利用激光回波与深度神经网络进行道路车道建图
机器人学
2018-05-01 v1 神经与进化计算
摘要
我们提出使用深度神经网络（DNN）来解决推断城市道路上车道位置及相关属性的问题，这些道路具有较差或缺失的横向标志线，以使自动驾驶汽车能在此类情况下运行。我们采用分割方法，并使用高效神经网络（ENet）DNN 将 LiDAR 回波栅格图分割为道路图。我们使用所谓的道路栅格图来表示道路图。道路栅格图是方阵，其中每个元素代表真实世界空间的一个小方形区域。每个元素的值是一个与道路图语义相关联的编码。我们的道路栅格图包含构建道路定义数据文件（RDDFs）所需的关于道路车道的所有信息，而 RDDFs 是我们自动驾驶汽车 IARA（智能自主机器人汽车）运行所必需的。我们构建了一个包含数十公里人工标记道路车道的数据集，并使用其中一部分训练 ENet 从回波栅格图中分割道路栅格图。训练后，ENet 达到了 83.7% 的平均分割精度。我们在真实世界中使用 IARA 在一段 3.7 公里的城市道路上测试了推断道路栅格图的使用，其表现与此前 IARA 使用手动生成 RDDF 的子系统相当。
引用
@article{arxiv.1804.10662,
title = {Mapping Road Lanes Using Laser Remission and Deep Neural Networks},
author = {Raphael V. Carneiro and Rafael C. Nascimento and Rânik Guidolini and Vinicius B. Cardoso and Thiago Oliveira-Santos and Claudine Badue and Alberto F. De Souza},
journal= {arXiv preprint arXiv:1804.10662},
year = {2018}
}
备注
Accepted by IEEE 2018 International Joint Conference on Neural Networks (IJCNN)