eacsai/eurotruckselfdriver

使用paddlepaddle框架在欧卡2实现无人驾驶

项目使用说明

简介

本项目基于paddlepaddle深度学习框架，使用PIL库录屏的方式获取欧卡2游戏的视觉数据，搭建卷积神经网络拟合方向盘的角度，输入是视觉数据，输出是方向盘角度。通过vjoy虚拟摇杆来控制游戏中的卡车，实现了在欧卡2游戏中高速上无人驾驶。

效果演示

视屏地址：传送门

项目使用

• selfDriverInBetaSimulator文件夹：在MIT仿真软件UDACITY上实现的无人驾驶代码。
• selfDriverInEuroTruck文件夹：在欧卡2游戏里实现无人驾驶的代码。

欧卡2无人驾驶快速使用教程

！！！注意：多次上传可能会把模型文件修改了，这个方法可能跑不太好。

step1

安装software文件夹下的vJoySetup.exe，双击运行即可，一直默认安装。

step2

修改欧卡2的控制器，在选项->控制器->设置键盘加vjoy。

step3

运行autoDriver.py脚本开始自动驾驶。 ！！！重要👇

脚本运行后会有opencv的窗口出现，需要调整你的游戏界面使得窗口内的图像是你的车窗视角

欧卡2无人驾驶完整训练加普通数据集准备教程

step1

安装software文件夹下的vJoySetup.exe，双击运行即可，一直默认安装。

step2

修改欧卡2的控制器，在选项->控制器->设置键盘加vjoy。

step3

运行trainPart/recordData.py脚本录制训练数据： ！！！重要👇

按键‘O’开始录制 按键‘B’退出录制并写入log 未开始录制时按键a d控制方向盘 开启录制后按键u i控制方向盘 G刹车

step4

运行trainPart/analyze_data.py文件将数据集均匀化，因为自己录制数据角度为0的较多，随机舍弃一些同时数据增强补充一些 运行trainPart/ouka2_makelist.py文件生成train_data.txt和test_data.txt。

step5

运行trainPart/Train_Model.py开始训练，训练结束会自动保存在model_infer文件夹中。

step6

修改autoDriver.py第10行：segFlag = False设置成False为处理普通图像的模式自动驾驶 运行autoDriver.py脚本开始自动驾驶。 ！！！重要👇

脚本运行后会有opencv的窗口出现，需要调整你的游戏界面使得窗口内的图像是你的车窗视角

欧卡2无人驾驶完整训练加分割处理的数据集准备教程

step1

安装software文件夹下的vJoySetup.exe，双击运行即可，一直默认安装。

step2

修改欧卡2的控制器，在选项->控制器->设置键盘加vjoy。

step3

运行trainPart/recordData.py脚本录制训练数据： ！！！重要👇

按键‘O’开始录制 按键‘B’退出录制并写入log 未开始录制时按键a d控制方向盘 开启录制后按键u i控制方向盘 G刹车

step4

下载分割的模型： 因为github提交文件大小受限制，模型文件我上传了百度网盘，下载地址：

链接：https://pan.baidu.com/s/1UI9H2DDqnHdYslkvAFHCpA 
提取码：jtfe

文件下载后解压到：

EuroTruckSelfDriver/selfDriverInEuroTruck/Road/model/
路径下替换已有的2和test文件夹。

step5

运行trainPart/analyze_data.py文件将数据集均匀化，因为自己录制数据角度为0的较多，随机舍弃一些同时数据增强补充一些 运行./segAndMakeList.py文件生成train_data.txt和test_data.txt，并且将图像转成分割处理的图像保存在dataset/IMG_Seg下。 样式：

step6

运行trainPart/Train_Model.py开始训练，训练结束会自动保存在model_infer文件夹中。

step7

修改autoDriver.py第10行：segFlag = True设置成True为处理分割的模式自动驾驶 运行autoDriver.py脚本开始自动驾驶。 ！！！重要👇

脚本运行后会有opencv的窗口出现，需要调整你的游戏界面使得窗口内的图像是你的车窗视角