停止标志检测

这个部分利用了Google Coral加速器和Coral项目的预训练目标检测模型来进行停止标志检测。如果Donkey Car看到了一个停止标志，它将覆盖pilot/throttle为0。此外，一个边界框将被注释到cam/image_array中。

要求

要使用这个部分，您必须拥有：

将以下代码放入myconfig.py中：

STOP_SIGN_DETECTOR = True
STOP_SIGN_MIN_SCORE = 0.2
STOP_SIGN_SHOW_BOUNDING_BOX = True

按照Coral Edge TPU的入门指南中的说明安装必要的软件。对于Raspberry Pi，请按照Linux的说明进行操作。

停止标志检测器使用预编译模型，因此我们只需要推理运行时即可使其工作。但是，如果您要创建自己的模型，那么您需要在Raspberry Pi上安装Edge TPU编译器（或者如果您在Linux笔记本上进行训练，则需要在那里安装）。请注意，编译器仅在Linux上运行。

由于预训练模型是在coco数据集上训练的，所以模型能够检测到80种对象。您可以简单地在stop_sign_detector.py中更改STOP_SIGN_CLASS_ID来尝试其他对象。

由于SSD不擅长检测小物体，从远处检测到停止标志的准确性可能不好。有一些方法可以提高准确性，但这超出了本部分的范围。

在Github上有一个问题，可以使其在没有Coral Edge TPU的情况下工作。如果您成功了，请提交一个拉取请求。