82、基于机器学习的半自动驾驶感知架构设计

基于机器学习的半自动驾驶感知架构设计

在半自动驾驶领域，设计高效的感知架构对于实现安全、可靠的自动驾驶功能至关重要。本文将介绍相关的感知架构设计方法，包括评估指标、设计空间探索算法以及实验结果等内容。

1. 评估指标

为了评估感知架构的性能，我们选择了八个指标，这些指标与支持二级自动驾驶的目标相关。具体指标如下：
1. 纵向位置误差和横向位置误差 ：分别指检测到的非本车位置数据在 y 轴和 x 轴上与真实位置的偏差。
2. 物体遮挡率 ：指本车附近未被检测到的非本车的比例。
3. 速度不确定性 ：指非本车速度测量错误的次数比例。
4. 延迟检测率 ：指非本车在越过最小安全纵向或横向距离后才被检测到的次数占非本车总数的比例。
5. 误报车道检测率 ：指检测到车道标记但实际不存在真实车道的情况比例。
6. 漏报车道检测率 ：指存在真实车道但未被检测到的情况比例。
7. 误报物体检测率 ：指被分类为非本车检测但实际不存在的车辆检测总数的比例。

2. 设计空间编码器/解码器

设计空间编码器接收一组随机的初始设计点作为输入，这些点以向量形式表示。这种编码格式非常适合在设计空间探索过程中进行各种重排和分割操作。编码器会调整输入的初始选择，使得一个设计点由每个传感器的配置位置和方向（包括六个参数：x、y、z、滚动、俯仰和偏航）以及物体检测器