Играем в GTA V c Python. Часть XVII: завладеваем автомобилем

Предыдущая статья — Играем в GTA V c Python. Часть XVI: ищем подходящий автомобиль.

Всем привет и добро пожаловать в новую часть нашей серии статей про беспилотный автомобиль в игре GTA V. В этой статье мы собираемся вам рассказать, как можно при помощи Tensorflow Object Detection API завладеть автомобилем для нашего героя, если свой автомобиль него отсутствует. В предыдущей статье мы разобрались, к какому транспортному средству мы хотим подойти, но нам нужен код для реального приближения к автомобилю, который должен быть реализован в функции под названием define_movement.

Для того чтобы подойти к автомобилю? нам нужен контроль над клавиатурой и мышью. Для этого нам потребуется еще один файл из нашего GitHubkeys.py. Этот код, помимо некоторых других вещей, даст нам возможность контролировать мышь и клавиатуру. В некоторых других окружениях можно было бы обойтись чем-то вроде PyAutoGUI, но в нашем (GTA V), как уже ранее говорилось, необходим прямой ввод. Перед тем как продолжить, возьмите файл keys.py и поместите его в вашу рабочую директорию.

Вернемся к нашему основному скрипту для обнаружения транспортных средств и добавим в него пару новых строк:

import keys as k
import time

Теперь мы готовы построить нашу функцию determine_movement. Эта функция предназначена для «направления» на конкретный автомобиль. Ранее в нашем коде мы уже определили относительное местоположение ближайшего транспортного средства в нашем поле зрения, но нам нужно вычислить, куда код должен двигать мышь, чтобы мы всегда смотрели на машину. Наша функция начинается с такого:

def determine_movement(mid_x, mid_y,width=1280, height=705):
  
  x_move = 0.5-mid_x
  y_move = 0.5-mid_y

Значения mid_x и mid_y относительны. Это не значения пикселей напрямую, вместо этого они выражены в процентах. Именно в таком виде нейронная сеть выдает нам данные.

Итак, в этом случае мы можем вычислить, все еще в процентной форме, какие движения нам потребуются. Для этого нам нужно будет вычитать средние точки объекта из средней точки нашего экрана (0,5, 0,5). Если x_move больше 0, нам нужно двигаться влево, если меньше — вправо. Соответственно, если y_move больше 0, мы движемся вверх, меньше 0 — вниз.

Зная это, нам нужно определить, насколько точно мы должны передвигаться в заданном направлении. Опять же, значения, определяющие движение (или изменения координат), это по-прежнему x_move или y_move, а они выражены в процентах. Нам нужно преобразовать это в числа пикселей, поэтому мы также передаем в нашу функцию значения ширины и высоты. По умолчанию установлены те же значения, что и для захвата экрана. Выводится окно разрешением 1280x720 пикселей. Если исключить строку заголовка, реальное разрешение игры составит что-то около 1280x705 пикселей. Разумеется, в зависимости от настроек и операционной системы, размер заголовка может отличаться. Поэтому, визуализируя игровое окно, убедитесь, что заголовок отсутствует.

Итак, чтобы получить значение изменения координат в пикселях, нам просто нужно умножить x_move или y_move на ширину или высоту соответственно.

Для перемещения мыши мы используем:

keys.keys_worker.SendInput(keys.keys_worker.Mouse(0x0001, X_COORD, Y_COORD)). 

Итак, чтобы наш герой посмотрел на машину, мы можем сделать следующее:

hm_x = x_move/0.5
hm_y = y_move/0.5
keys.keys_worker.SendInput(keys.keys_worker.Mouse(0x0001, -1*int(hm_x*width), -1*int(hm_y*height)))

Вот и все, теперь наша функция имеет следующий вид:

def determine_movement(mid_x, mid_y,width=1280, height=705):
  x_move = 0.5-mid_x
  y_move = 0.5-mid_y
  hm_x = x_move/0.5
  hm_y = y_move/0.5
  keys.keys_worker.SendInput(keys.keys_worker.Mouse(0x0001, -1*int(hm_x*width), -1*int(hm_y*height)))

