基于深度学习的无人驾驶汽车路径规划研究.pdfVIP

丹青不知老将至，贫贱于我如浮云。——杜甫

基于深度学习的无人驾驶汽车路径规划

研究

摘要:得益于深度学习和人工智能领域的进步，自动驾驶技术在过去十年中

快速发展。本文调查研究了无人驾驶汽车领域使用的最新深度学习技术。我们首

先介绍基于AI的无人驾驶汽车决策系统和卷积神经网络。这些方法构成了路径

规划和行为仲裁算法的基础。本次调查研究提供的比较有助于深入了解深度学习

和人工智能方法在自动驾驶方面的优势和局限性，有助于路径规划算法的设计选

择。

列入沧州市科技技术局项目《基于深度学习的无人驾驶汽车路径规划研究》，

项目编号：204102018

1简介

在过去十年的过程中，深度学习和人工智能在计算机视觉、机器人技术和自

然语言处理(NLP)等技术中得到了广泛应用。它们还对无人驾驶汽车产生了重

大影响。无人驾驶汽车已开始从在实验室开发和测试转移到在公共道路上行驶和

应用。无人驾驶汽车在实际场景中的应用减少了道路事故和交通拥堵，并改善了

我们在过度拥挤的城市中的流动性。无人驾驶将驾驶的任务完全交给机器，也

叫自动驾驶。“自动驾驶”这个名称看似不言自明，但实际上有五个SAELevel

用于定义自动驾驶。SAEJ3016标准[1]引入了从0到5的等级，用于对车

辆自动化进行分级。较低的SAE级别具有基本的驾驶员辅助功能，而较高的

SAE级别则适用于不需要任何人工交互的车辆。5级类别的汽车不需要人工输

入，通常甚至没有方向盘或脚踏板。

虽然大多数驾驶场景可以通过经典的感知、路径规划和运动控制方法相对简

单地解决，但其余未解决的场景是传统方法失败的极端情况。

丹青不知老将至，贫贱于我如浮云。——杜甫

1994年，VaMP无人驾驶汽车成功行驶1,600公里，其中95%是自动驾驶。

自动驾驶的另一个重要里程碑是2004年和2005年的DARPA大挑战赛以及

2007年的DARPA城市挑战赛。比赛的目标是让无人驾驶汽车在没有人工干预的

情况下尽可能快地在越野路线上行驶。Stanley是2005年比赛的获胜者，他利

用机器学习技术在非结构化环境中导航。这是自动驾驶汽车发展的一个转折点，

承认机器学习和人工智能是自动驾驶的核心组成部分。

在本论文中，我们研究了自动驾驶中使用的人工智能和深度学习技术，并提

供了应用于自动驾驶汽车的最先进的深度学习和人工智能方法。

2基于深度学习的无人驾驶汽车决策架构

无人驾驶汽车是自主决策系统，可处理来自不同车载资源的观测流，例如摄

像头、雷达、激光雷达、超声波传感器、GPS单元和/或惯性传感器。汽车的计算

机使用这些观察结果来做出驾驶决定。驾驶决策可以通过模块化感知-规划-动作

管道或端到端学习方式来计算，其中感官信息直接映射到控制输出。模块化管道

的组件可以基于AI和深度学习方法进行设计，也可以使用经典的非学习方法进

行设计。

这些组件是：

•感知和定位；

•高级路径规划；

•行为仲裁，或低级路径规划；

•运动控制器。

给定通过道路网络规划的路线，自动驾驶汽车的首要任务是在周围环境中了

解和定位自己。基于这种表示，规划了一条连续的路径，并且汽车的未来动作由

行为仲裁系统确定。最后，运动控制系统反应性地纠正在计划运动的执行中产生

的错误。

丹青不知老将至，贫贱于我如浮云。——杜甫

在这四个高级组件，我们