# car

**Repository Path**: wu_yangyang_admin/car

## Basic Information

- **Project Name**: car
- **Description**: 大三夏季学期做的一个实践项目。一个基于 Python 的自动驾驶小车控制系统，旨在实现智能车辆的自主导航和控制。该项目结合了计算机视觉、深度学习和嵌入式系统技术，能够进行车道跟随、交通标志检测和实时控制。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-05-02
- **Last Updated**: 2026-05-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Car-Master: 自动驾驶小车控制系统

## 项目简介

Car-Master 是一个基于 Python 的自动驾驶小车控制系统，旨在实现智能车辆的自主导航和控制。该项目结合了计算机视觉、深度学习和嵌入式系统技术，能够进行车道跟随、交通标志检测和实时控制。

## 主要功能

- **手动控制**: 通过键盘输入实现对小车的直接控制
- **车道跟随**: 
  - 基于 PID 控制的车道跟随 (LF_PID)
  - 基于传统计算机视觉的车道跟随 (LF)
- **交通标志检测**: 使用 YOLOv5 模型检测交通标志（左转、右转、停止、掉头）
- **实时图像处理**: 通过相机广播和多进程架构实现高效的图像处理和控制

## 技术栈

- **编程语言**: Python
- **计算机视觉**: OpenCV
- **深度学习**: PyTorch, YOLOv5, LFNet
- **硬件通信**: 串口通信 (ESP32)
- **并发处理**: 多进程架构
- **其他**: NumPy, multiprocessing

## 项目结构

```
car-master/
├── main_1.py              # 主程序入口 (使用 LF_PID 场景)
├── main_2.py              # 主程序入口 (使用 LF 场景)
├── src/
│   ├── actions/           # 动作控制模块
│   │   ├── base_action.py     # 动作基类
│   │   ├── complex_actions.py # 复杂动作
│   │   └── __init__.py
│   ├── models/            # 深度学习模型
│   │   ├── yolov5.py          # YOLOv5 交通标志检测
│   │   ├── lfnet.py           # LFNet 车道检测
│   │   ├── bsae_model.py      # 基础模型类
│   │   └── __init__.py
│   ├── scenes/            # 场景管理
│   │   ├── base_scene.py      # 场景基类
│   │   ├── lane_following.py  # 车道跟随场景
│   │   ├── lane_following_pid.py # PID 车道跟随
│   │   ├── manual.py           # 手动控制场景
│   │   ├── helper.py           # 辅助场景
│   │   └── __init__.py
│   └── utils/             # 工具模块
│       ├── controller.py       # 控制器 (ESP32 通信)
│       ├── cv_utils.py         # 计算机视觉工具
│       ├── camera_broadcaster.py # 相机广播
│       ├── logger.py           # 日志工具
│       ├── constant.py         # 常量定义
│       └── ...
├── weights/              # 模型权重文件
│   ├── lfnet.om
│   └── yolo.om
├── capture/              # 捕获数据目录
├── logs/                 # 日志目录
└── *.whl                 # 依赖包
```

## 安装和运行

### 环境要求

- Python 3.x
- ESP32 开发板
- 相机模块
- 电机和舵机硬件

### 安装依赖

```bash
pip install -r requirements.txt
```

### 运行程序

1. 确保硬件连接正确
2. 运行主程序：

```bash
python main_1.py  # 使用 PID 车道跟随
# 或
python main_2.py  # 使用传统车道跟随
```

3. 使用键盘控制：
   - ESC: 退出程序
   - 其他按键: 发送控制指令

## 架构说明

项目采用多进程架构：

- **主进程**: 处理用户输入和进程管理
- **相机进程**: 负责图像捕获和广播
- **场景进程**: 执行具体的控制逻辑（车道跟随、手动控制等）
- **控制器**: 通过串口与 ESP32 通信，控制电机和舵机

## 模型说明

- **YOLOv5**: 用于检测交通标志，支持 4 类标志：左转、右转、停止、掉头
- **LFNet**: 用于车道线检测和跟随

## 开发和贡献

欢迎对项目进行改进和扩展。请遵循以下步骤：

1. Fork 项目
2. 创建功能分支
3. 提交更改
4. 发起 Pull Request