基于TensorFlow深度学习自动驾驶小车的设计

曾啸川 邓红卫 莫岚淋 陈一楠 贺迪

摘要：本文以自动驾驶小车为例，将深度学习技术运用于自动驾驶小车，在模拟的道路上，实现对交通标志识别的自动驾驶。本文采用TensorFlow深度学习框架，编写CNN结构模型，训练卷积神经网络，运用OpenCV图像处理技术，使用摄像头采集模拟道路与交通信号标志数据，通过处理器计算和处理，面对相应的交通信号标志，自动驾驶小车自动采取应对措施。测试结果表明，小车具有一定程度的自动驾驶与交通标志识别能力。

关键词：TensorFlow;深度学习;卷积神经网络;自动驾驶;交通标志识别

中图分类号：TP18 文献标识码：A 文章编号：1007-9416（2020）07-0131-04

0 引言

TensorFlow[7]是一個采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让开发者可以在多种平台上展开计算，例如计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。无人驾驶技术是传感器、计算机、人工智能、通信、导航定位、模式识别、机器视觉、智能控制等多门前沿学科的综合体。无人驾驶汽车的关键技术包括环境感知、导航定位、路径规划、决策控制等。环境感知模块相当于无人驾驶汽车的眼和耳，无人驾驶汽车通过环境感知模块来辨别自身周围的环境信息，为其行为决策[8]提供信息支持。无人驾驶汽车的导航模块用于确定无人驾驶汽车其自身的地理位置，是无人驾驶汽车的路径规划和任务规划的之支撑。……