Отлично, это нам подойдет. Теперь давайте добавим остальной необходимый код. Во-первых, после двух операторов if, прямо перед циклом while True, добавим:

stolen = False

Это должно выглядеть вот так:

with detection_graph.as_default():
  with tf.Session(graph=detection_graph, config=tf.ConfigProto(gpu_options=gpu_options)) as sess:
    stolen = False
    while True:

Далее, нам надо проверить, украли мы уже автомобиль или нет. Сделаем это следующим образом:

if len(vehicle_dict) > 0:
        closest = sorted(vehicle_dict.keys())[0]
        vehicle_choice = vehicle_dict[closest]
        print('CHOICE:',vehicle_choice)
        if not stolen:
          determine_movement(mid_x = vehicle_choice[0], mid_y = vehicle_choice[1], width=1280, height=705)

Обратите внимание, что часть данного кода выше взята из предыдущей статьи. Теперь давайте добавим код для угона автомобиля, если он находится достаточно близко к нам:

if closest < 0.1:
     keys.directKey("w", keys.key_release)
     keys.directKey("f")
     time.sleep(0.05)          
     keys.directKey("f", keys.key_release)
     stolen = True
else:
     keys.directKey("w")

Это, вероятно, должно сработать.

Полный код на данный момент имеет следующий вид:

# coding: utf-8
# # Object Detection Demo
# License: Apache License 2.0 (https://github.com/tensorflow/models/blob/master/LICENSE)
# source: https://github.com/tensorflow/models
import numpy as np
import os
import six.moves.urllib as urllib
import sys
import tarfile
import tensorflow as tf
import zipfile
from collections import defaultdict
from io import StringIO
from matplotlib import pyplot as plt
from PIL import Image
from grabscreen import grab_screen
import cv2
import keys as k
import time

keys = k.Keys({})


# This is needed since the notebook is stored in the object_detection folder.
sys.path.append("..")


# ## Object detection imports
# Here are the imports from the object detection module.

from utils import label_map_util
from utils import visualization_utils as vis_util


# # Model preparation 
# What model to download.
MODEL_NAME = 'ssd_mobilenet_v1_coco_11_06_2017'
MODEL_FILE = MODEL_NAME + '.tar.gz'
DOWNLOAD_BASE = 'http://download.tensorflow.org/models/object_detection/'

# Path to frozen detection graph. This is the actual model that is used for the object detection.
PATH_TO_CKPT = MODEL_NAME + '/frozen_inference_graph.pb'

# List of the strings that is used to add correct label for each box.
PATH_TO_LABELS = os.path.join('data', 'mscoco_label_map.pbtxt')

NUM_CLASSES = 90

# ## Download Model
opener = urllib.request.URLopener()
opener.retrieve(DOWNLOAD_BASE + MODEL_FILE, MODEL_FILE)
tar_file = tarfile.open(MODEL_FILE)
for file in tar_file.getmembers():
  file_name = os.path.basename(file.name)
  if 'frozen_inference_graph.pb' in file_name:
    tar_file.extract(file, os.getcwd())


# ## Load a (frozen) Tensorflow model into memory.
detection_graph = tf.Graph()
with detection_graph.as_default():
  od_graph_def = tf.GraphDef()
  with tf.gfile.GFile(PATH_TO_CKPT, 'rb') as fid:
    serialized_graph = fid.read()
    od_graph_def.ParseFromString(serialized_graph)
    tf.import_graph_def(od_graph_def, name='')


# ## Loading label map
# Label maps map indices to category names, so that when our convolution network predicts `5`, we know that this corresponds to `airplane`.  Here we use internal utility functions, but anything that returns a dictionary mapping integers to appropriate string labels would be fine
label_map = label_map_util.load_labelmap(PATH_TO_LABELS)
categories = label_map_util.convert_label_map_to_categories(label_map, max_num_classes=NUM_CLASSES, use_display_name=True)
category_index = label_map_util.create_category_index(categories)


# ## Helper code
def load_image_into_numpy_array(image):
  (im_width, im_height) = image.size
  return np.array(image.getdata()).reshape(
      (im_height, im_width, 3)).astype(np.uint8)


def determine_movement(mid_x, mid_y,width=1280, height=705):
  x_move = 0.5-mid_x
  y_move = 0.5-mid_y
  hm_x = x_move/0.5
  hm_y = y_move/0.5
  keys.keys_worker.SendInput(keys.keys_worker.Mouse(0x0001, -1*int(hm_x*width), -1*int(hm_y*height)))


