论文部分内容阅读
基于深度学习端到端网络模型建立了拟人化车道保持算法,同时在模型训练过程中采用车道线视觉增强的方法,解决了直接由图像映射到控制信号使得自动驾驶容易受到干扰信息影响的问题,提高了模型的鲁棒性.首先基于GoogLeNet建立了高识别率的车道线检测模型,通过车道线高亮增强和增加车道线图像通道两种不同的方式对原始图像进行视觉增强.然后将增强后的图像输入到车道保持网络中.最终离线测试结果显示两种增强方式均可降低方向盘转角预测误差,RMSE值分别减少了16％和26％.实车测试表明增加车道线图像通道的方式取得较好的车道保持效果.