基于红外与雷达的夜间无人车驾驶决策方法

摘要：

速度与方向的决策建议是夜间无人车驾驶研究的关键,针对夜间无人车速度与方向决策,基于红外图像与雷达信息,提出了一种包含深度信息的红外图像多任务分类网络用来给出速度与方向决策.通过红外摄像头及雷达采集的数据训练深度网络,其中雷达采集的深度图像作为训练标签,采用卷积-反卷积神经网络来进行红外图像的深度估计,进而获得深度信息.利用深度信息制作分类网络训练标签,通过AlexNet分类网络得到速度决策建议.再根据红外图像的道路信息训练方向分类网络,将无人车的驾驶决策问题转化为分类模型,并将分类模型与深度估计网络相结合.实验结果表明,网络的角度准确率及速度准确率分别为87.43％和85.89％,并且利用训练得到的模型对图像进行决策的时间为0.04s/帧,能够达到实时性的要求.

关键词：红外图像、深度估计、驾驶决策、深度学习

所属期刊栏目：48

分类号：TN219(光电子技术、激光技术)

资助基金：上海市科委基础研究项目15JC1400600;国家青年自然科学基金项目61603089;上海市青年科技英才扬帆计划16YF1400100

在线出版日期：2019-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1509-1514