基于端到端学习的视觉车道线保持方法研究

• 作者: 代苑 冯岚涛 廖志恒 张育绮 李小松
• 来源期刊: 汽车实用技术
• 学科: 工学
• 关键词: 车道保持 端对端学习 卷积神经网络 数据增强
• 年，卷（期）: 2020,（22）
• 所属期刊栏目: 智能网联汽车
• 页码范围: 34-36
• 页数: 3页
• 分类号: TP391.7
• 语种: 中文
• DOI: 10.16638/j.cnki.1671-7988.2020.22.012

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖志恒		9	30	2.0	5.0
2	张育绮		1	0	0.0	0.0
3	冯岚涛		1	0	0.0	0.0
4	代苑		1	0	0.0	0.0
5	李小松		1	0	0.0	0.0