论文题名: | 基于多传感器与导航地图的端到端自动驾驶方法研究 |
关键词: | 端到端自动驾驶;深度学习;摄像头;激光雷达;导航地图 |
摘要: | 自动驾驶技术作为未来汽车产业转型升级的关键技术,必将成为我国迈向交通强国的重要引擎。近年来,随着深度学习研究的快速发展,基于深度学习的自动驾驶技术已成为当下研究的热点。当前,端到端自动驾驶决策算法研究主要采用摄像头作为模型输入来预测方向盘转角,并取得了不错的结果,但模型输入的单一限制了端到端自动驾驶的进一步发展。因此,本文提出了一个基于多传感器和导航地图的端到端自动驾驶决策模型,该模型能够完成车道保持、局部避障以及交叉路口导航等多个任务。本文主要的研究内容如下: (1)论文搭建了基于Prescan与LogitechG29的自动驾驶开源仿真平台,用于采集多个数据集和测试模型表现,以降低模型开发的时间成本。为了解决常规自动驾驶数据集训练后的端到端决策模型缺乏偏离车道后的纠偏能力,本文提出一种利用车辆不同初始化位置并结合路径跟踪模型的方法来创建改善纠偏能力的增强数据集,以完善总数据集。Model-B模型的部分验证结果表明,增强数据集的添加能够在车辆存在偏离车道倾向时起到维持车道保持稳定的作用。 (2)为了更好地提取摄像头输入的图像特征,本文引入了长短期记忆网络(LongShortTermMemory,LSTM),并提出了基于VGG架构和LSTM的端到端决策算法模型,即Model-A。该模型能够在提取图像空间特征的同时,利用LSTM实现对图像序列的时间特征提取,与NVIDIA’sPilotNet相比,可有效改善对转向角的预测结果。 (3)针对当前有关局部避障的端到端研究较少问题,论文提出利用摄像头与激光雷达俯视图组合的方法构建端到端算法模型,以激光雷达俯视图来解决单目摄像头存在的视野不足问题,即Model-B。验证结果表明,Model-B能够在具有车道保持能力的基础上,顺利完成局部避障的任务,证实了激光雷达俯视图能够起到弥补摄像头视野不足的作用,辅助其实现主动避障功能。 (4)对于端到端决策模型无法通过交叉路口的问题,本文提出了在Model-B的基础上引入局部导航地图网络分支的构想,并构建了融合多传感器和导航地图的端到端决策模型,即Model-C。对比结果表明,以摄像头、激光雷达俯视图以及局部导航地图为输入的Model-C能够根据导航信息在Y字型交叉路口选择正确的道路,并且在车道保持和局部避障方面同样具有较好的表现。 |
作者: | 张纪伟 |
专业: | 车辆工程 |
导师: | 朱波;王泽兴 |
授予学位: | 硕士 |
授予学位单位: | 合肥工业大学 |
学位年度: | 2022 |