基于Hough线的张量流模型的建立

Question

所以我有一个项目，创造一个自主的钢筋混凝土汽车。为了进行虚拟训练，我建立了一个模拟器来收集图像数据，以及转向角。然后我使用OpenCV程序，使用Hough线检测，来检测道路上的3条线。我想创建一个模型，当图像被输入时，输出将是一个转向角。使用TensorFlow，我用这些图像训练了一个CNN，结果非常糟糕。在

我应该用什么型号的？在

我应该如何训练这种形象？在

和

我还可以使用每条测线的实际数据来训练数据，对于检测到的一条测线，如下所示：

[[[0.0, 63.0, 54.0, 31.0, -0.5925925925925926]]]

检测到的2条线路：

[[[0.0, 61.0, 34.0, 32.0, -0.8529411764705882], [41.0, 42.0, 43.0, 77.0, 17.5]]]

唯一的问题是我不知道如何处理可变大小的输入。帮忙吗？在

Answer 1

现在已经很晚了，但我希望这个答案仍然有用。在

CNN是一个具有二维输入的NN，也具有等长矩阵（例如图像）的feed；然而，它们的大部分学习能力来自于CNN能够从相关数据中学习的事实，因此它可以更好地处理未经处理的图像（实际上卷积层执行自适应特征提取）。在

我认为，如果你需要使用CNN，你应该专注于标记你的训练图像，包括右转、左转和完全不转向，以便对转向侧进行分类，并让转向控制转向某些基于模糊逻辑的控制器。在

如果你想用神经网络来控制，我会用一个递归的，因为你需要比较图片曲线随时间的变化