这是一个树莓派小车的项目，目标实现小车的自动行驶。 使用了：
- python tornado框架
- python socker编程
- deep learning darknet框架
.
├── car
│ ├── cam_motion.py
│ ├── Car.py
│ ├── config.ini
│ └── socket_server.py
├── darknet
│ ├── a.py
│ ├── darknet
│ ├── data
│ │ └── labels
│ │ ├── 100.png
...
│ │ ├── 99.png
│ │ └── make_labels.py
│ ├── predictions.png
│ ├── run.sh
│ ├── test.jpg
│ ├── tiny-yolo.cfg
│ └── tiny-yolo.weights
├── Design.fzz
├── devlog.md
├── pc_control
│ ├── config.ini
│ └── control_client.py
├── README.md
└── web_server
├── config.ini
├── data
│ └── labels
│ ├── 100.png
...
│ ├── 99.png
│ └── make_labels.py
├── entry.py
├── predictions.png
├── static
├── templates
│ └── cam.html
└── test.jpgcar/目录是小车上运行的项目，config.ini文件需要自己参考config_example.ini新建。
darknet目录是深度学习框架所需文件，注意在web_server项目里还有个data文件夹，因为在通过web_server调用darknet时，运行目录是web_server，而darknet里面运行时需要一些参数和配置文件等，可以在darknet命令行参数里指定的可以直接写固定路径，但是有些是darknet里面固定的相对路径，队友没有修改，所以需要将部分内容copy过去。在github项目里，我去掉了，可以从data.zip里解压出来。
Design.fzz是设计图纸，用Fritzing打开
devlog.md是开发日志。
pc_control是手动控制的测试项目。
web_server则是运行在PC的server，templates文件夹是tornado框架所用的，里面的cam.html只是内嵌了moiton的页面。test.jpg是接收到的图片文件，prediction.jpg是darknet运行时产生的图片文件，用红框标出了识别出的物体。config.ini文件同理，仿照example新建即可。
在小车上运行时，如果是csi摄像头，一定要记得先modporbe加载到/dev/video0上去。
整体来说，代码还是过于简陋了，最后实现的避障效果也很差。不过赶作业来说，足够了。后续还希望能继续优化。
欢迎勘误。
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent