人工智慧在自動駕駛與物聯網的應用
人工智慧在自動駕駛與物聯網的應用
指導老師:羅主斌老師 黃秋杰老師
組員:程佳蓓 鍾佳靜 陳沁榆 楊尉忞 林韋成 莊于萱
專題中我們使用Nvidia公司的智慧小車Jetbot以及Jstson Nano開發版進行AI自動駕駛以及人工智慧物聯網AIoT的相關研究,藉此熟悉人工智慧深度學習以及機器人程式設計的相關技術及其在自動駕駛以及物聯網方面的應用。
上學期我們著重於機器小車的物件追蹤以及避障,下學期而是將重點放在機器小車的循跡上。我們運用機器小車的鏡頭在平面軌道上拍攝了大量的照片,再透過訓練小車讓他不透過人為操作,自己就能辨識前方的路況,完整繞完軌道且不押到邊線。
透過這次的專題研究希望我們能夠多加接觸近期相當熱門的AI自動駕駛等相關概念。
指定目標物件並標為綠框,其餘物件為藍框,透過物件在畫面中位置,改變車輪速度進行轉向。
訓練智慧小車利用鏡頭自動避開指定的物體,以不碰觸到指定物品為目標。
資料收集: 固定小車位置,截圖攝像頭畫面並標註小車目標方向作為資料集使用本實驗收集約750張照片。
模型訓練:透過收集的照片,導入AlexNet深度學習框架,訓練出深度學習模型。
調整參數及實驗:將模型導入,調整輪胎轉速,偏差等參數,進行十次實驗後使用效果較好的參數。
總結
在第一次口試之前,我們每個人花費大量的時間親手組裝小車,並且瞭解了小車的基本運作原理,進行了簡單的實驗和操作。我們發現比起單純寫程式,程式與硬體的結合更考驗耐心,因爲硬體受環境影響較大像是網路是否流暢,硬體本身是否有損毀,或者是所在位置的光線。正因爲我們與小車長時間的磨合,所以在第一次口試後,我們才能比較順利地進行新的應用的實現,通過自己拍照收集資料集,訓練出不同的模型,調整小車的各項參數,使得小車能比較精確地沿著預計方向行駛。我們親自實踐了循跡的完整過程,體會到了也許人工智慧也沒有我們所想像地那樣複雜。
改進方向與未來構想
雖然循跡看起來做得已經有眉目,但循跡只是基礎的應用,之後有機會還可以將避障加入循跡中,更加模擬現實生活中的情況。
當然這一塊的應用也還有非常多,像是識別紅綠燈來控制小車,識別前方車輛,人體動作識別等等。
所以這次的專題更像是個開始而不是結束,也希望在之後的工作中如果有機會能使用到人工智慧,我們能有更加清楚的認識。
成果影片