Sim2Real 图像转换对 CARLA 仿真器中车道保持辅助系统的影响
机器人学
2022-11-24 v1
摘要
自动驾驶车辆仿真具有无需浪费时间与资源即可在多种环境变量和场景中测试算法的优势，但其与现实世界存在视觉差距。本文中，我们训练 DCLGAN 以真实化转换 CARLA 仿真器的图像，并围绕 LKAS（车道保持辅助系统）算法评估 Sim2Real 转换的效果。为避免车道被 DCLGAN 扭曲转换的情况，我们利用 FSIM（特征相似性）找到了最优训练超参数。训练后，我们构建了将 DCLGAN 模型与 CARLA 及 AV 实时连接的系统。随后，我们收集数据（如图像、GPS）并使用以下四种方法进行分析。第一，以 FID 衡量图像真实感，我们定量验证了 FID 反映车道特征。经 DCLGAN 处理的 CARLA 图像比原始图像具有更小的 FID 值。第二，通过 ENet-SAD 的车道分割精度因 DCLGAN 而提升。第三，在弯曲路径中，使用 DCLGAN 的案例更靠近车道中心行驶且成功率更高。最后，在直行路径中，DCLGAN 在偏离车道中心后恢复了如同现实般强的车道回归能力。
引用
@article{arxiv.2211.12873,
title = {Effects of Sim2Real Image Translation on Lane Keeping Assist System in CARLA Simulator},
author = {Jinu Pahk and Jungseok Shim and MinHyeok Baek and Yongseob Lim and Gyeungho Choi},
journal= {arXiv preprint arXiv:2211.12873},
year = {2022}
}