典型文献
基于深度学习的无人驾驶汽车车道跟随方法
文献摘要:
为了改善车道跟随算法由于人工进行的复杂模型设计而导致的不利于实现机器的自学习与自设计,并且在一些极端行驶工况下易导致性能下降的问题,将深度学习的注意力机制与循环神经网络相结合提出一种基于深度时空注意力的车道跟随模型,在自制的真实车道跟随数据集上进行测试,所得误差为1.43%.为了验证该模型在黑夜、阴影、无车道线等困难场景下的跟随效果,结合一种时空信息与深层信息融合的车道线检测模型在仿真车道跟随数据集上进行测试,所得误差为2.27%,迁移学习对比测试结果表明,该模型能够在困难场景下有效地实现无人驾驶车辆的车道跟随.
文献关键词:
车道跟随;深度学习;注意力机制;循环神经网络;无人驾驶
中图分类号:
作者姓名:
高扬;陈士伟;刘进渊;王书棋
作者机构:
长安大学,西安 710054
文献出处:
引用格式:
[1]高扬;陈士伟;刘进渊;王书棋-.基于深度学习的无人驾驶汽车车道跟随方法)[J].汽车技术,2022(03):14-20
A类:
车道跟随
B类:
无人驾驶汽车,车车,工进,复杂模型,模型设计,自学习,自设,行驶工况,性能下降,注意力机制,循环神经网络,时空注意力,黑夜,阴影,时空信息,信息融合,车道线检测,检测模型,迁移学习,对比测试,无人驾驶车辆
AB值:
0.277666
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。