自动驾驶---Parking端到端架构

​​​​​​1 背景

        自动泊车也是智能驾驶低速功能中比较重要的一部分，低速功能其中还包括记忆泊车，代客泊车等。传统的泊车算法通常使用基于规则或者搜索优化的方案来实现。然而，由于算法的复杂设计，这些方法在复杂的泊车场景中效果有限，或者说上限不高。相比之下，基于神经网络的方法往往比基于规则的方法更直观、更通用。通过采集大量专家泊车轨迹数据并且通过基于学习的方法模拟人类策略，也可以有效地完成泊车任务。

        传统的泊车算法通常基于多个模块，需要将整个停车过程分解为多个阶段，如环境感知、车位检测、定位、建图，路径规划以及控制等，复杂的模型架构导致其在紧凑的停车位或复杂场景中容易遇到困难。

        为什么要先介绍泊车端到端呢？因为这篇论文非常详细地介绍了感知---规控两段式端到端的架构，非常清晰，并且论文作者也开源了代码，对于初入门端到端的读者更加友好，行车的两段式端到端也是类似的架构，只不过训练的数据集差别会比较大。

2 端到端架构

        采用模仿学习来执行从RGB图像到路径规划的端到端规划，并且模仿人类驾驶的轨迹。本篇博客介绍的端到端方法利用了目标查询编码器来融合图像和目标特征，并且使用基于Transformer的解码器来自回归预测未来的路径点。整个泊车端到端架构如下所示，虽然看起来比较简单，但其中涉及到的环节还是比较多的