基于点云的无监督自车横向控制
计算机视觉与模式识别
2022-03-22 v1
摘要
现有基于视觉的监督式横向车辆控制方法能够直接将 RGB 图像映射到合适的转向指令。然而，由于训练数据中缺乏失效案例，它们在真实场景中存在鲁棒性不足的缺陷。本文提出了一种训练更鲁棒且可扩展的横向车辆控制框架。该框架仅需未标注的 RGB 图像序列。训练后的模型以点云为输入，预测到下一帧的横向偏移，并由此推断转向角。帧位姿则由视觉里程计获得。点云通过将稠密深度图投影到 3D 中生成。训练期间可由此点云生成任意数量的附加轨迹，以增强模型鲁棒性。在线实验表明，我们的方法性能优于监督模型。
引用
@article{arxiv.2203.10662,
title = {Lateral Ego-Vehicle Control without Supervision using Point Clouds},
author = {Florian Müller and Qadeer Khan and Daniel Cremers},
journal= {arXiv preprint arXiv:2203.10662},
year = {2022}
}