Skip to content
Merged
Show file tree
Hide file tree
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
78 changes: 26 additions & 52 deletions src/driverless_car/README.md
Original file line number Diff line number Diff line change
Expand Up @@ -48,16 +48,12 @@ python main_fg.py
该项目实现了**无人机图像分类**的深度学习Demo,使用公开数据集模拟无人机采集的图像数据,搭建轻量化卷积神经网络(CNN)完成分类任务。

### 主要特点
- 🚀 **无硬件依赖**:使用CIFAR-10公开数据集模拟无人机航拍图像
- 🧠 **轻量化模型**:搭建适用于无人机端的轻量化CNN,兼顾性能与算力消耗
- 📊 **可视化界面**:包含数据集样本展示、训练过程实时可视化、预测结果展示
- 🐞 **兼容性修复**:解决Matplotlib中文字体缺失、PyCharm后端兼容等问题
- 🚀 **无硬件依赖**:使用CIFAR-10数据集模拟航拍图像
- 🧠 **轻量化模型**:轻量化CNN设计,兼顾性能与效率
- 📊 **可视化界面**:数据展示、训练可视化、预测结果展示
- 🐞 **兼容性强**:已处理中文显示和IDE兼容问题

### 技术栈
- Python + PyTorch
- torchvision (数据集处理)
- matplotlib (可视化)
- numpy (数值计算)
**技术栈**:Python + PyTorch, torchvision, matplotlib, numpy

---

Expand All @@ -72,45 +68,24 @@ python main_fg.py
- 实时可视化无人机的移动路径、网格环境和训练奖励变化
- 优化的可视化界面,支持坐标标注、路径方向箭头、移动平均奖励曲线

### 技术栈
- **环境搭建**:gymnasium(gym 的维护版)自定义网格环境
- **强化学习算法**:Q-Learning(ε-贪心策略平衡探索与利用)
- **可视化**:matplotlib(绘制网格、路径、奖励曲线)
- **数值计算**:numpy
**技术栈**:gymnasium, PyTorch, matplotlib, numpy

---

## 环境配置

### 基础依赖安装

推荐使用国内镜像源加速安装:
## 快速安装

```bash
# 语义分割项目依赖
pip install torch torchvision matplotlib scikit-image pillow numpy opencv-python

# 图像分类项目依赖
pip install torch torchvision matplotlib numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安装所有项目依赖
pip install torch torchvision matplotlib scikit-image pillow numpy opencv-python gymnasium -i https://pypi.tuna.tsinghua.edu.cn/simple

# 路径规划项目依赖
pip install torch torchvision matplotlib numpy gymnasium -i https://pypi.tuna.tsinghua.edu.cn/simple

# 若需要gymnasium完整版(包含额外环境,如Atari)
# 如需完整版gymnasium(可选)
pip install gymnasium[all] -i https://pypi.tuna.tsinghua.edu.cn/simple
```

### 卸载旧版依赖(可选)
```bash
# 卸载旧版 gym(如果存在冲突)
# 卸载旧版gym(如果存在冲突,可选)
pip uninstall gym -y
```

### 系统要求
- Python 3.7+
- 支持CUDA的GPU(可选,用于加速训练)
- 内存:建议4GB以上
- 存储空间:至少1GB可用空间
**系统要求**:Python 3.7+,建议4GB以上内存,支持CUDA的GPU(可选)

---

Expand Down Expand Up @@ -164,29 +139,28 @@ pip uninstall gym -y

---

## 扩展方向
## 优化建议

### 语义分割项目优化方向
- **数据增强**:在transform中添加随机裁剪、翻转、亮度调整等操作,提升模型泛化能力
- **模型优化**:在 U-Net 中加入注意力机制(如 SE 模块)或使用 U-Net++ 模型,提升分割精度
- **真实数据适配**:替换模拟数据生成部分,加载真实的无人机航拍道路数据集
- **多类别分割**:修改模型输出通道数,实现建筑、植被、水体等多类地物的语义分割
### 语义分割项目优化
- **数据增强**:添加随机裁剪、翻转、亮度调整等操作
- **模型优化**:加入注意力机制或使用U-Net++模型
- **多类别分割**:实现建筑、植被、水体等多类地物分割
- **真实数据适配**:替换模拟数据,加载真实航拍数据集

