基于深度双模型方案的自动驾驶转向与制动控制

自动驾驶技术目前在研究和工业领域都引起了极大的兴趣。本文提出了一种深度学习双模型方案，该方案使用两个深度神经网络来实现自动驾驶车辆的制动与转向组合控制。转向控制通过应用 NVIDIA 的 PilotNet 模型预测方向盘转角来实现，而制动控制则依赖于 MobileNet SSD。两个模型均依赖单个前置摄像头获取图像输入。MobileNet SSD 模型适用于资源受限的设备，而 PilotNet 在资源有限的小型设备上难以高效运行。为了使其适用于此类设备，我们采用原创网络设计修改了 PilotNet 模型，将模型参数量和内存占用减少了约 60%。推理延迟也得以降低，使模型更适合在资源受限的设备上运行。修改后的 PilotNet 模型在损失和精度方面与原始 PilotNet 模型相当。在仿真环境中评估时，分别使用修改后的 PilotNet 模型和原始 PilotNet 模型进行转向的两个自动驾驶系统，表现出相似的自动驾驶性能水平。