基于树莓派4B的YOLOv5-Lite目标检测的移植与部署的资源包，搭配本人树莓派4B的镜像版本使用效果更佳！（积分不够的朋友点波关注，无偿提供）

自动驾驶源码的介绍： 1、数据采集：使用树莓派4B连接摄像头，并采集用于训练的图像数据。通过将摄像头安装在小车上，可以实时地采集道路图像以及与行驶相关的信息，如车道线、交通标志等。 2、数据预处理：对采集到的图像数据进行预处理，包括图像去噪、尺寸调整和颜色空间转换等。这些预处理步骤旨在提高深度学习算法的准确性和效率。 3、深度学习模型训练：使用深度学习框架（如TensorFlow或PyTorch）构建自动驾驶模型。这个模型可以使用卷积神经网络（CNN）来处理图像数据，并对图像中的车道线进行检测和跟踪。 4、模型优化和调试：通过反复训练和调整深度学习模型，进一步优化自动驾驶算法的准确性和鲁棒性。这可以包括调整模型的超参数、增加训练数据量和进行模型压缩等。 5、实时控制：将训练好的模型加载到树莓派4B上，实现实时控制小车的输出。通过将模型与小车的电机控制器或舵机控制器连接，可以根据模型的预测结果进行自动驾驶控制。

基于树莓派4B与STM32的智能门禁项目，项目包含：树莓派4B的人脸识别，树莓派4B与STM32通信，控制协调的处理。保姆级教程的适配代码，积分不够的朋友可以点波关注！作者无偿提供！

树莓派4B 详细官方规格书，原版英文，可以翻译为英文，BCM2711 datasheet, 规格书，需要学习AI,linux, android 的朋友都可以参考

grpcio-1.39.0rc1-cp37-cp37m-linux_armv7l.whl h5py-2.10.0-cp37-cp37m-linux_armv7l.whl numpy-1.18.2-cp37-cp37m-linux_armv7l.whl scipy-1.4.1-cp37-cp37m-linux_armv7l.whl tensorflow-2.3.0-cp37-none-linux_armv7l.whl

基于树莓派4B的OpenCV安装的速通版本的资源包，含树莓派4B的镜像和whl包，搭配作者教程可以速通安装成功！还包括：一些树莓派4B学习的常用工具！！！（积分不够的朋友点波关注，无偿提供）

树莓派4B 视觉智能小车循迹 PID控制完整代码

基于树莓派4B与STM32的UART串口通信实验代码，含基于YOLOv5-Lite目标检测的UART通信代码，搭配本人树莓派4B的镜像版本使用效果更佳！（积分不够的朋友点波关注，无偿提供）

树莓派4BUEFI启动文件，用于安装win10等支持UEFI启动的系统 1. 格式SD卡为FAT32格式 2. 将压缩包内的文件复制到SD卡根目录

基于深度学习+树莓派4b实现控制小车自动驾驶项目python源码+项目详解说明.zip 【部分操作说明】 1.配置树莓派（单独配置SSH文件）使其能够实现基本的操作，如putty连接，vncviewer可视化操作，winscp传输文件等，可在软件中配置 2.准备对应得设备，如杜邦线，螺丝刀，基本的车壳， 3.配置树莓派在小车上，并利用杜邦线连接相对应的电机，这里使用的L298N电机，GPIO口对应得分别是7,11（后轮电机），13,15（前轮电机），并且将电源连接到L298N电机上，注意这里的一定要单独給电机供电，靠树莓派的电压会不够，还有就是这里的接地线，连接到GPIO口9，并与电源的负极短接。可以利用test1back.py，test2front.py进行测试。 4.配置使能端口，这里利用的是GPIO口12,16，可以根据自己的实际需要进行调整，注意拔掉L298N电机上的跳线帽连接。ps：增加使能是因为测试中发现一旦转向, 车轮不能回正因电机保持通电状态需要让电机断电从而释放动力。 等等....... 需自己拥有树莓派4b开发设备及小车配件