针对临时道路的端到端自动驾驶模型研究

摘要

近年来，基于深度学习的自动驾驶模型逐渐成为无人驾驶领域的研究热点，常规的自动驾驶模型多采用多级模块串联的方式构建，分别完成感知、规划、循迹等功能，存在耦合性高抗风险能力差的问题。文中提出一种针对临时道路的无人驾驶车辆自动驾驶端到端模型，该模型采用三路视觉传感器图像为输入，以GCViT作为主干网络进行图像特征提取，通过Transformer网络和GRU网络输出局部规划路径，采用PID算法输出转角信息，实现无人驾驶车辆自动循迹。实验结果表明，端到端模型的单帧轨迹规划耗时约80 ms,平均轨迹偏差为0.689 m,满足实时性要求的同时，可完成无人驾驶车辆在临时道路环境下的循迹任务。

关键词

端到端 / 深度神经网络 / 自动驾驶 / Transformer网络