[发明专利]一种自动驾驶车辆侧面视觉信息仿真测试方法

说明书

本发明公开了一种自动驾驶车辆侧面视觉信息仿真测试方法,步骤一：基于CARLA仿真平台，获取所需的数据集，利用相机获取车辆两侧及前方视觉信息，步骤二：利用获取的数据集，基于环绕视觉的条件模仿学习模型，建立SCIL模型，对数据进行处理，设定相应的实验参数，将车辆速度与图像特征进行融合，共同组成车辆和环境的融合特征，然后融合特征会根据导航信息选择对应的控制决策网络；步骤三：实验结果分析，对比使用3目相机的环绕视觉模型SCIL和使用单目相机的CILRS模型在自制数据集上的测试结果，该发明在条件模仿学习网络的基础上，将车辆侧面视觉信息与前向视觉信息进行融合，有利于提高车辆的安全性。

技术领域

本发明涉及自动驾驶技术领域，具体为一种自动驾驶车辆侧面视觉信息仿真测试方法。

背景技术

随着我国城市化进程水平的提高，人民的生活水平也在不断提高，对车辆的需求也越来越大，截至2020年9月，全国机动车保有量达3.65亿辆。庞大的机动车数量引发了环境污染、交通拥堵、事故频发等一系列问题，世界卫生组织的调查显示，每年全世界大约有135万人的生命因道路交通事故而终止。还有2000万至5000万人受到非致命伤害，其中许多人因此而残疾。道路交通伤害给个人、家庭和整个国家带来巨大经济损失，道路交通碰撞的损失占大多数国家国内生产总值的3％。酒驾和超速等不规范的驾驶是产生交通事故的主要原因，而自动驾驶将有效解决这一全球性的问题，显著减少交通事故，改善交通拥堵，降低交通成本，在实际驾驶中，人们引入侧视镜和后视镜来扩展人类的驾驶视角，同时也成为强制规范，而作为模仿人类驾驶行为的模仿学习如果仅仅依靠前置相机进行环境感知是无法实现安全驾驶的，因此，亟待一种改进的技术来解决现有技术中所存在的这一问题。

发明内容

本发明的目的在于提供一种自动驾驶车辆侧面视觉信息仿真测试方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种自动驾驶车辆侧面视觉信息仿真测试方法,步骤一：基于CARLA仿真平台获取所需的数据集，利用相机获取车辆两侧及前方视觉信息，将三个RGB相机分别放在车的前方，左侧和右侧，前方的相机和车纵向平行，左侧和右侧的相机和车的横向平行，数据集还包括车速、油门大小、刹车大小、方向盘角度等信息；步骤二：利用获取的数据集，基于环绕视觉的条件模仿学习模型，建立SCIL模型，对数据进行处理，设定相应的实验参数，将车辆速度与图像特征进行融合，共同组成车辆和环境的融合特征，然后融合特征会根据导航信息选择对应的控制决策网络；步骤三：实验结果分析，对比使用3目相机的环绕视觉模型SCIL和使用单目相机的CILRS模型在自制数据集上的测试结果，可得出SCIL模型的预测值更接近真实值。

优选的，所述步骤二中，SCIL模型主要包括图像特征提取网络、速度预测网络、分支决策网络。

优选的，所述图像特征提取网络为ResNet，所述步骤二中，前向图像特征的卷积网络为50层ResNet,所述左右图像特征共用一个18层ResNet。

优选的，所述步骤二中，数据采集的频率是10HZ，所述方向盘角度根据噪声信号来模拟车辆偏离车道后进行修正，所述噪声信号来源于模型CIL。

优选的，所述步骤一中，数据集收集了Town01中采集的12个小时的驾驶数据，且采集的天气和光照情况的四种条件为Clear Noon，Wet Noon，Hard Rain Noon和ClearSunset，数据采集时最高车速为10m/s，油门和刹车的取值范围都在0到1之间，方向盘角度的取值范围在-1到1之间。

优选的，所述实验参数的设置中网络训练框架为Pytorch0.4.1，网络优化算法为Adam。

与现有技术相比，本发明的有益效果是：该发明在条件模仿学习网络的基础上，提出融合了车辆侧面视觉信息与前向视觉信息的条件模仿学习模型，通过在CARLA仿真平台上收集数据集进行了模型训练和测试，与其他模型进行对比实验，可得出车辆侧面视觉信息对安全行车的重要性。

附图说明