自动驾驶汽车如何做决策，各种小的网络构成了大的功能，DriveNet，LightNet，SignNet，WaitNet

鼾声鼾语

于 2023-07-17 16:56:56 发布

阅读量1k

点赞数

文章标签：自动驾驶汽车人工智能机器学习 opencv windows

本文链接：https://blog.csdn.net/pvmsmfchcs/article/details/131770307

版权

人工智能资源-NVIDIA 专栏收录该内容

61 篇文章 5 订阅

已下架不支持订阅

本文介绍了自动驾驶汽车的决策系统，包括OpenRoadNet识别行驶空间，PathNet规划路径，LaneNet检测车道线，MapNet创建高清地图。此外，DriveNet负责物体检测，LightNet判断交通灯颜色，SignNet识别交通标志，WaitNet检测停车情况，ClearSightNet监控传感器可见度，ParkNet辅助停车。这些深度神经网络共同构建了自动驾驶的安全行驶能力。

摘要由CSDN通过智能技术生成

OpenRoadNet能够识别汽车周围所有可行驶的空间，无论是汽车所在车道还是邻近车道。
PathNet即使在没有车道标记的情况下，也能突出标记车辆前方的可行驶路径。
LaneNet能够检测车道线和其他规定汽车行驶路径的标记。
MapNet也可以识别车道和地标，并用于创建和更新高清地图。
具有路径寻找功能的DNN协同工作为自动驾驶汽车制定安全的行驶路线。

道路物体检测与分类

能够检测潜在路障、交通信号灯及标识的DNN：

DriveNet能够感知道路上的其他车辆、行人、交通灯和标识，但无法识别灯光的颜色以及标识的类型。
LightNet能够对交通灯的颜色状态进行分类 – 红色、黄色或绿色。
SignNet能够识别标志的类型 – 停止，让行，单行道等。
WaitNet能够检测必须停车等待的情况，例如十字路口。
其他功能

能够检测汽车及驾驶舱零部件状态，以及使操作更加便捷（如停车）的DNN：

ClearSightNet能够监测汽车摄像头传感器的可见度，检测限制可见度的状况，如雨，雾和阳光直射。
ParkNet能够识别可用的停车位。
以上这些只是构成冗余和多样化DRIVE软件感知层的深度神经网络示例。