[发明专利]基于卷积神经网络和传统几何控制器的拟人化转向系统及其方法有效
| 申请号： | 201910745324.0 | 申请日： | 2019-08-13 |
| 公开（公告）号： | CN110481635B | 公开（公告）日： | 2021-12-10 |
| 发明（设计）人： | 单云霄;郑柏立;陈龙 | 申请（专利权）人： | 中山大学 |
| 主分类号： | B62D6/00 | 分类号： | B62D6/00;G06N3/04;G06N3/08 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 陈伟斌 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于卷积神经网络和传统几何控制器的拟人化转向系统及其方法。本发明使用端到端神经网络中的VGG类型网络与传统的几何转向控制器中的Pure Pursuit控制器融合形成全新的神经网络结构，同时，在该神经网络中加入了图像数据预处理与Pure Pursuit控制器转角向量提取的过程。这种通过融合端到端神经网络框架与位置信息和运动模型信息而形成的转向模型只需使用较小规模、较少数驾驶场景的训练数据集，即可适应较多数驾驶场景，降低了对训练数据集的要求，提高了训练的效率、模型的普适性和鲁棒性。同时，除了能适应多驾驶场景以外，其也能很好地抑制定位数据噪声。 | ||
| 搜索关键词： | 基于 卷积 神经网络 传统 几何 控制器 拟人化 转向 系统 及其 方法 | ||
【主权项】：
1.一种基于卷积神经网络和传统几何控制器的拟人化转向系统，其特征在于，包括图像数据增强模块、传统几何控制器的转向角提取模块、模型训练模块，其中，/n图像数据增强模块基于前视摄像头拍摄的图像序列，用于首先去除每帧图像中地平线上方的大部分天空的影响，然后降低图像的分辨，继而水平翻转该图像，最后随机旋转、翻转该图像到一定的角度；/n传统几何控制器的转向角提取模块基于待跟踪路径，用于寻找自动驾驶汽车当前位置与待跟踪路径上若干个路径点的几何关系，根据几何关系提取出转向角向量；/n模型训练模块是基于经过图像数据增强和传统几何控制器的转向角提取后得到的数据，用于最小化来自该模型的转向角输出和自动驾驶仪或人类驾驶员的转向角控制量之间的误差。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910745324.0/，转载请声明来源钻瓜专利网。
