【自动驾驶模拟器AirSim快速入门 | 01】自动驾驶模拟器AirSim实战演练_机器未来_airsim

大大的周 02-07 4385

这是机器未来的第15篇文章

原文首发地址：https://blog.csdn.net/RobotFutures/article/details/125285472

@toc

1. 项目简介

博主基于微软AirSim模拟器的端到端自动驾驶入门项目发布了汉化版，并且优化了环境安装过程中的版本兼容问题。

项目地址：https://github.com/ihuajiu/AutonomousDrivingCookbook

项目面向自动驾驶初学者、研究人员和行业专家。项目以jupter notebook作为载体，使用流行的开源工具(如Keras、TensorFlow等)构建，项目提供数据集、源代码、AirSim模拟器，以便于实现自动驾驶快速仿真。

博主的测试效果如下：

AirSim模拟器自动驾驶测试视频

2. 安装教程 2.1 安装基础开发环境

参考博主这篇文章：【物体检测快速入门系列 | 02】Windows部署GPU深度学习开发环境

2.2 创建conda虚拟环境

为了减少其它库的冲突问题，强烈建立新建一个虚拟环境

# python版本务必选择3.6，否则运行过程中的冲突会让你怀疑人生 conda create -n airsim python=3.6 # 切换aisim虚拟环境 conda activate airsim 2.3 克隆博主的AutonomousDrivingCookbook项目源码到本地 git clone https://github.com/ihuajiu/AutonomousDrivingCookbook.git

如果克隆失败或网速过慢，则可以直接下载压缩包到本地解压

下载后的源代码结构如下：

├─AirSimE2EDeepLearning # 端到端的深度学习自动驾驶项目 ├─AirSimE2EDeepLearningCN # 端到端的深度学习自动驾驶项目博主汉化版 │ ├─DataExplorationAndPreparation_files # 数据预处理的输出监控文件 │ ├─model # 训练输出的模型目录 │ │ ├─imgs │ │ └─models │ └─TrainModel_files └─DistributedRL # 强化学习项目，概要性质 ├─Blob ├─Share │ ├─data │ ├─scripts_downpour │ │ ├─app │ │ └─downpour │ └─tools │ └─Far └─Template 2.4 安装项目依赖库使用InstallPackages.py安装依赖脚本 # 首先切换到汉化版目录 cd AirSimE2EDeepLearningCN # 推荐使用命令运行脚本，IDE工具有时候选择的虚拟环境不对 python InstallPackages.py

注意事项：因为项目过于久远，安装现在的依赖包会和代码冲突，因此需要指定版本安装解决这个问题, InstallPackages.py已经修改为对应的版本。

tensorflow==1.5.0 安装tensorflow1.x版本，预防keras版本冲突问题需要安装特定版本1.5.0，否则报错:tensorflow_backend.py:64: The name tf.get_default_graph is deprecated. Please use tf.compat.v1.get_d keras==2.1.2 必须使用2.1.2版本，否则会报错:ValueError: brightness_range should be tuple or list of two floats. Received: 0.0, https://github.com/microsoft/AutonomousDrivingCookbook/issues/89 tornado==4.5 解决ZMQILoop和float变量*运算的问题 h5py==2.10.0 解决警告问题如果vscode启动内核失败，则执行如下命令 conda install -n airsim ipykernel --update-deps --force-reinstall

至次环境搭建完毕。

2.5 下载模拟器

我们已经为本食谱中的教程创建了AirSim模拟环境的独立构建。您可以https://airsimtutorialdataset.blob.core.windows.net/e2edl/AD_Cookbook_AirSim.7z。考虑使用AzCopy，因为文件大小很大。

2.6 下载数据集

模型的数据集相当大。你可以https://aka.ms/AirSimTutorialDataset。第一个笔记本将提供关于如何访问数据的指导，一旦你下载了它。最后的未压缩数据集大小约为3.25GB(虽然与训练实际的自动驾驶汽车所需的千兆字节数据相比，这还不够，但对于本教程来说应该足够了)。

3. 运行项目 3.1 配置原始数据集目录和预处理后的数据集目录

打开DataExplorationAndPreparation.ipynb文件修改你的电脑上的实际目录

# << 配置下载的数据集目录 >> RAW_DATA_DIR = 'data_raw/' # << 配置预处理后(*.h5)的输出目录 >> COOKED_DATA_DIR = 'data_cooked/' 3.2 配置Step1中的[配置预处理后(*.h5)的输出目录]和模型文件保存目录

打开TrainModel.ipynb修改如下目录

# << 配置前一步预处理好的数据集目录 >> COOKED_DATA_DIR = 'data_cooked/' # << 模型文件输出目录：随着梯度越来越小，模型会逐步更新 >> MODEL_OUTPUT_DIR = 'model' # 不建议修改，保持默认即可 3.3 模型预处理、训练、推理预测及模拟器自动驾驶运行测试 3.3.1 数据挖掘与准备

依次执行DataExplorationAndPreparation.ipynb，完成数据预处理

3.3.2 模型训练

依次执行TrainModel.ipynb，完成模型训练

3.3.3 启动AirSim模拟器启动Powershell 第一次启动，用管理员权限打开Powershell shell，首先配置权限，否则会提示：禁止运行脚本 set-ExecutionPolicy RemoteSigned

以后启动powershell就不用管理员权限了。

启动AirSim模拟器在Powershell中定位到模拟器安装位置AD_Cookbook_AirSim，执行如下命令启动 .\AD_Cookbook_Start_AirSim.ps1 landscape

landscape是数据集对应的场景，还有City、Hawii、Neighborhood三种场景。

3.3.4 启动模型推理及自动驾驶仿真执行TestModel.ipynb启动自动驾驶模拟

注意事项：TestModel.ipynb有可能在连上AisSim模拟器的时候卡死，应该是vscode jupyter工具的问题，将代码摘出来，直接运行python文件即可运行Python版TestModel。

# AutonomousDrivingCookbook-github\AirSimE2EDeepLearningCN python TestModel.py

启动后，就可以看到博主在文首视频中的画面了。以上就是开箱即用手册的全部内容，后续将逐步发布细节详解，敬请期待~