NVIDIA Jetson Nano 2GB 系列文章(49):智能避撞之现场演示

避撞功能是 Jetbot 一开始最令人瞩目的功能，因为这是所有小车都必须具备的最基本“自我保护”的能力，而 Jetbot 没有任何距离传感，只凭着一个 CSI 摄像头就能完成这项任务，对很多人来说是一件蛮神奇的事情，Jetbot 是如何识别与周边物体的距离，来决定是继续前进还是得转向？

这里请大家先沉淀一下来思考，人脑是如何学习判断前方的路是可以继续前进？或是有障碍物、坑洞必须转向？请先忘记您的成年人身份，试着模拟刚学会爬行的小婴儿，如何逐步学习并建立这方面的“认知系统”呢？小婴儿对前方的信息来源，有以下三个特点：

1. 只有视觉（眼睛）的输入
2. 没有距离的概念
3. 缺乏物件的分类

在没有其他干预的状况下，小婴儿必定得经过不断地碰撞与摔倒之后，自身防御系统会逐步学习并修正决策机制，这是动物界最原始的学习机制。小婴儿在这个过程所接收的信息，就是没有距离、没有物件类别的最基本“图像”而已。

到目前为止，Jetbot 的运作逻辑是最接近人类行进思维的一套智能无人车，因为我们并不需要去判断与障碍物（或坑洞）之间的确实距离是多近，也不需要分辨前面障碍物是什么东西，就能下达“前进”或“转向”的决策。

当我们安装好 Jetbot 智能车与系统软件之后，接下去就是为每个特定功能添加“深度学习”的智能识别技术进去。例如这个避障的应用就只使用到最基础的“图像识别”能力，将 CSI 镜头的每帧画面识别出“无阻碍(free)”与“有阻碍(blocked)”两种状态，然后发出对应指令去驱动电机执行运动。

任何要添加深度学习的智能识别功能，都必须执行以下三个步骤：

1. 数据收集与整理
2. 模型训练
3. 执行识别

这个避障功能的实验代码在 Jetbot 的 notebooks/collision_avoidance 下，里面有 8 个 .ipynb 文件，包括 1 个 data_collecton.ipynb、3 个 train_modelxxx.ipynb 与 4 个 live_demoxxx.ipynb，分别对应上面所说的三个步骤。不过这些实验代码不需要全都用上，这里以 data_collecton.ipynb、train_model.ipynb 与 live_demo.ipynb 这三个最基本的代码来做说明。

碍于篇幅问题，本文先带着大家运行 live_demo.ipynb 代码，去体验一下 Jetbot 的避障功能，毕竟前面花了这么多时间与精力所组装的系统，先跑起来能获得一些成就感之后，在下一篇文章里再说明比较枯燥的“数据收集与整理”、“模型训练”两大步骤，这样才算完成整个流程。

为了让大家能够先行体验，这里提供原创团队预训练的 best_model.pth 模型的链接，模型的训练方式会在下一篇文章里面说明，这里只管下载到 collision_avoidance 目录下使用就行。文件链接如下：https://drive.google.com/file/d/1UsRax8bR3R-e-0-80KfH2zAt-IyRPtnW/view

由于我们未得到原创团队的授权，不能擅自下载这个存放在 Google 网盘上的文件，再分享给读者下载，请大家能够理解，这需要读者请自行设法下载！

接下来开启 notebooks/collision_avoidance/live_demo.ipynb 工作脚本，逐步执行就能让 Jetbot 小车执行避障的功能。这里面主要分为以下三大部分：

1. 加载训练的模型：

这里关于深度学习的部分，全部使用 PyTorch 这个轻量级的框架，对于不熟悉的读者来说，一开始的两行代码可能就已经会产生不小的困扰，现在就简单地逐行说明：

model = torchvision.models.alexnet(pretrained=False)

• torchvision 是 PyTorch 里面专门用在视觉应用的深度学习库。
• 由于 PyTorch 内建支持很多常用的神经网络结构，这里要使用深度卷积网络始祖的 AlexNet，是因为前面提供下载连接的 best_model.pth 就是以 AlexNet 进行训练的图像识别模型，因此这里对应地用 torchvision.models.alexnet 函数来创建 model 对象。
• 由于现在是要执行推理任务而不是做训练，因此 pretrained=FALSE

model.classifier[6] = torch.nn.Linear(model.classifier[6].in_features, 2)

