GAN在自动驾驶数据集生成方面的应用

随着传感器技术、人工智能技术等技术的突破,无人驾驶技术得到了空前的发展。自动驾驶汽车期望通过多传感器的目标检测达到全方位的环境感知。其中视觉传感器作为最贴近真实人类感知的传感器,更加成为了自动驾驶汽车需要克服的技术重难点。目前,由于安全问题,处于试验阶段的自动驾驶汽车无法在真实道路上采集大量复杂路况照片,而最新的神经网络算法需要大量的数据集才能得到可靠性较高的参数。除此以外,自动驾驶汽车在视觉方面还需要大量特殊复杂视觉死区的图像数据,这类数据难以获得且数量极少。提出一种基于生成对抗网络来生成大量真实道路图片,丰富自动驾驶汽车图像数据库,并且增加道路图像的情景多样性和全面性。采用KITTI数据集进行实验验证,生成对抗网络能够很好地生成与真实道路相似的图像。