Python 如何在不使用硬件的情况下测量车辆的转向角？

我正在利用深度学习做一个端到端的自动驾驶汽车项目。经过一些研究，我发现有一些数据集可用。但是，数据集包含转向角、速度和所用时间等参数

所以现在，我尝试使用数据集来训练我的模型，并使用我在我的国家所走的道路来运行输出。然而，培训数据集道路是在美国拍摄的，我的输出道路视频来自马来西亚的一条道路。因此，转向角精度不是很精确。这是.txt文件中的当前数据集格式：filename.jpg

我能用这个做什么。我应该创建一个新的数据集，还是使用一个现有的数据集并根据输出视频进行调整

---

要创建新的数据集，我需要转向角等参数。如果没有传感器，我该怎么做？有可能吗？

在解释贵国的道路时，SA并不重要。你训练它越多，它就越有进步，这取决于你的神经网络的结构以及你如何编码它来学习。这可不是什么了不起的壮举

---

从逻辑上讲，它将通过它将认识到并学会避免的边界来修改SA。它还需要考虑不同的变量，如重量、速度、轮胎、ABS、EPS、TC等。它背后有着惊人的物理量。这是如果你想使一个充分发挥作用的安全车辆无论如何。如果你制作了一个玩具版本，那真的没什么大不了的

请发表一个具体的问题。目前你一次要问多个问题，其中有几个问题需要大量的背景信息才能正确回答。不，我只是想知道如何在没有硬件的情况下测量汽车在道路上的转向角。可能吗？这还是太宽了。如果您只有视频输入，则没有。如果您可以连接到汽车总线，则取决于汽车类型。如果两辆汽车具有不同的几何结构，则它们可以具有相同的转向率和不同的转向角。如果你的车不太旧，它有一辆公共汽车。然而，连接到总线并获取转向数据是一项非常重要的任务。您需要一个obd2传感器，可以为您提供转向角传感器读数。我正在尝试制作一个模拟器，而不是一辆功能齐全的自动驾驶汽车。这是我的第一步。是的，正如你所说，我需要很好地构建我的神经网络