• 这行代码是至关重要的，首先在这行代码上方加入“print(model.classifier)”，执行后会看到以下的数据结构：

Sequential(

(0): Dropout(p=0.5, inplace=False)

(1): Linear(in_features=9216, out_features=4096, bias=True)

(2): ReLU(inplace=True)

(3): Dropout(p=0.5, inplace=False)

(4): Linear(in_features=4096, out_features=4096, bias=True)

(5): ReLU(inplace=True)

(6): Linear(in_features=4096, out_features=1000, bias=True)

)

这是 torchvision 里为 AlexNet 神经网络所预先定义的图像分类功能的结构，其中 classifier[6].out_features 是模型最终的输出数量，也就是分类数量。

• 因为 AlexNet 这个“深度神经网络”的鼻祖，是在 2012 年 ILSVRC 竞赛中以 1000 分类的 ImageNet 数据集作为测试标，一举拔得头筹而开创“深度学习”新时代，这个 1000 分类的 AlexNet 图像分类模型便成为这个领域的经典之作，因此在标准的 AlexNet 模型中就保留“1000”这个数字作为基准。
• 在这个避障应用中只使用“free”与“blockerd”两个分类，因此需将 classifier[6] 的输出类别数量调整为 2。请在代码下方加入“print(model.classifier[6])”指令，打印出修改后的内容，会看到“out_features”的值已经变成 2。

注意：每种神经网络的处理方式是不同的，必须根据PyTorch的定义进行调整。

接下去三行代码就是将模型文件加载进来，然后存到 CUDA 设备去，相对直观：

model.load_state_dict(torch.load('best_model.pth'))

device = torch.device('cuda')

model = model.to(device)

2. 图像格式转换与正规化处理：

这几乎是所有视觉类深度学习应用中不可或缺的步骤，比较繁琐的部分是不同神经网络存在细节上的差异，不过总的来说都脱离不了以下部分：

(1) 颜色空间转换：所有神经网络都有自己定义的颜色空间格式，这里的 AlexNet 接受 RGB 数据，而 CSI 摄像头的格式为 BGR，这样就必须进行格式转换。这部分的处理几乎都使用 OpenCV、numpy、PIL 这些强大的图像处理库就可以，下面这行代码就是执行这个功能。

x = cv2.cvtColor(x, cv2.COLOR_BGR2RGB)

(2) 张量顺序转换：将 HWC 顺序转换成 CHW 顺序，下面指令就是执行顺序调整：

x = x.transpose((2, 0, 1))

(3) 正规化(normalization)处理：透过减去数据对应维度的统计平均值，消除公共部分以凸显个体之间的差异和特征的一种平稳的分布计算。下面使用到的 [0.485, 0.456, 0.406]、[0.229, 0.224, 0.225] 两组数据，是业界经过公认的经验数据。

mean = 255.0 * np.array([0.485, 0.456, 0.406])
stdev = 255.0 * np.array([0.229, 0.224, 0.225])

以上就是针对读入图像与模型之间对应的一些转换与计算的过程。

3. 创建控制元件并与摄像头进行关联：

这里使用的 traitlets、IPython.display、ipwidgets.wiegets 与 jetbot 的 Camera 库，在前面的文章里都说明过，比较重要的代码如下：

(1) blocked_slider：用于显示所获取图像是“blocked”类的几率

blocked_slider = widgets.FloatSlider(description='blocked', min=0.0, max=1.0, orientation='vertical')

(2)speed_slider：用于调整 Jetbot 小车行进速度比

speed_slider = widgets.FloatSlider(description='speed', min=0.0, max=0.5, value=0.0, step=0.01, orientation='horizontal')

(3)camera_link：将摄像头获取图像与 image 变量进行关联，并执行格式转换，才能在下方“display”指令之后，将摄像头图像动态地在 Jupyter 里显示。

camera_link = traitlets.dlink((camera, 'value'), (image, 'value'), transform=bgr8_to_jpeg)

