原文传递
基于环绕视觉的端到端自动驾驶方法研究
| 论文题名： | 基于环绕视觉的端到端自动驾驶方法研究 |
| 关键词： | 汽车端到端自动驾驶;环绕视觉;特征融合;模仿学习模型 |
| 摘要： | 端到端自动驾驶近年来成为了无人驾驶领域的研究热点，这种方法直接训练神经网络建立从传感器信息到车辆控制的映射关系。当前端到端自动驾驶系统的研究方法主要是采用车辆前向图像作为输入，使用神经网络直接预测车辆控制信息，取得了较好的效果，但车辆侧面视觉信息在现实环境中对自动驾驶决策也是必要的。因此本文基于环绕视觉，对端到端自动驾驶方法进行研究。 首先，针对当前模仿学习模型没有利用车辆侧面视觉信息的缺陷，提出了一种基于环绕视觉的静态条件模仿学习模型。模型先利用残差网络提取车辆前向和侧面图像的特征向量，然后将不同方向的特征进行融合，得到车辆周围环境的特征向量。对于不同的导航需求，使用相同结构的不同分支网络根据环境特征向量和车速来预测车辆控制信息。 然后，针对自动驾驶领域当前模仿学习模型在动态环境下表现较差的问题，提出了一种使用LSTM网络融合历史视觉信息的动态条件模仿学习模型。模型首先将连续多帧前向图像利用残差网络提取图像特征，再将图像特征通过LSTM网络得到融合特征向量。融合特征向量结合残差网络提取的侧面图像特征就得到了动态环境特征向量，再针对不同的导航条件，使用了相同结构的不同分支网络预测车辆速度和方向盘角度，然后使用比例积分控制方法实现车辆纵向控制。 最后，本文对提出的两种基于环绕视觉的端到端自动驾驶模型在自制数据集上进行了训练，并与一些经典的自动驾驶方法进行了比较，验证了模型的有效性。 |
| 作者： | 张兴波 |
| 专业： | 模式识别与智能系统 |
| 导师： | 石朝侠 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2020 |
检索历史
应用推荐
