利用基于 CNN 与 LSTM 的深度网络控制协同自动驾驶车辆的转向角
计算机视觉与模式识别
2025-12-11 v3 机器学习
摘要
自动驾驶车辆的一个基本挑战是在不同道路条件下调整转向角。应对该挑战的最新最优方案包含深度学习技术，因为它们提供了端到端解决方案，可直接从原始输入图像以更高精度预测转向角。此类工作大多忽略了图像帧之间的时间依赖关系。在本文中，我们通过考虑图像帧之间的时间依赖关系，利用两辆自动驾驶车辆间共享的多组图像来提高控制转向角的精度，从而解决该问题。此问题在文献中尚未被广泛研究。我们提出并研究了一种新的深度架构，通过在深度架构中使用长短期记忆（LSTM）来自动预测转向角。我们的深度架构是一个端到端网络，利用 CNN、LSTM 和全连接（FC）层，并以当前及未来图像（由前方车辆通过车对车（V2V）通信共享）作为输入来控制转向角。与文献中其他现有方法相比，我们的模型表现出最低误差。
引用
@article{arxiv.1904.04375,
title = {Controlling Steering Angle for Cooperative Self-driving Vehicles utilizing CNN and LSTM-based Deep Networks},
author = {Rodolfo Valiente and Mahdi Zaman and Sedat Ozer and Yaser P. Fallah},
journal= {arXiv preprint arXiv:1904.04375},
year = {2025}
}
备注
Accepted in IV 2019, 6 pages, 9 figures