基于ConvLSTM双通道编码网络的夜间无人车场景预测
Dual-Channel Encoding Network Based on ConvLSTM for Driverless Vehicle Night Scene Prediction
-
摘要: 为了提高夜间无人车驾驶的决策速度,减少夜间交通事故发生的概率,对无人驾驶场景预测任务进行了研究.提出了基于卷积长短时记忆的双通道编码夜间无人车场景预测网络,利用两个子网络:时间子网络提取红外视频序列的时序特征,空间子网络提取红外图像的空间特征,通过融合网络融合特征,输入到解码网络中,以实现对红外视频的未来帧预测.该网络具有端到端的优点,能够实现输入视频序列,直接输出预测帧的图像,并可以预测多帧图像.实验结果表明,该网络对夜间场景预测较准确,可以预测未来1.2 s后的图像,预测速度快,为0.02 s/帧,达到了实时性要求.
下载: