基于视觉的高速驾驶与深度动态观测器
机器人学
2018-12-11 v2
摘要
在本文中，我们提出了一个框架，将基于深度学习的道路检测、粒子滤波和模型预测控制（MPC）结合起来，仅使用单目相机、IMU 和车轮速度传感器进行激进驾驶。该框架使用深度卷积神经网络与 LSTM 结合，学习车辆前方赛道的局部代价地图表示。粒子滤波使用该动态观测模型在示意地图中定位，并且 MPC 使用该基于粒子滤波的状态估计进行激进驾驶。我们展示了大量的真实世界测试结果，并证明了车辆在复杂土路上于摩擦极限下的可靠运行。使用我们的 1:5 比例测试车辆，我们在一条 105 英尺（32 米）长直道的土路上达到了超过 27 英里/小时（12 米/秒）的速度。这些结果的视频可在 https://www.youtube.com/watch?v=5ALIK-z-vUg 找到。
引用
@article{arxiv.1812.02071,
title = {Vision-Based High Speed Driving with a Deep Dynamic Observer},
author = {Paul Drews and Grady Williams and Brian Goldfain and Evangelos A. Theodorou and James M. Rehg},
journal= {arXiv preprint arXiv:1812.02071},
year = {2018}
}