ISSN1006－7167CN31－1707/TＲESEAＲCHANDEXPLOＲATIONINLABOＲATOＲY第41卷第12期Vol．41No．122022年12月Dec．2022DOI:10．19927/j．cnki．syyt．2022．12．007基于深度学习端到端的车道保持系统实验设计肖雄子彦，楚朋志，梁晓妮，薛万坤，任桐鑫(上海交通大学学生创新中心，上海200240)摘要:针对现有自动驾驶课程缺乏软硬件相结合、稳定性强且易于开发的车道保持实验，提出了一种基于深度学习端到端算法的车道保持系统。引入轻量化的无人驾驶小车硬件平台与华为云ModelArts软件平台，设计了包括数据采集处理、模型设计、云端训练、车端部署测试的完整开发流程;从教学场景出发，对深度学习端到端算法进行轻量设计，较好捕捉图像与底盘角度的映射关系，保证了高准确率与泛化性。同时，进行了模型训练及实验测试，训练了200个Epoch后成功收敛，在U型弯、直转弯、S型弯严格不压线通过率均值为93．05%(高速)与97．22%(低速)。实验结果表明，该系统在实测中表现出较强的鲁棒性，且实验环境易于搭建，弥补了教学实验中学生计算资源不足的现状;通过端云协同开发帮助学生有效提升工程实践能力。关键词:车道保持;无人驾驶;深度学习;教学实验中图分类号:TP391．0文献标志码:A文章编号:1006－7167(2022)12－0027－07ExperimentalDesignofLaneKeepingBasedonDeepLearningEnd-to-endAlgorithmXIAOXiongziyan，CHUPengzhi，LIANGXiaoni，XUEWankun，ＲENTongxin(StudentInnovationCenter，ShanghaiJiaoTongUniversity，Shanghai200240，China)Abstract:Intheexistingdriverlesscourses，welackstrongstabilityandeasy-to-developedlanekeepingexperimentswhichcombinesoftwareandhardware．Therefore，agoodexperimentbasedondeeplearningend-to-endalgorithmisproposed．AlightweightdriverlesscarplatformandaHuaweiCloudplatformareintroducedtocompletedataacquisitionandprocessing，modeldesignandtraining，vehicledeploymentandtestinginteachingarea．Theimprovedend-to-endalgorithmcanbettercapturethemappingrelationshipbetweentheimageandthechassisangle，andensurehighaccuracyandgoodgeneralizationperformance．Intheexperiment，themodelconvergessuccessfullyaftertraining200epochs．ThemeanvalueofstrictstabilityrateinU-bend，straightturnandS-bendsectionsare93．05%(high-speedmode)and97．22%(low-speedmode)，respectively．Thee...
