自动驾驶训练-tub详解

在 Donkeycar 的环境里，“tub” 是一个很关键的术语，它代表的是存储训练数据的目录。这些数据主要来源于自动驾驶模型训练期间收集的图像和控制指令。

Tub 的构成

一个标准的 tub 目录包含以下两类文件：

JSON 记录文件：其命名格式为 record_*.json，主要用于存储车辆控制信息，像转向角度、油门数值等。

图像文件：命名为 cam_image_array_*.jpg，记录的是车辆行驶过程中摄像头所捕捉到的画面。

Tub 的作用

Tub 目录在训练自动驾驶模型时不可或缺。在训练阶段，程序会从 tub 目录中读取图像和对应的控制指令，以此来学习如何根据路况做出合适的驾驶决策。

相关命令示例

在训练模型时，你可以通过 --tub 参数来指定要使用的 tub 目录：

python manage.py train --tub path/to/your/tub --model ./models/mypilot.h5

要是你有多个 tub 目录，也能同时指定：

python manage.py train --tub tub1 tub2 tub3 --model ./models/mypilot.h5

数据收集过程

当你使用以下命令收集数据时：

python manage.py drive --js

系统会自动创建一个新的 tub 目录，并且按照时间戳为其命名，例如 tub_2_19-12-08。这个目录会被保存在默认的 data 文件夹中。

总结

Tub 本质上就是一个数据容器，它把图像数据和对应的控制指令整合在一起，为自动驾驶模型的训练提供了基础数据支持。