欢迎学习《基于OpenCV、深度学习和Raspberry Pi构建自动驾驶汽车视频教程》课程。
你将学到什么
建造你自己的自动驾驶汽车（迷你特斯拉）
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
使用算法根据特定形状定位图像中的对象，即 ShapeApproxPoly 和 HoughCircles
使用自定义算法使用霍夫线和曲线车道估计直线轨迹。
了解人工神经网络以及为什么卷积神经网络最适合图像分类。
学习在 OpenCV 中识别正确的算法以及如何根据您的要求对其进行调整
构建、训练和部署自定义 CNN 模型（深度学习）以对标志进行分类。
使用 Python 中的 cProfile 对您的程序进行分析/计时
比较 OpenCV 中可用的 SOA 跟踪技术，并确定最适合项目要求的
技术 使用简单但非常有效的 IP 技术和线程优化您的代码
让 SDV 在自定义跟踪中自主导航并遵守道路速度限制
了解如何以从图像中提取可操作的数据
增益所有的知识需要输入到（SDV系列）即将开始的课程来更先进的版本…?
SSD的简要概述标志检测和为什么它不是对每个对象DET来解决问题
说明
本课程涉及用于打造您的定制汽车的硬件和软件部分
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运输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总结
硬件要求
树莓派 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
本课程面向的对象：
在即将到来的领域中寻找令人兴奋的项目的初学者程序员 希望
在多学科项目中涉足的热心学生 希望
涉足计算机视觉、人工智能和机器人领域的工程师
自动驾驶汽车 希望构建的爱好者他们自己的一个
类型：在线学习 | MP4 | 视频：h264，1280×720 | 音频：AAC，48.0 KHz
语言：英语 | 大小：5.92 GB | 时长：5h 46m
