原文传递
融合时空特征的端到端自动驾驶车辆转向角预测
| 题名： | 融合时空特征的端到端自动驾驶车辆转向角预测 |
| 作者： | 吕宜生;刘雅慧;陈圆圆;朱凤华 |
| 作者单位： | 中国科学院自动化研究所复杂系统管理与控制国家重点实验室;中国科学院大学人工智能学院 |
| 关键词： | 交通工程;无人驾驶;时空模型;转向角预测;双流卷积网络;门控循环单元 |
| 摘要： | 端到端自动驾驶系统可完成从感知输入到车辆控制输出的直接映射，已成为当前无人驾驶研究的一个重要方向。显然，在动态环境中自主驾驶车辆需要具有处理时空信息的能力，以实现精确平滑的车辆运动控制。为此，提出一种新的时空信息融合模型，在双流卷积网络(Two-stream CNN)的基础上引入门控循环单元(GRU)网络来实现端到端自动驾驶车辆转向角预测。该模型利用RGB图像、基于运动的光流图像和门控循环单元网络来融合连续多帧驾驶场景的空间特征与时间特征。首先通过双流卷积网络的2组卷积网络分支提取特征，一组分支从RGB图像中提取空间特征，另一组分支从光流中学习时间特征；然后利用门控循环单元网络对具有短时依赖关系的特征进行建模；最后，融合时间与空间特征，得到转向角预测结果。提出的结合门控循环单元的双流卷积模型(Two-stream C-GRU)获取的时间动态不仅依赖于表示前后2帧图像位移的光流，也与连续多帧图像相关。在真实驾驶场景数据集上进行模型的测试工作，试验结果表明：提出的时空模型在驾驶转向角预测的准确度和平稳性方面效果显著，优于其他主流时空模型；其中，对比基本的双流卷积网络，该模型在测试集1上的转向角预测精度和稳定度分别提高了20%和6%，在测试集2上分别提高了5%和10%。 |
| 期刊名称： | 中国公路学报 |
| 出版日期： | 202203 |
| 出版年： | 2022 |
| 期： | 03 |
| 页码： | 263-272 |
检索历史
应用推荐
