FAILED
首站-论文投稿智能助手
典型文献
基于深度学习端到端的车道保持系统实验设计
文献摘要:
针对现有自动驾驶课程缺乏软硬件相结合、稳定性强且易于开发的车道保持实验,提出了一种基于深度学习端到端算法的车道保持系统.引入轻量化的无人驾驶小车硬件平台与华为云ModelArts软件平台,设计了包括数据采集处理、模型设计、云端训练、车端部署测试的完整开发流程;从教学场景出发,对深度学习端到端算法进行轻量设计,较好捕捉图像与底盘角度的映射关系,保证了高准确率与泛化性.同时,进行了模型训练及实验测试,训练了200个Epoch后成功收敛,在U型弯、直转弯、S型弯严格不压线通过率均值为93.05%(高速)与97.22%(低速).实验结果表明,该系统在实测中表现出较强的鲁棒性,且实验环境易于搭建,弥补了教学实验中学生计算资源不足的现状;通过端云协同开发帮助学生有效提升工程实践能力.
文献关键词:
车道保持;无人驾驶;深度学习;教学实验
作者姓名:
肖雄子彦;楚朋志;梁晓妮;薛万坤;任桐鑫
作者机构:
上海交通大学学生创新中心,上海200240
引用格式:
[1]肖雄子彦;楚朋志;梁晓妮;薛万坤;任桐鑫-.基于深度学习端到端的车道保持系统实验设计)[J].实验室研究与探索,2022(12):27-33
A类:
Epoch
B类:
端到端,车道保持系统,实验设计,自动驾驶,无人驾驶,小车,硬件平台,华为云,ModelArts,软件平台,数据采集处理,模型设计,云端,端部,开发流程,教学场景,底盘,映射关系,泛化性,模型训练,实验测试,直转,转弯,压线,通过率,低速,实验环境,教学实验,中学生,生计,计算资源,端云协同,协同开发,提升工程实践,工程实践能力
AB值:
0.438557
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。