基于端到端学习的视觉车道线保持方法研究

摘要：

针对传统自主驾驶汽车复杂的车道检测、路径规划和运动控制技术问题,基于卷积神经网络设计了一种视觉车道保持系统,该方法可直接从视觉传感器中获取数据以控制车辆转向.基于消失线方法对图像进行区域剪切获取感兴趣区域,解决了训练过程需标记大量的数据集而时间成本高的问题.采用上、下采样结合及色彩空间转换方法进行数据增强,避免了数据不平衡和过拟合现象.最后,结合实际情况修正了转角损失与油门损失权重比.将预处理后的数据馈送到神经网络进行训练,通过仿真实验验证了方法的可行性,实现了基于端到端学习的DIY小车在所设置轨道上的自主驾驶.

关键词：车道保持、端对端学习、卷积神经网络、数据增强

所属期刊栏目：45

分类号：TP391.7(计算技术、计算机技术)

资助基金：贵州大学'SRT计划'项目资助项目编号:2018139

在线出版日期：2020-12-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：34-36