原文传递
基于深度学习的端到端的自动驾驶技术的研究与应用
| 论文题名： | 基于深度学习的端到端的自动驾驶技术的研究与应用 |
| 关键词： | 自动驾驶;深度学习;生成对抗模仿学习;端到端;决策模型 |
| 摘要： | 深度学习的发展提高了计算机处理图像的能力，拓展了计算机视觉的应用。同时，基于视觉任务的端到端的自动驾驶技术也在不断地发展。但是，目前深度学习在端到端的自动驾驶领域应用较浅，基于深度学习技术构建的决策模型不能很好的完成自动驾驶任务。因此，研究基于深度学习的决策模型具有重要的理论意义与应用价值。 本文基于深度学习技术，设计了一个可以根据道路图像预测出驾驶动作的模型，并在模拟器上进行了实验仿真测试。最后，基于该模型，设计和实现了一个端到端的决策模型应用系统。本文工作主要体现如下： 1．提出了一个基于深度学习技术的决策模型。该模型基于卷积神经网络和全连接网络，通过对抗训练的方式学习、预测驾驶行为。结合行为克隆和生成对抗模仿学习的损失项，改进了网络训练的损失函数；通过添加奖励函数以增强奖励信号，改进了网络结构；利用近端策略优化算法更新决策模型。该模型网络简单，驾驶能力强，可以同时预测转向角、油门和刹车三个驾驶行为。 2．在模拟器上仿真实现了端到端的自动驾驶任务。首先编写代码获取车辆的动力学信息；然后利用决策模型控制模拟器的汽车，仿真完成自动驾驶任务。仿真实验结果表明，本文提出的决策模型在赛车道路上能够完成直行、转弯、变道和超车任务。 3．设计实现了端到端的决策模型应用系统。该系统包含用户管理、驾驶行为预测、模型管理、数据管理等四大模块。其中，驾驶行为预测模块完成依据道路图像预测转向角、油门和刹车的功能；用户管理模块实现了用户的身份认证、权限许可等功能；模型管理模块为用户提供了模型查看和下载服务；数据管理模块为用户提供了数据下载和校准功能。 |
| 作者： | 李小梅 |
| 专业： | 软件工程 |
| 导师： | 张学 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
