DeepRCar: Autonomní model auta

Abstract

Tato práce se zabývá stavbou modelu autonomního vozu na dálkové ovládání a jeho kontrolou pomocí hlubokých neuronových sítí. Vozidlo je schopno zatáčet samo pouze na základě vizuálního vstupu z přední kamery. Text práce popisuje jeho kompletní vývoj od výběru hardwarových komponent, návrhu kontrolního systému, až po selekci a učení konvoluční neuronové sítě, která ovládá nastavení kol. Model se naučil rozeznat okraje jízdního pruhu, přestože měl během učení přístup pouze ke dvojicím vstupní obrázek a příslušný úhel kol pro danou situaci. Finální systém operuje při 20 snímcích za sekundu na jednodeskovém počítači Raspberry Pi 3.

I present DeepRCar, a simplified self-driving radio controlled car platform that is controlled by deep neural networks. This car takes images from a front facing camera as its only input and produces steering commands as output. This thesis describes the entire process of its creation from hardware requirements, through the design of the control system, up to the selection and training of a convolutional neural network that manages its driving decisions. The network was trained in an end-to-end manner and learned to recognize useful road features, such as lane markings, when only camera images and corresponding steering angles were presented during training. The final system is capable of running at 20 frames per second on a Raspberry Pi 3.