CNN与RNN在自动驾驶中的技术选型与实战对比

1次阅读

共计 1616 个字符，预计需要花费 5 分钟才能阅读完成。

2018 年亚利桑那州 Uber 自动驾驶测试车撞死行人事件中，系统错误地将推自行车的行人分类为 ” 未知物体 ”。更早的 2016 年特斯拉 Autopilot 致死事故中，摄像头未能识别横向驶来的白色卡车。这些案例暴露出感知系统两个致命弱点：

空间特征误判（CNN 的典型任务）
时序轨迹预测失效（RNN 的主战场）

计算效率：单帧 1080p 图像处理仅需 3ms（RTX 2080Ti）
参数共享：3×3 卷积核实现平移不变性
典型应用：
车道线检测（准确率 98.7%）
交通标志识别（F1-score 0.96）

时序建模：LSTM 单元记忆门控机制
动态预测：5 帧历史数据预测未来 1 秒轨迹（误差 <0.3m）
硬件消耗：
参数量比同精度 CNN 多 40%
推理延迟增加 2 - 3 倍

import torch
import torch.nn as nn

class LaneNet(nn.Module):
    """
    输入：360x640 RGB 图像
    输出：车道线像素分类 mask
    """
    def __init__(self):
        super().__init__()
        self.encoder = nn.Sequential(nn.Conv2d(3, 16, 3, padding=1),  # 保持分辨率
            nn.ReLU(),
            nn.MaxPool2d(2),
            nn.Conv2d(16, 32, 3, padding=1),
            nn.ReLU(),
            nn.MaxPool2d(2)
        )
        self.decoder = nn.Sequential(nn.ConvTranspose2d(32, 16, 2, stride=2),
            nn.ReLU(),
            nn.ConvTranspose2d(16, 1, 2, stride=2),
            nn.Sigmoid()  # 输出 0 - 1 概率)

    def forward(self, x):
        return self.decoder(self.encoder(x))

class TrajectoryPredictor(nn.Module):
    """
    输入：10 帧历史坐标(x,y)
    输出：未来 5 帧预测坐标
    """
    def __init__(self, hidden_size=64):
        super().__init__()
        self.lstm = nn.LSTM(input_size=2,  # (x,y)
            hidden_size=hidden_size,
            batch_first=True
        )
        self.regressor = nn.Linear(hidden_size, 2)

    def forward(self, seq):
        # seq 形状: (batch, 10, 2)
        lstm_out, _ = self.lstm(seq)
        # 只取最后时间步输出
        return self.regressor(lstm_out[:, -1, :])