面向恶劣道路与天气条件下自主转向的多模态端到端学习
计算机视觉与模式识别
2021-06-30 v2
摘要
在恶劣道路和天气条件下自动驾驶具有挑战性，其中可能没有车道线、道路可能被雪覆盖且能见度可能很差。我们将先前关于自主转向端到端学习的工作扩展到利用多模态数据在这些恶劣真实条件下运行。我们收集了多种道路和天气条件下的28小时驾驶数据，并训练卷积神经网络根据前置彩色相机图像以及激光雷达距离和反射率数据预测汽车方向盘转角。我们基于不同模态比较了CNN模型性能，结果表明激光雷达模态提升了不同多模态传感器融合模型的性能。我们还使用不同模型进行了道路测试，结果支持这一观察。
引用
@article{arxiv.2010.14924,
title = {Multimodal End-to-End Learning for Autonomous Steering in Adverse Road and Weather Conditions},
author = {Jyri Maanpää and Josef Taher and Petri Manninen and Leo Pakola and Iaroslav Melekhov and Juha Hyyppä},
journal= {arXiv preprint arXiv:2010.14924},
year = {2021}
}
备注
8 pages, 8 figures, included in the conference proceedings of the 2020 25th International Conference on Pattern Recognition (ICPR), 2021