- Es gibt verschiedene Szenarien auf der Straße mit unterschiedlichen Krümmungen, Kurven, Gefällen, Brücken, Überführungen und anderen zusammen mit verschiedenen Hindernissen
- Ein menschlicher Fahrer analysiert die Situation, um das Fahrzeug zu manövrieren
- Der Algorithmus soll einem Fahrzeug beibringen, selbstständig zu fahren, indem er die Aktionen klont, die ein menschlicher Fahrer ausführt, um das Auto durch verschiedene Szenarien zu steuern
- Hier bildet ein CNN-Algorithmus (Convolutional Neural Network) die tatsächlichen Daten vom Lenkrad (während der Fahrer das Fahrzeug fährt) mit den Bildern für die Straßenkrümmung (von den Kameras) ab. Dann lernt CNN mit einer Reihe von Iterationen selbst, einen stärkeren Algorithmus zu erstellen, der die erforderliche Präzision und Genauigkeit erreichen kann
- Dieser Algorithmus klont das menschliche Verhalten, um das Fahrzeug selbstständig zu fahren
Phase 1 – Trainingsphase
Die tatsächlichen Lenkdaten werden mit den Straßenkrümmungsdaten verglichen, die mithilfe von Kameras aus Bildern erfasst wurden, um den Algorithmus zu trainieren und seine Genauigkeit und Präzision zu erhöhen
- Bilder von der Kamera werden verwendet, um die Krümmung der Straße zu verstehen
- CNN (CNN – Convolutional Neural Network) – versteht den entsprechenden Lenkwinkel für die Krümmung der Straße
- Tatsächlicher Rotations- und Verschiebungswinkel vom Lenkrad
- CNN (CNN – Convolutional Neural Network) – versteht den entsprechenden Lenkwinkel für die Krümmung der Straße
Phase 2 – Bereitstellungsphase
Die in CNN eingebaute Trainingsphase wird eingesetzt, um den Lenkdrehwinkel unter Verwendung der Daten von der Kamera zu generieren
- CNN (CNN – Convolutional Neural Network)
- Vom Netzwerk berechneter Lenkbefehl zur Anpassung der Rotationsverschiebung und des Lenkwinkels.