### 通用优化建议
- 使用更高分辨率的输入图像提升分割精度
- 尝试不同的损失函数(如Dice Loss、Focal Loss)
- 添加数据增强技术提升模型泛化能力
### 通用优化方向
- 使用更高分辨率输入图像
- 尝试不同损失函数(Dice Loss、Focal Loss等)
- 添加数据增强技术
- 使用预训练模型进行迁移学习

---

## 注意事项

- 项目完全基于代码仿真,无需真实无人机硬件
- 可在普通PC上运行,建议配置支持CUDA的GPU以加速训练
- 所有可视化界面均已优化,兼容中文显示
- 代码已处理常见的兼容性问题,可直接在PyCharm等IDE中运行
- 语义分割项目会在指定路径自动创建数据集文件夹,请确保有足够存储空间
- 项目基于代码仿真,无需真实无人机硬件
- 所有可视化界面已优化,兼容中文显示
- 代码已处理兼容性问题,可直接在IDE中运行
- 语义分割项目会自动创建数据集文件夹,请确保存储空间充足

---

Expand Down
77 changes: 46 additions & 31 deletions src/driverless_car/main_height.py
Original file line number Diff line number Diff line change
@@ -1,4 +1,4 @@
#无人机高度保持
# 导入必要的库
import tkinter as tk
from tkinter import ttk, messagebox
import numpy as np
Expand Down Expand Up @@ -111,68 +111,79 @@ def _init_controller(self):

class SimpleController:
def __init__(self):
# 模拟一个经过训练的控制器(实际使用时加载PyTorch模型)
self.kp = 0.05 # 比例系数(模拟模型学到的参数)
self.kd = 0.02 # 微分系数
# 模拟一个经过训练的控制器(实际使用时加载PyTorch/TensorFlow模型)
# 无人机高度保持:控制器的核心参数,模拟模型学到的比例和微分系数
self.kp = 0.05 # 比例系数(对应高度误差的响应强度)
self.kd = 0.02 # 微分系数(对应误差变化率的响应强度,抑制震荡)

def predict(self, error, error_rate, current_h):
"""
输入:误差e、误差变化率de、当前高度h
输出:油门控制量(0~1)
无人机高度保持:控制器的核心预测逻辑,输入状态输出油门控制量
输入:误差e(目标高度-当前高度)、误差变化率de、当前高度h
输出:油门控制量(0~1,0为最小油门,1为最大油门)
"""
# 模拟深度学习模型的输出(实际中是model(inputs))
# 模拟深度学习模型的输出(实际中是model(inputs)的前向传播)
# 基础油门0.5为悬停基准,叠加比例和微分控制项实现高度保持
throttle = 0.5 + self.kp * error + self.kd * error_rate
# 限制油门范围
# 限制油门范围在0~1之间,避免超出无人机的物理控制范围
return np.clip(throttle, 0.0, 1.0)

return SimpleController()

def _update_data(self):
"""更新无人机数据(模拟或真实数据)"""
"""更新无人机数据(模拟无人机的高度动力学和控制逻辑)"""
# 获取当前时间
t = self.time_data[-1] + self.dt if self.time_data else 0.0
self.time_data.append(t)

# 更新目标高度(从输入框读取)
# 更新目标高度(从输入框读取,支持实时修改目标高度,测试高度保持的动态响应)
# 无人机高度保持:实时更新目标高度,模拟用户手动调整无人机的期望高度
try:
new_target = float(self.target_entry.get())
self.target_h = new_target
except ValueError:
pass # 忽略无效输入
pass # 忽略无效输入,保持原有目标高度
self.target_height.append(self.target_h)

# 计算当前高度(基于物理模型模拟)
# 计算当前高度(基于简化的物理模型模拟无人机的高度变化)
# 无人机高度保持:核心的高度动力学模拟,反映油门对高度的影响
if not self.current_height:
# 初始高度
current_h = 0.0 # 从地面开始
# 初始高度:从地面(0米)开始,模拟无人机起飞阶段
current_h = 0.0
else:
# 基于上一时刻高度和油门计算当前高度(简化物理模型)
# 基于上一时刻高度和油门计算当前高度(简化的无人机高度物理模型)
last_h = self.current_height[-1]
last_throttle = self.throttle_data[-1] if self.throttle_data else 0.5

# 高度变化 = 油门贡献 - 重力衰减
h_change = (last_throttle - 0.45) * 0.8 # 简化模型:油门>0.45时上升
# 高度变化 = 油门贡献 - 重力衰减(简化模型:油门>0.45时上升,<0.45时下降)
# 无人机高度保持:油门是控制高度的核心变量,0.45为悬停临界油门
h_change = (last_throttle - 0.45) * 0.8 # 0.8为高度变化的增益系数

