Developing, Analyzing, and Evaluating Vehicular Lane Keeping Algorithms Under Dynamic Lighting and Weather Conditions Using Electric Vehicles

要約

自動運転車は路上での事故や死亡事故を減らす可能性があります。
多くの市販車にはすでに基本的な自動運転機能が搭載されていますが、悪天候や照明条件下では車線を追従することが困難です。
したがって、私たちは、深層学習と手作りのアプローチを組み合わせたアプローチと、エンドツーエンドの深層学習アプローチを使用して、動的気象条件下で 2 つの車両車線維持アルゴリズムを開発、分析、評価します。
画像セグメンテーションと線形回帰ベースの深層学習を使用して車両を車線の中央に向かって運転し、完了した周回数、平均速度、周回ごとの平均ステアリング誤差を測定します。
ハイブリッド モデルは、エンドツーエンドの深層学習モデルよりも多くのラップを完了します。
将来的には、アルゴリズムを組み合わせて、車線追従に対する 1 つの一貫したアプローチを形成することに興味があります。

要約(オリジナル)

Self-driving vehicles have the potential to reduce accidents and fatalities on the road. Many production vehicles already come equipped with basic self-driving capabilities, but have trouble following lanes in adverse lighting and weather conditions. Therefore, we develop, analyze, and evaluate two vehicular lane-keeping algorithms under dynamic weather conditions using a combined deep learning- and hand-crafted approach and an end-to-end deep learning approach. We use image segmentation- and linear-regression based deep learning to drive the vehicle toward the center of the lane, measuring the amount of laps completed, average speed, and average steering error per lap. Our hybrid model completes more laps than our end-to-end deep learning model. In the future, we are interested in combining our algorithms to form one cohesive approach to lane-following.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google