同的位置，如果前方没有障碍则点击add free. 如果小车前方有障碍就点击add blocked。拍摄到的图片会保存在dataset文件夹中，尽可能多的拍摄各种情况的图片。可以尝试不同的方向，不同的亮度，不同的对象/碰撞类型（墙、壁架等），可以尝试不纹理的地板/物体（有图案的、光滑的、玻璃等）

• 小车搜集到场景数据越多，避障的效果也就越好。所以尽可能多的获取不同的数据对避障效果非常重要。一般需要每种情况至少拍摄100张图片
• 最后运行程序打包图片，打包之后，在当前的目录下会出现一个dataset.zip压缩文件

第二步：训练神经网络

• 在浏览器地址栏输入http://<jetbot_ip_address>:8888连接到小车，左侧打开Notebooks/collision_avoidance/，打开train_model_resnet18.ipynb文件
• 此处如果已经有了刚刚压缩的dataset.zip文件，则不需要再运行此语句进行解压，否则会提示是否覆盖已存在的文件

• 最后运行程序训练神经网络，运行时间比较长。训练完成后，当前目录下会出现一个best_mode_resnet18.pth文件。

第三步：在Jetson Nano上优化模型

• 在浏览器地址栏输入http://<jetbot_ip_address>:8888连接到小车，左侧打开Notebooks/collision_avoidance/，打开live_demo_resnet18_build_trt.ipynb文件
• 直接运行程序，程序运行完成后当前目录下会出现一个best_model_trt.pth文件

第四步：自助避障

• 在浏览器地址栏输入http://<jetbot_ip_address>:8888连接到小车，左侧打开Notebooks/collision_avoidance/。打开live_demo_resnet18_trt.ipynb文件
• 运行程序后会显示摄像头实时图像和一条滑条。互调表示遇到障碍物的概率，0.00表示前方没有障碍物，1.00表示前方哟障碍物需要转向避让。

• 此处适当调小一点速度，避免速度太快直接撞上障碍物。如果部分地方不能实现避障建议采集更多的数据。

【注意】部分语句运行时间可能比较长，JupyterLab右上角有程序运行提示标志。当小圆点为黑色时表示程序正在运行，白色表示空闲状态。