基于 FCN 辅助的自动驾驶实时多目标路径预测与规划
人工智能
2019-09-18 v1 机器人学
摘要
实时多目标路径规划是自动驾驶领域的一个关键问题。尽管利用多项式曲线可以实时生成多条路径，但生成的路径不够灵活，难以应对 S 形道路等复杂道路场景以及停车场等非结构化场景。基于搜索和采样的方法，如 A* 和 RRT 及其衍生方法，在为这些复杂道路环境生成路径时较为灵活。然而，现有算法规划到多个目标需要大量时间，极大限制了它们在自动驾驶中的应用。本文提出了一种面向多目标的实时路径规划方法。我们首先训练一个全卷积神经网络（FCN）来预测目标的一条路径区域。通过将预测的路径区域作为软约束，随后应用 A* 算法搜索到目标的精确路径。实验表明，FCN 能在极短时间内完成多次预测（40ms 内 50 次），且预测的路径区域有效限制了后续 A* 搜索的搜索空间。因此，A* 搜索速度大幅提升，从而实现多目标路径规划的实时性（少于 100ms 规划 3 个目标）。
引用
@article{arxiv.1909.07592,
title = {Real-time Multi-target Path Prediction and Planning for Autonomous Driving aided by FCN},
author = {Hongtu Zhou and Xinneng Yang and Enwei Zhang and Junqiao Zhao and Lewen Cai and Chen Ye and Yan Wu},
journal= {arXiv preprint arXiv:1909.07592},
year = {2019}
}