基于红外与雷达的夜间无人车驾驶决策方法

来源：激光与红外杂志2018年第12期北京时间：

作者：廖雁洲

单位：1.东华大学信息科学与技术学院,上海 201620；2.华东理工大学信息科学与工程学院,上海 200237；

摘要：速度与方向的决策建议是夜间无人车驾驶研究的关键,针对夜间无人车速度与方向决策,基于红外图像与雷达信息,提出了一种包含深度信息的红外图像多任务分类网络用来给出速度与方向决策.通过红外摄像头及雷达采集的数据训练深度网络,其中雷达采集的深度图像作为训练标签,采用卷积-反卷积神经网络来进行红外图像的深度估计,进而获得深度信息.利用深度信息制作分类网络训练标签,通过AlexNet分类网络得到速度决策建议.再根据红外图像的道路信息训练方向分类网络,将无人车的驾驶决策问题转化为分类模型,并将分类模型与深度估计网络相结合.实验结果表明,网络的角度准确率及速度准确率分别为87.43%和85.89%,并且利用训练得到的模型对图像进行决策的时间为0.04 s/帧,能够达到实时性的要求。

关键词：红外图像;深度估计;驾驶决策;深度学习

基金资助：上海市科委基础研究项目(No.15JC1400600)资助;国家青年自然科学基金项目(No.61603089);上海市青年科技英才扬帆计划(No.16YF1400100)