基于Hough线创建Tensorflow模型

Question

因此，我有一个创建自动遥控车的项目。为了进行虚拟训练，我设置了一个模拟器来收集图像数据以及转向角。然后，我使用使用Hough线检测的OpenCV程序来检测道路上的3条线。我想创建一个模型，当输入图像时，输出将为转向角。使用TensorFlow，我用这些图像训练了CNN，结果非常糟糕。

我应该使用哪种模型？

我应该如何训练这类图像？

和

我还可以使用每一行的实际数据来训练数据，看起来像是检测到的一行：

  

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

检测到这2行：

  

[[[[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。帮助吗？

Answer 1

现在已经很晚了，但是我希望这个答案仍然有用。

CNN是具有二维输入的NN，因此具有恒定长度矩阵（例如图像）的Feed也是如此；但是，它们的大多数学习能力来自CNN能够从相关数据中学习的事实，因此它可以与未处理的图像更好地工作（实际上，卷积层会执行自适应特征提取）。

我认为，如果您需要使用CNN，则应着重于将训练图像标记为向右转，向左转和完全不转弯的集合，以对转向侧进行分类，并将转向控制交给一些基于模糊逻辑的控制器来进行。例子。

如果您希望使用NN进行控制，我将使用递归决策，因为您需要比较图片曲线随时间的变化