[發明專利]一種基于CARLA模擬器的目標檢測方法

在審

• 申請號: 202110413040.9
• 申請日: 2021-04-16
• 公開（公告）號: CN113095241A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 高偉華;唐嘉凱;王韜濤
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04
• 代理公司: 北京百年育人知識產權代理有限公司 11968
• 代理人: 豐美玲

一種基于CARLA仿真的目標檢測方法，主要解決現有自動駕駛中目標檢測研究成本高、精度差、速度慢，無法應對復雜路況的問題，其實現方案是：通過調用CARLA模擬器提供的傳感器采取圖像信息，生成用于訓練目標檢測模型的大量訓練樣本，然后將這些圖像作為目標檢測算法的訓練集、驗證集以及測試集；通過訓練基于卷積神經網絡的目標檢測算法得到模型，進行驗證改善模型參數，重復過程得到最終模型，并測試得到最終模型的相關指標信息，最后將目標檢測模型應用在CARLA模擬器中，以實現自動駕駛中精度高、速度快，高效穩定的目標檢測。

技術領域

本發明涉及自動駕駛仿真平臺設計技術領域，特別涉及一種基于CARLA仿真的目標檢測方法。

背景技術

近年來，汽車電子化和高級輔助駕駛系統得到了長足的發展，而自動駕駛作為輔助駕駛技術的高級階段，必定會成為未來人們出行的重要方式。環境感知、精確定位、路徑規劃和線控執行是自動駕駛技術的四個關鍵部分，其中環境感知技術為其它關鍵技術提供數據支撐。環境感知技術主要負責完成車輛周圍環境信息采集和目標檢測工作，為自動駕駛汽車的安全行駛提供可靠的決策依據，同時也是實現自動駕駛的基礎。因此，環境感知技術對于自動駕駛具有重要的意義。目標檢測是通過給定的圖像，返回圖片或視頻中指定目標比如行人、車輛、交通指示燈等的具體位置和大小，是許多視覺任務的前提和基礎。由此可見，目標檢測是環境感知的核心技術，具有重要的研究價值。

目前對于自動駕駛中的目標檢測研究主要基于實際的自動駕駛汽車，但這種研究方法存在著一些不可避免的缺陷。首先，研究自動駕駛中的目標檢測要根據汽車駕駛場景訓練模型，然后將模型應用于自動駕駛汽車的傳感器，在封閉實驗環境中測試其檢測目標的性能，最終在公共道路上進行測試。但基于實際自動駕駛汽車的目標檢測研究需要消耗大量的人力、物力和時間，且都具有相當高的難度。其次，為了實現目標檢測的最佳精度要求，目標檢測還要在不同駕駛場景、不同天氣狀況下進行研究，尤其要在極端惡劣天氣、復雜路況下測試其性能，然而在現實中模擬這樣的環境非常困難。這就要求找到一種方便快捷、成本低、可行性高的方法用于研究自動駕駛中的目標檢測技術。

發明內容

為了克服上述現有技術存在的不足，本發明的目的在于提供一種基于CARLA仿真的目標檢測方法，用于提高自動駕駛中目標檢測的的精度和速度，從而更好的應對復雜路況。

為實現上述目的，本發明提供如下技術方案：

一種基于CARLA仿真的目標檢測方法，包括通過CARLA模擬器生成虛擬樣本數據訓練的目標檢測模型，其訓練方法為：

步驟S10，啟動CARLA模擬器，通過CARLA模擬器生成虛擬樣本數據；所述虛擬樣本數據包括CARLA模擬器中的RGB相機得到的圖像；調用CARLA模擬器提供的相機在不同路況、不同天氣狀況下采取豐富的具有差異性的圖像信息；

步驟S20，通過基于卷積神經網絡的目標檢測算法，將從CARLA虛擬環境中獲取的圖像信息，構建為具有訓練集、驗證集和測試集的數據集，訓練基于卷積神經網絡的目標檢測模型；通過對基于卷積神經網絡的目標檢測模型進行迭代訓練直至模型的損失函數值低于設定閾值或達到設定訓練次數，獲得訓練好的模型并保持模型參數，使用驗證集對得到的模型進行驗證和糾正，得到最終的目標檢測模型，最后利用測試集對模型進行測試得到指標信息；

步驟S30，將訓練好的目標檢測模型以代碼的形式應用于CARLA模擬器中，并對CARLA模擬器RGB相機傳回的圖像信息實時處理，實現汽車駕駛場景下的目標檢測。

進一步地，所述步驟S10包括：

步驟S11，調用Python API，按照需求預先設置好天氣狀況和路況信息，調用CARLA模擬器中的RGB相機并對RGB相機進行相應的配置，將獲取的圖像信息按照指定的格式保存在本地；

步驟S12，運行CARLA模擬器，將編寫好的Python腳本作為客戶端運行；