[发明专利]一种基于CNN-LSTM的自动驾驶控制方法

摘要

本发明公开了一种基于CNN‑LSTM的自动驾驶控制方法，包括以下步骤：S1：通过实车驾驶或行车录像或模拟驾驶系统与驾驶台架结合的方式，以相同的采样频率，采集图像数据和驾驶员的驾驶信息；S2：基于c++，python语言，结合openCV库，利用Tensorflow框架自动将图像数据提取到感兴区域，并规范为统一尺寸，驾驶图像数据整理为N×4的二维张量,并作为训练标签Label；解决了以往方法由于路况复杂多变，依靠传统穷举式的自动驾驶算法，无法涵盖所有路况的问题。

主权项

1.一种基于CNN‑LSTM的自动驾驶控制方法，其特征在于，包括以下步骤：S1：通过实车驾驶或行车录像或模拟驾驶系统与驾驶台架结合的方式，以相同的采样频率，采集图像数据和驾驶员的驾驶信息；S2：基于c++，python语言，结合openCV库，利用Tensorflow框架自动将图像数据提取到感兴区域，并规范为统一尺寸，驾驶图像数据整理为N×4的二维张量,并作为训练标签LabelLabel＝[[ac₀ br₀ st₀ ge₀]         …         …       [ac_n br_n st_n ge_n]]其中，ac代表油门开度,br代表制动踏板开度,st代表方向盘转角,ge代表挡位,n代表样本序号；S3：搭建CNN‑LSTM神经网络，利用google Tensorflow框架,根据参数搭建模型，其中，CNN部分由5个卷积层，4个池化层，2个全连接层组成；LSTM部分由10‑300个LSTM单元组成；S4：将驾驶图像数据作为输入，司机驾驶信息数据作为Label，进行CNN‑LSTM神经网络模型训练，采用均方误差函数MSE作为损失函数，设置指数衰减学习率Lr，利用梯度下降优化器，直至均方误差函数收敛；S5：将训练好的模型嵌入到实车或模拟驾驶系统中，根据摄像头采集到的图像，输出驾驶命令，完成控制。