面向自动驾驶直接感知的深度学习与控制算法
机器学习
2019-11-13 v2 机器人学
摘要
基于自动驾驶的直接感知范式,我们研究并改进了CNNs(卷积神经网络)AlexNet和GoogLeNet,其将输入图像映射为少量感知指示量(航向角、与前车距离、到道路中心线距离),用于估计高速公路交通中的驾驶可供性。我们还利用这些指示量与TORCS(开放赛车模拟器)的近程传感器信息设计了一个控制器,以驾驶模拟车辆避免碰撞。我们从TORCS相机在各种驾驶场景中采集了一组图像,使用该数据集训练这些CNNs,在未见交通中测试它们,发现它们在训练效率和驾驶稳定性方面优于早期的算法与控制器。源代码与数据可在我们的网站上获取。
引用
@article{arxiv.1910.12031,
title = {Deep Learning and Control Algorithms of Direct Perception for Autonomous Driving},
author = {Der-Hau Lee and Kuan-Lin Chen and Kuan-Han Liou and Chang-Lun Liu and Jinn-Liang Liu},
journal= {arXiv preprint arXiv:1910.12031},
year = {2019}
}
备注
6 pages, 4 figures