基于长短期记忆网络的目标选择技术在自动驾驶系统中的应用

摘要

自动驾驶系统的传感器在感知周围环境后,将获得大量的目标及其所属信息,从这些目标中准确并及时地选择最关键的目标或少数几个关键目标,这对于自动驾驶系统的性能表现至关重要。文章首先概述了当前自动驾驶系统中目标选择功能常用的基于规则的算法,并对各种算法的特点及优劣进行了总结。其次,针对现有方法的不足,提出了一种基于长短期记忆网络(LSTM,Long Short-TermMemory)的深度学习目标选择算法,该模型将一个3层全连接网络和一个LSTM网络相结合组成一个高效的分类器来实现目标选择功能。同时,对于输人的目标关键特征进行有效辨识和归组作为模型的输人,并完成训练和初步测试。最后,为进一步评估所设计的基于LSTM神经网络的模型性能表现,将训练后的目标选择模型与基于规则的目标选择模型和基于Bi-LSTM的目标选择模型进行比较测试。测试结果表明,所设计的基于LSTM的目标选择模型在精确率、训练时间、F1-Score及AUC等性能指标上均优于比较对象,充分验证了所提出模型的有效性和准确性。