摘要：隨著科技的迅速發展，人民對智能化的需求越來越高。在無人駕駛技術、人工智能、電控理論、傳感器和識別技術的快速發展的今天，如果只是依靠駕駛員對道路交通做出恰當的反應，難免會出現意外情況，從而導致交通事故的發生若將這種技術應用于駕駛上，協助甚至解放駕駛員控制車輛，從而減少交通事故的發生的可能性。

本次設計針對道路行駛，智能控制小車的運行，利用樹莓派作為小車的控制器，搭建神經網絡的圖像處理模型和處理技術，采用Keras+Tensorflow的深度學習框架，通常車載攝像頭獲取當前位置、道路狀況等信息情況，同時借助超聲波傳感器HC-SR04測量小車前方障礙物距離，實時避免碰撞，實現小車的自我轉向、停止和前進，從而實現安全可靠的循跡行駛。另外還擁有友好的Android用戶界面，應用無線網卡模塊將樹莓派接入路由器局域網，利用http協議異步傳輸實現客戶端與服務端的信息交互、視頻傳輸，從而實現小車的遠程控制和視頻監測。

本系統所選用的解決思想、方案比較有創新性，適應性強，有一定的參考價值。

關鍵字：樹莓派；深度學習；遠程控制；視頻傳輸

目錄

摘要

Abstract

1 緒論-1

1.1課題開發背景-1

1.2 課題開發的意義-2

1.3 課題開發的目標及難點-2

1.3.1課題開發目標-2

1.3.2 課題開發難點-3

2 系統軟硬件模塊介紹-3

2.1 硬件模塊-3

2.1.1 樹莓派介紹-3

2.1.2 樹莓派相機（picamera）介紹-5

2.1.3 電機驅動板（L298N）介紹-6

2.1.4 超聲波傳感器（HC-SR04）介紹-7

2.2 Android操作系統介紹-8

2.2.1 Android系統概述-9

2.2.2 傳輸協議（TCP和UDP）-9

3 系統設計-10

3.1 智能車總體設計-10

3.2 智能小車控制設計-11

3.2.1 智能車驅動控制設計-11

3.3 智能車避障設計-14

3.4 樹莓派服務器-15

3.4.1 Redis服務-15

3.4.2 實現原理-15

3.5 Android客戶端設計-15

3.5.1 Android無線控制-16

4 圖像采集-18

4.1 攝像頭（picamera）的測試使用-18

4.2 多線程圖像采集-20

4.2.1 圖像攝取-20

4.2.2 多線程處理-21

4.3 圖像獲取過程-22

4.4 圖像分析-23

5 卷積神經網絡模型訓練-24

5.1 人工神經網絡-25

5.2 圖片轉換成npz格式-27

5.3 搭建卷積神經網絡-28

5.3.1 數據集處理-28

5.3.2 搭建卷積神經網絡模型-29

5.3.3 模型的訓練及編譯-31

5.3.4 模型預測-32

6 系統調試與實現-33

6.1 圖像采集調試-33

6.2 卷積神經網絡參數調試-34

6.2.1 神經網絡模型訓練分析-35

6.3 測試結果-36

7 總結-38

參考文獻-39

致謝-41