# Size, in inches, of the output images.
IMAGE_SIZE = (12, 8)
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.70)

with detection_graph.as_default():
  with tf.Session(graph=detection_graph, config=tf.ConfigProto(gpu_options=gpu_options)) as sess:
    stolen = False
    while True:
      #screen = cv2.resize(grab_screen(region=(0,40,1280,745)), (WIDTH,HEIGHT))
      screen = cv2.resize(grab_screen(region=(0,40,1280,745)), (800,450))
      image_np = cv2.cvtColor(screen, cv2.COLOR_BGR2RGB)
      # Expand dimensions since the model expects images to have shape: [1, None, None, 3]
      image_np_expanded = np.expand_dims(image_np, axis=0)
      image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')
      # Each box represents a part of the image where a particular object was detected.
      boxes = detection_graph.get_tensor_by_name('detection_boxes:0')
      # Each score represent how level of confidence for each of the objects.
      # Score is shown on the result image, together with the class label.
      scores = detection_graph.get_tensor_by_name('detection_scores:0')
      classes = detection_graph.get_tensor_by_name('detection_classes:0')
      num_detections = detection_graph.get_tensor_by_name('num_detections:0')
      # Actual detection.
      (boxes, scores, classes, num_detections) = sess.run(
          [boxes, scores, classes, num_detections],
          feed_dict={image_tensor: image_np_expanded})
      # Visualization of the results of a detection.
      vis_util.visualize_boxes_and_labels_on_image_array(
          image_np,
          np.squeeze(boxes),
          np.squeeze(classes).astype(np.int32),
          np.squeeze(scores),
          category_index,
          use_normalized_coordinates=True,
          line_thickness=8)
      
      vehicle_dict = {}

      for i,b in enumerate(boxes[0]):
        #                 car                    bus                  truck
        if classes[0][i] == 3 or classes[0][i] == 6 or classes[0][i] == 8:
          if scores[0][i] >= 0.5:
            mid_x = (boxes[0][i][1]+boxes[0][i][3])/2
            mid_y = (boxes[0][i][0]+boxes[0][i][2])/2
            apx_distance = round(((1 - (boxes[0][i][3] - boxes[0][i][1]))**4),3)
            cv2.putText(image_np, '{}'.format(apx_distance), (int(mid_x*800),int(mid_y*450)), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255,255,255), 2)

            '''
            if apx_distance <=0.5:
              if mid_x > 0.3 and mid_x < 0.7:
                cv2.putText(image_np, 'WARNING!!!', (50,50), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0,0,255), 3)
            '''

            vehicle_dict[apx_distance] = [mid_x, mid_y, scores[0][i]]

      if len(vehicle_dict) > 0:
        closest = sorted(vehicle_dict.keys())[0]
        vehicle_choice = vehicle_dict[closest]
        print('CHOICE:',vehicle_choice)
        if not stolen:
          determine_movement(mid_x = vehicle_choice[0], mid_y = vehicle_choice[1], width=1280, height=705)
          if closest < 0.1:
            keys.directKey("w", keys.key_release)
            keys.directKey("f")
            time.sleep(0.05)          
            keys.directKey("f", keys.key_release)
            stolen = True
          else:
            keys.directKey("w")

      cv2.imshow('window',image_np)
      if cv2.waitKey(25) & 0xFF == ord('q'):
          cv2.destroyAllWindows()
          break 

Таким образом, у нас есть довольно неплохой код для угона автомобиля, но он не очень надежен. Если по какой-то причине нам не удалось украсть машину после нажатия кнопки F, мы можем какое-то время продолжать думать, что мы ее украли. Было бы лучше иметь какую-то визуальную проверку, чтобы узнать, ведем мы машину или нет. Также было бы хорошо, если бы мышь работала более гладко.

На этом пока все, спасибо за внимание.

machine learning logo

Английский для программистов

Наш телеграм канал с тестами по английскому языку для программистов. Английский это часть карьеры программиста. Поэтому полезно заняться им уже сейчас

×