ParkingE2E：基于摄像头的端到端停车网络，从图像到规划
计算机视觉与模式识别
2024-08-06 v1 人工智能
机器人学
摘要
自动停车是智能驾驶领域的关键任务。传统停车算法通常采用基于规则的方案实现，但在复杂停车场景下效果较差，由于算法设计复杂。相比之下，基于神经网络的方法更直观且更具灵活性。通过收集大量专家停车轨迹数据并通过学习方法模拟人类策略，可有效解决停车任务。本文采用模仿学习方法，从 RGB 图像进行端到端规划，模拟人类驾驶轨迹。 proposed 的端到端方法利用目标查询编码器融合图像和目标特征，采用基于变换器的解码器自回归预测未来路径点。我们在真实场景下进行了广泛实验，结果表明该方法在四个不同的真实停车场中平均停车成功率达到 87.8%。真实车辆实验进一步验证了本文提出的方法的可行性和有效性。
引用
@article{arxiv.2408.02061,
title = {ParkingE2E: Camera-based End-to-end Parking Network, from Images to Planning},
author = {Changze Li and Ziheng Ji and Zhe Chen and Tong Qin and Ming Yang},
journal= {arXiv preprint arXiv:2408.02061},
year = {2024}
}