# 加入噪声(模拟气流)
# 加入噪声(模拟气流扰动,贴近真实的无人机飞行环境)
# 无人机高度保持:气流噪声是影响高度稳定的主要干扰因素
if self.simulate_noise:
h_change += random.gauss(0, 0.15) # 高斯噪声
h_change += random.gauss(0, 0.15) # 加入高斯噪声,均值0,标准差0.15

# 计算当前高度:上一高度 + 高度变化 * 采样时间间隔
current_h = last_h + h_change * self.dt

self.current_height.append(current_h)

# 计算误差
# 计算高度误差(目标高度 - 当前高度,是高度保持控制的核心输入)
# 无人机高度保持:误差是控制器的关键输入,误差为正表示需要上升,为负表示需要下降
error = self.target_h - current_h
self.error_data.append(error)

# 计算误差变化率
# 计算误差变化率(反映误差的变化趋势,抑制高度震荡)
# 无人机高度保持:误差变化率用于阻尼控制,避免无人机高度频繁震荡
error_rate = (error - self.error_data[-2]) / self.dt if len(self.error_data) > 1 else 0.0

# 深度学习控制器计算油门
# 深度学习控制器计算油门(核心的高度保持控制逻辑)
# 无人机高度保持:控制器根据误差和误差变化率输出油门,实现高度的闭环控制
throttle = self.controller.predict(error, error_rate, current_h)
self.throttle_data.append(throttle)

# 限制数据长度
# 限制数据长度,只保留最近的max_points个数据点,保证绘图的流畅性
if len(self.time_data) > self.max_points:
self.time_data.pop(0)
self.current_height.pop(0)
Expand All @@ -181,43 +192,46 @@ def _update_data(self):
self.throttle_data.pop(0)

def _update_plot(self, frame):
"""更新绘图"""
"""更新绘图,可视化无人机高度保持的各项数据"""
if self.running:
self._update_data()
# 实时显示无人机的高度状态,便于监控高度保持的效果
self.status_var.set(
f"运行中 | 当前高度: {self.current_height[-1]:.2f}米 | 误差: {self.error_data[-1]:.2f}米")

# 更新高度曲线
# 更新高度曲线(可视化当前高度和目标高度的偏差,直观反映高度保持效果)
# 无人机高度保持:核心可视化项,观察当前高度是否跟踪目标高度
self.line_current.set_data(self.time_data, self.current_height)
self.line_target.set_data(self.time_data, self.target_height)

# 更新误差和油门曲线
# 更新误差和油门曲线(分析高度误差的变化和油门的控制响应)
# 无人机高度保持:误差曲线反映控制精度,油门曲线反映控制器的输出特性
self.line_error.set_data(self.time_data, self.error_data)
self.line_throttle.set_data(self.time_data, self.throttle_data)

# 自动调整坐标轴范围
# 自动调整坐标轴范围,保证数据始终在视图内
for ax in [self.ax1, self.ax2, self.ax2_twin]:
ax.relim()
ax.autoscale_view()

return self.line_current, self.line_target, self.line_error, self.line_throttle

def start(self):
"""开始运行"""
"""开始运行,启动无人机高度保持的模拟过程"""
self.running = True
self.start_btn.config(state=tk.DISABLED)
self.pause_btn.config(state=tk.NORMAL)
self.status_var.set("启动中...")

def pause(self):
"""暂停运行"""
"""暂停运行,暂停无人机高度保持的模拟过程"""
self.running = False
self.start_btn.config(state=tk.NORMAL)
self.pause_btn.config(state=tk.DISABLED)
self.status_var.set("已暂停")

def reset(self):
"""重置数据"""
"""重置数据,清空所有历史数据,恢复初始状态"""
self.pause()
self.time_data = []
self.current_height = []
Expand All @@ -230,7 +244,7 @@ def reset(self):
self.canvas.draw()

def run(self):
"""启动动画"""
"""启动动画,开始无人机高度保持的可视化循环"""
self.ani = FuncAnimation(
self.fig, self._update_plot, interval=int(self.dt * 1000),
blit=True, cache_frame_data=False
Expand All @@ -239,6 +253,7 @@ def run(self):


if __name__ == "__main__":
# 无人机高度保持:程序入口,创建主窗口和可视化应用实例
root = tk.Tk()
app = DroneHeightVisualizer(root)
app.run()
Loading
Loading