自动驾驶汽车模拟器 主张 自我驾驶汽车模拟器是一个深度学习神经网络项目,其任务是在模​​拟器中模拟人类驾驶行为。使用收集的驾驶数据,车辆经过训练可以根据一组输入图像自主。 使用的深度卷积神经网络在图像回归和分类问题上表现良好。 初始模型的灵感来自为其自动驾驶汽车实施的卷积神经网络。 数据采集 通过在模拟器轨迹周围行驶五圈同时记录图像和转向角来收集训练数据。 从三个相机角度(中心,左,右)以每秒14张图像的速率拍摄图像。 EDA 操舵 转向角标准化为(-1.5,1.5)的范围 转向角数据类似于角度0处的不成比例数据,其次常见的角度是-1.5和1.5 使用键盘的转向训练数据可能会导致角度突然变化。 如果在操纵杆上收集了数据,则t数据将从0平稳过渡。 图像处理 调整收集到的图像的大小并将其调整为3通道的标准尺寸66 x 200像素 将图像从RGB转换为yuv以在神经网络中进行更好的处理 对于