科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对无人驾驶在复杂场景下数据分析以及动态环境下建模困难等问题，在基于深度学习的卷积神经网络建模的基础上，对无人驾驶模型在行进过程中的动态参数进行调整，保证其对动态环境分析的稳定性。在AirSim模拟仿真平台对无人驾驶模型进行建立、训练、测试、仿真验证和保真度分析，并对模型过拟合情况与损失值大小进行对比分析，最终筛选出保真度最高的模型与最优的损失值范围。该设计在对图像处理算法进行加强的同时，改良了动态环境下的建模，使得车辆对道路判断的精准度大幅增加，并对最终得出的模型进行多次保真度分析，筛选出最优拟合度模型。
-
单位自动化学院; 北京信息科技大学; 中国科学院自动化研究所
