基于深度神经网络的端到端自主驾驶研究

发布时间：2023-10-07 19:59

　　实现高级别的自动驾驶是本世纪最有价值的研究之一,而自主驾驶的本质是寻找传感器数据与驾驶指令之间的映射关系。现有自主驾驶系统通常采用分层递阶式或反应式体系结构,这些体系结构有利于自主驾驶的实现,但是也存在结构复杂、时延高等问题,而端到端体系结构则旨在跳过中间环节,直接构建这一映射关系,因此对端到端自动驾驶框架的研究有利于简化系统,提升系统的可靠性和反应速度,对最终实现高级别的自动驾驶具有重要意义。深度卷积神经网络作为近年来被广泛使用在计算机视觉领域的机器学习工具,能够从大量样本中自主地学习知识,因此可以利用卷积神经网络从人类驾驶员的大量驾驶数据中自动地、有监督地学习传感器数据和方向盘角度之间的映射关系,本文对此展开了探索性质的研究。主要工作具体如下:(1)设计了基于图像和卷积神经网络的端到端自动驾驶框架。目前,虽然已经有学者对基于神经网络和图像的端到端驾驶进行了研究,但是他们使用的神经网络中,要么太过简单,要么需要较高的显存资源,因此本文对此进行了优化,采用了“卷积-池化-全连接”的设计思想,构建了一种层数更多但是显存占用相对较小的卷积神经网络,并在真实环境中采集的数据集上进行了实验。实...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 国内外自主驾驶研究现状
        1.2.2 自主驾驶系统结构
    1.3 本文研究内容
    1.4 论文组织结构
2 相关技术综述
    2.1 自主驾驶系统体系结构
    2.2 神经网络相关理论
        2.2.1 卷积神经网络与深度神经网络的发展
        2.2.2 深度神经网络与自主驾驶技术的结合
    2.3 端到端自主驾驶系统
    2.4 评价指标
    2.5 本章小结
3 基于图像的端到端自动驾驶框架
    3.1 卷积神经网络
        3.1.1 卷积神经网络的组成
        3.1.2 卷积神经网络的训练
    3.2 实验设计
        3.2.1 数据集介绍
        3.2.2 网络设计与训练设置
        3.2.3 基于对抗生成网络的对抗攻击
    3.3 实验结果与分析
        3.3.1 对比实验结果
        3.3.2 网络深度对于网络网络性能的影响
        3.3.3 使用残差网络对网络性能的影响
        3.3.4 对抗样本生成网络
    3.4 本章小结
4 基于激光雷达点云的端到端自动驾驶框架
    4.1 激光雷达传感器概述
    4.2 基于PointNet和跳跃连接层的网络框架
    4.3 实验与结果分析
        4.3.1 对比实验结果
        4.3.2 不同特征维度对模型结果的影响
        4.3.3 随机排序点云对模型结果的影响
        4.3.4 使用跳跃连接层对模型效果的影响
    4.4 本章小结
5 基于点云、图像数据融合的端到端驾驶框架
    5.1 相机标定技术与图像、点云数据融合
        5.1.1 相机模型与畸变
        5.1.2 相机标定与点云投影
    5.2 基于点云和图像融合的端到端自主驾驶网络框架
    5.3 实验结果与分析
        5.3.1 对比实验结果
        5.3.2 首个卷积操作的卷积核尺寸对于模型结果的影响
    5.4 本章小结
6 总结与展望
    6.1 论文总结
    6.2 工作展望
致谢
参考文献
附录



本文编号：3852405