摘要：随着科技的迅速发展，人民对智能化的需求越来越高。在无人驾驶技术、人工智能、电控理论、传感器和识别技术的快速发展的今天，如果只是依靠驾驶员对道路交通做出恰当的反应，难免会出现意外情况，从而导致交通事故的发生若将这种技术应用于驾驶上，协助甚至解放驾驶员控制车辆，从而减少交通事故的发生的可能性。

本次设计针对道路行驶，智能控制小车的运行，利用树莓派作为小车的控制器，搭建神经网络的图像处理模型和处理技术，采用Keras+Tensorflow的深度学习框架，通常车载摄像头获取当前位置、道路状况等信息情况，同时借助超声波传感器HC-SR04测量小车前方障碍物距离，实时避免碰撞，实现小车的自我转向、停止和前进，从而实现安全可靠的循迹行驶。另外还拥有友好的Android用户界面，应用无线网卡模块将树莓派接入路由器局域网，利用http协议异步传输实现客户端与服务端的信息交互、视频传输，从而实现小车的远程控制和视频监测。

本系统所选用的解决思想、方案比较有创新性，适应性强，有一定的参考价值。

关键字：树莓派；深度学习；远程控制；视频传输

目录

摘要

Abstract

1 绪论-1

1.1课题开发背景-1

1.2 课题开发的意义-2

1.3 课题开发的目标及难点-2

1.3.1课题开发目标-2

1.3.2 课题开发难点-3

2 系统软硬件模块介绍-3

2.1 硬件模块-3

2.1.1 树莓派介绍-3

2.1.2 树莓派相机（picamera）介绍-5

2.1.3 电机驱动板（L298N）介绍-6

2.1.4 超声波传感器（HC-SR04）介绍-7

2.2 Android操作系统介绍-8

2.2.1 Android系统概述-9

2.2.2 传输协议（TCP和UDP）-9

3 系统设计-10

3.1 智能车总体设计-10

3.2 智能小车控制设计-11

3.2.1 智能车驱动控制设计-11

3.3 智能车避障设计-14

3.4 树莓派服务器-15

3.4.1 Redis服务-15

3.4.2 实现原理-15

3.5 Android客户端设计-15

3.5.1 Android无线控制-16

4 图像采集-18

4.1 摄像头（picamera）的测试使用-18

4.2 多线程图像采集-20

4.2.1 图像摄取-20

4.2.2 多线程处理-21

4.3 图像获取过程-22

4.4 图像分析-23

5 卷积神经网络模型训练-24

5.1 人工神经网络-25

5.2 图片转换成npz格式-27

5.3 搭建卷积神经网络-28

5.3.1 数据集处理-28

5.3.2 搭建卷积神经网络模型-29

5.3.3 模型的训练及编译-31

5.3.4 模型预测-32

6 系统调试与实现-33

6.1 图像采集调试-33

6.2 卷积神经网络参数调试-34

6.2.1 神经网络模型训练分析-35

6.3 测试结果-36

7 总结-38

参考文献-39

致谢-41