VTGNet：一种面向城市环境自动驾驶车辆的基于视觉的轨迹生成网络
计算机视觉与模式识别
2020-11-03 v3 机器学习
机器人学
图像与视频处理
摘要
传统自动驾驶方法由感知、规划与控制的多个构建模块实现，由于复杂假设与相互依赖，难以泛化至多样场景。近期出现了端到端驾驶方法，其通过直接从专家提供的数据学习而表现良好并泛化至新环境。然而，许多现有相关方法忽略了对驾驶动作置信度的检查以及从驾驶错误中恢复的能力。本文提出一种基于模仿学习的不确定性感知端到端轨迹生成方法。它可从前视相机图像提取时空特征以理解场景，并生成未来数秒无碰撞轨迹。实验结果表明，在不同天气与光照条件下，我们的网络能在不同城市环境（如交叉口转弯、减速避撞）中可靠生成轨迹。此外，闭环驾驶测试表明，相较最先进（SOTA）端到端控制方法，所提方法取得更好的跨场景/平台驾驶结果，其中我们的模型能从偏离中心与偏离朝向错误中恢复，并以高不确定性估计捕获 80% 的危险情形。
引用
@article{arxiv.2004.12591,
title = {VTGNet: A Vision-based Trajectory Generation Network for Autonomous Vehicles in Urban Environments},
author = {Peide Cai and Yuxiang Sun and Hengli Wang and Ming Liu},
journal= {arXiv preprint arXiv:2004.12591},
year = {2020}
}
备注
11 pages, 14 figures, and 4 tables. The paper is accepted by IEEE Transactions on Intelligent Vehicles (T-IV), 2020