[发明专利]基于迁移学习的车道保持控制方法

摘要

本发明公开了一种基于迁移学习的车道保持控制方法，首先采集行车记录仪前置相机录制的视频和车辆的转向控制信号作为训练数据，通过改变亮度、重设尺寸、增加阴影等方式对数据进行预处理，利用基于ImageNet数据集训练的VGGNet作为特征提取网络，同时在顶层添加全连接层，由此构建端到端的车道线保持控制网络模型；通过采集的行车视频和转向信号对该模型进行进一步地训练，最后对网络模型稳健性进行评估；利用基于ImageNet数据集训练的VGGNet作为特征提取网络，在车载计算资源和数据集均有限的情况下，本发明能够较好地拟合自动驾驶的转向角度，同时在网络模型泛化方面具有一定的有效性与可靠性，可以广泛应用于各类自动驾驶相关的车道线保持任务系统中。

主权项

1.基于迁移学习的车道保持控制方法，其特征在于，包括以下具体步骤：S1，采集行车中视频数据和转向数据；S2，对S1收集的数据进行切分与转换；经过切分与转换之后的数据集分为训练集和测试集；S3，构建端到端的车道线保持控制模型，具体为：S31采用迁移学习的手段对模型进行初始化，利用基于ImageNet数据集训练的VGGNet作为特征提取网络，冻结VGG16的前8层权重；在卷积层和全连接层之间加入Flatten层；在此基础上，同时将VGG16原有的3个全连接层改为5个全连接层；再添加一个全连接层输出转向角度值，构建出端到端的车道保持控制模型；S32，对步骤31所构建的模型进行优化，在算法层面采用Max‑pooling，Batch Normalization，Truncated Normal方法进行模型优化；S4，采用S2所分出的训练集数据对S3所构建的模型进行训练，得到训练模型和权重参数；S5，车辆在行驶过程中，采用S4所得训练模型以及权重参数，根据车辆的行车记录仪所监测到路面信息实现车辆行驶车道的实时控制。