无专家转向标签的鲁棒自动驾驶车辆追踪

本文提出一种用于自动驾驶车辆追踪中本车横向与纵向运动控制的学习方法。被控车辆无预定义路线，而是反应式地适应以跟随目标车辆同时保持安全距离。训练模型时，我们不依赖专家驾驶员记录的转向标签，而是有效利用经典控制器作为离线标签生成工具。此外，我们考虑预测控制值的误差，其可能导致跟踪丢失与被控车辆的灾难性碰撞。为此，我们提出一种有效的数据增广方法，使训练出的网络能处理目标车辆的不同视角。追踪过程中，首先使用卷积神经网络定位目标车辆：网络以单张 RGB 图像及两车速度为输入，估计目标车辆相对于本车的位姿。该信息随后送入多层感知机，回归本车的控制指令（即油门与转向角）。我们在 CARLA 仿真器上于多种地形广泛验证该方法，其展现实时性能及对包括未见轨迹和高路线完成率在内不同场景的鲁棒性。包含代码与多媒体的项目页可公开访问：https://changyaozhou.github.io/Autonomous-Vehicle-Pursuit/。