执行这个阶段代码之后，下面应该会出现如下图左方的显示框，试着在镜头前晃动手，看看画面内容是否产生变化？显示框右边与下方分别出现“blocked”与“speed”两个滑块，就是前面代码所建立的小工具。

由于后面会使用到这个 “speed” 滑块对 Jetbot 进行速度调整，并且我们也希望能实时观察到摄像头的画面，因此建议用鼠标在画面上点击右键，点选上图右方 “Create New View for Output” 去创建另一个独立输出框，然后进行位置调整如下图，这样就方便后续的操作。

4. 将控制元件与网络模型、机电控制进行结合：

这是整个应用中最核心的整合与计算过程，虽然代码量不多，但信息量却非常大，现在将这部分切割成几个小块来进行说明。

(1) 获取图像进行识别：

def update(change):

x = change['new']

x = preprocess(x)

y = model(x)

。。。

update({'new': camera.value})

• 这里首先定义 “update(change)”，在最下方用”update()”进行调用。
• 在“update({'new': camera.value})” 里使用{key:value}对的方式，将 camera.value 图像内容透过 change['new'] 传给 x 变量；
• 将 x 变量传入进行前面定义的 preprocess() 格式转换与正规化处理；
• y 是 model(x) 推理计算所得出来“blocked”与“free”两个类的个别置信度，例如为[-0.9425, 0.4077]；

(2) 将置信度转换成[0,1]范围的值：

y = F.softmax(y, dim=1)

prob_blocked = float(y.flatten()[0])

blocked_slider.value = prob_blocked

• 这里调用 torch.nn.functional.softmax 函数，将所有类置信度的总和调整为1，如此一来前面的[-0.9425, 0.4077]就转换成[0.2058, 0.7942]；
• 作为行进的决策判断，我们只要在两个类别中挑选任何一个都可以，这里的代码以“blocked”类几率值作为判断的依据，因此取 float(y.flatten()[0]) 的值，如果改用“free”的几率，就取 float(y.flatten()[1]) 的值。
• 然后将这个值同时也传给 blocked_slider.value，现在看看前面输出的 blocked 滑块的值是否跟着产生变化！

(3)用 prob_blocked 值控制 Jetbot 行进：

if prob_blocked < 0.5:

robot.forward(speed_slider.value)

else:

robot.left(speed_slider.value)

• 这里设定以 0.5 的几率值为上限，当 prob_blocked < 0.5 时就前进，否则就原地左转，当然您也可以改成往右转。
• Jetbot 的行进速度由“speed_slider.value”变量所控制，这个数值得透过前面输出画面的 “speed” 滑块去调整速度，最高值可以到 0.5，这是前面创建滑块时就定义的。

执行到这里的时候，正常状况应该如下：

• 摄像头传回的画面是实时更新；
• “blocked”滑块固定在某个值；
• 现在调整“speed”滑块的值并不会让电机开始转动。

现在可以将 Jetbot 小车放到您安排的执行场地上，在执行下一个步骤之前，建议透过“speed”滑块将速度控制在 0.25 以下，避免启动后造成 Jetbot 小车爆冲。

5. 启动摄像头的动态关联：

这里其实就只有下面这一道指令：

camera.observe(update, names='value')

这是由 jetbot 所提供的函数，将 camera.value 与前面定义的 update(change) 进行动态连接上，现在 Jetbot 小车就应该开始行动了，摄像头里的画面也在不停更新，右方“blocked”滑块的值也在不断跳动（更新），现在试着调整“speed”滑块，是不是就能改变行进的速度了！

好了，现在就可以看看您 Jetbot 小车的避障功能执行的如何？如果想停止工作的话，就继续往下执行暂停的指令就可以。

最后需要说明的，假如您的避障功能执行的不是太好，例如无法顺利识别一些障碍物或坑洞的话，通常是因为您的测试场所或者使用的摄像头规格（广角），与原厂提供的模型数据有比较大的差异，甚至场地明暗度也会有影响，如果测试效果不如预期的话，就得自己重头收集数据并重新训练模型，这才是解决问题的根本之道。