基于深度学习和计算机视觉ROS2自动驾驶汽车软硬件开发视频教程，本课程涉及用于打造您的自动驾驶汽车的硬件和软件部分。
MP4 | 视频：h264，1280×720 | 音频：AAC，44.1 KHz，2 Ch
类型：电子学习 | 语言：英语+srt | 持续时间：80 堂课 (8h 17m) | 大小：7 GB
您将学到什么
- 构建您自己的自动驾驶汽车
- 学习（分而治之）解决复杂问题，即检测 ->（定位 + 分类）
- 使用计算机视觉技术分割车道线，即 Canny 边缘检测和颜色阈值
- 定位基于图像中的对象在特定形状上使用算法，即 ShapeApproxPoly 和 HoughCircles
要求
3D 模型的 STL 文件打印
基本 Python 编程和OpenCV
说明
本课程将涵盖的主题是：
硬件部分
- 使用 Raspbian 设置 Raspberry Pi
- Raspberry pi 和笔记本电脑 VNC 设置
- 硬件 GPIO 编程
- 使用 Python 代码进行 LED 控制
- 电机控制
- 相机接口视频馈送
软件部分
- 视频处理管道设置
- 使用计算机视觉技术进行车道检测
- 使用人工深度神经网络进行符号检测
- 使用光流进行符号跟踪
控制
课程流程（自驾[开发阶段]）
我们将利用 3D 模型（在存储库中提供）和从教师提供的链接购买的汽车零件，快速让我们的汽车在 Raspberry Pi 上运行。之后，我们将把 raspberry Pi 与 Motors 和相机连接起来，开始认真编程。
然后通过了解自驾车的概念以及它将如何在交通和环境领域改变我们不久的将来。然后我们将进行一个自动驾驶知名品牌（特斯拉）的案例研究；）之后，我们将提出我们想要打造哪个（自动驾驶级别）自动驾驶汽车的建议。
本课程的核心开发部分将分为两部分。在这一部分及其小节中，我们将研究不同的方法。对它们进行编程并进行分析。在每个部分有多种方法的情况下，我们会进行比较分析，以找出最适合我们项目要求的方法。
1）检测：负责提取SDV周围环境的最多信息
在这里，我们将了解如何通过将一个大问题分解成更小的更易于管理的问题来解决它，例如在检测的情况下。我们将其分为 4 个目标
a) 分割
b) 估计
c) 清洁
d) 数据提取
2）控制：将根据检测模块提供的信息执行动作。
首先定义此模块的目标，然后实现这些目标，例如
a) 车道跟随
b) 遵守道路限速
最后，我们将结合所有单独的组件，让我们的自动驾驶（迷你 – 特斯拉）栩栩如生。然后将执行最终跟踪运行以及分析以了解其成就和缺点。
我们将通过描述未来版本的自动驾驶（迷你特斯拉）中的改进领域和可能的功能来结束
硬件要求
Raspberry Pi 3b 或更高版本
齿轮直流电机 12V（单个）
12V 锂电池
汽车底座+转向机构
软件要求
Python 3.6
Opencv 4.2
TensorFlow
一个巨大的编程项目的动机
– 在购买之前先看看这个课程 Github 存储库或消息
（如果您不想购买，请至少获取代码并从中学习?）
本课程适用对象
希望建立自己的自动驾驶汽车之一的爱好者，他们希望从事计算机视觉、人工智能和机器人领域的工作