【技术实现步骤摘要】
一种基于条件模仿学习的自动驾驶方法
[0001]本申请涉及深度学习
、
自动驾驶领域，具体是使用模仿学习方法在条件模仿学习框架下完成端到端自动驾驶的方法
。
技术介绍
[0002]近年来，随着人工智能的快速发展，深度学习技术在端到端无人驾驶领域的应用取得了巨大的成功
。
鉴于计算机工作的高稳定性与合逻辑性，可以预见自动驾驶技术一旦能够付诸应用，将极大减少目前因驾驶员因素造成的交通事故量，与之配套的车辆与基础设施互联技术也将通过车云交互极大减轻交通拥堵
。
为此，各个工业强国纷纷出台政策，为自动驾驶的发展提供便利
。
[0003]目前总的来说，深度学习技术在自动驾驶领域的应用非常广泛，其专利技术专利也非常丰富，包括目标检测
、
物体识别
、
图像语义分割
、
道路规划
、
路线选择
、
安全决策
、
自主驾驶控制
、
自主导航等方面的专利>。
这些专本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种基于深度学习的自动驾驶控制算法，其特征在于包括以下步骤：通过
Carla
模拟器收集模拟的自动驾驶数据集和交通灯感知数据集；根据交通灯感知数据集训练交通灯检测网络，以感知自动驾驶汽车前方是否存在红灯；根据自动驾驶数据集训练基于条件模仿学习的自动驾驶网络，使用
Carla
模拟器中交通灯的特权信息和转向命令作为高级命令，在训练过程中生成自动驾驶汽车油门和转向的控制指令；在测试过程中，使用训练好的交通灯检测网络代替交通灯的特权信息
。2.
根据权利要求1所述的自动驾驶数据集和交通灯感知数据集，其特征在于，所述通过
Carla
仿真软件中在专家模型上安装指定传感器，并在设置的规定路线收集数据，包括：在专家模型上安装一个激光雷达
、
三个
RGB
相机和一个
IMU
传感器，采集自动驾驶数据集和交通灯感知数据集；将三个
RGB
相机分别放置在汽车的前方
、
左前方
、
右前方，其中左前方和右前方的相机都分别偏移
45
度，并将生成的三个视角下的
RGB
图像进行拼接预处理，形成一张视野更广的前视角
RGB
图像，保存数据；将一个
RGB
长焦相机放置于车辆的正前方，用于生成车辆前方的
RGB
图像，保存数据；将激光雷达生产的原始点云经过
3D
‑
2D
坐标变换，预处理成图像坐标下的深度图形式，保存数据；采集自动驾驶数据集时，利用
Carla
模拟器的特权信息采集环境中与车辆相关的交通灯信息
、
路径规划中的高级转向信息以及当前时刻专家模型输出的油门和转向控制动作，保存数据；采集交通灯感知数据集时，也利用其特权信息采集环境中与车辆相关的交通灯信息，保存数据
。3.
根据权利要求2所述的自动驾驶数据集，其特征在于，在路径规划中提供高级转向信息，该信息由四个指示组成，包括向左
、
向右
、
向前以及车道跟随，可控制自动驾驶汽车的行驶方向...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。