摘要： 近年来，基于深度学习的自动驾驶模型逐渐成为无人驾驶领域的研究热点，常规的自动驾驶模型多采用多级模块串联的方式构建，分别完成感知、规划、循迹等功能，存在耦合性高抗风险能力差的问题。文中提出一种针对临时道路的无人驾驶车辆自动驾驶端到端模型，该模型采用三路视觉传感器图像为输入，以 ＧＣＶｉＴ作为主干网络进行图像特征提取，通过 Ｔｒａｎｓｆｏｒｍｅｒ网络和 ＧＲＵ网络输出局部规划路径，采用 ＰＩＤ算法输出转角信息，实现无人驾驶车辆自动循迹。实验结果表明，端到端模型的单帧轨迹规划耗时约 ８０ｍｓ，平均轨迹偏差为 ０．６８９ｍ，满足实时性要求的同时，可完成无人驾驶车辆在临时道路环境下的循迹任务。

关键词: 端到端；深度神经网络；自动驾驶；Ｔｒａｎｓｆｏｒｍｅｒ网络

中图分类号: 

• TP242