DeepIPC:真实环境中自动驾驶车辆的深度感知与控制集成
机器人学
2024-04-05 v7 人工智能
计算机视觉与模式识别
摘要
本文介绍 DeepIPC,一种专为自动驾驶定制的端到端新型模型,其无缝集成感知与控制任务。不同于传统分离处理这些任务的模型,DeepIPC 创新性地结合了一个感知模块(处理 RGBD 图像以进行语义分割并生成鸟瞰图(BEV)映射)与一个控制模块(利用这些洞察及 GNSS 与角速度测量来精确预测导航路径点)。该集成使 DeepIPC 能高效将复杂环境数据转化为可执行的驾驶指令。我们的综合评估表明,DeepIPC 在多种真实场景中的可驾驶性与多任务效率方面表现优越,以更精简的模型架构为端到端自动驾驶系统树立了新基准。实验结果凸显了 DeepIPC 显著提升自动驾驶车辆导航的潜力,为自动驾驶技术发展推进了一步。为深入了解与复现,我们将代码与数据集发布于 https://github.com/oskarnatan/DeepIPC。
引用
@article{arxiv.2207.09934,
title = {DeepIPC: Deeply Integrated Perception and Control for an Autonomous Vehicle in Real Environments},
author = {Oskar Natan and Jun Miura},
journal= {arXiv preprint arXiv:2207.09934},
year = {2024}
}
备注
Accepted for Publication in IEEE Access