Self-driving car

Abstract

In this paper we will explain what an autonomous vehicle is and how the idea started and evolved through the 20th century to our modern times. Autonomous cars have the potential to save lives because most of the accidents are based on human error, not only that but also it has the potential to save fuel because they always drive the car in optimal condition. Moving on we explain what the different type of neural network architecture that are suitable for the self-driving car application. Then, we introduce the idea of using end-to-end deep learning in self-driving car, and how we used a 9-layer convolutional network model that takes augmented images and predicts a steering angle. Before the images are fed into the neural network it goes through augmentation process where we add artificial shifts and rotations. In testing we take two approaches the lidar based approach where we test the model, that we build which takes the lidar points as input, and the image-based approach where we use the convolutional network model mentioned above. في هذه الورقة سوف نوضح ماهية السيارة المستقلة وكيف بدأت الفكرة وتطورت خالل القرن العشرين حتى عصرنا الحديث. السيارات ذاتية الحكم لديها القدرة على إنقاذ األرواح ألن معظم الحوادث تعتمد على خطأ بشري، ليس هذا فحسب، بل أي ًضا لديها القدرة على توفير الوقود ألنها تقود السيارة دائ ًما في حالة ممتازة. مع التقدم، نوضح نوع مختلف من بنية الشبكة العصبية المناسبة لتطبيق السيارة ذاتية القيادة. بعد ذلك، نقدم فكرة استخدام التعلم العميق من البداية إلى النهاية في السيارة ذاتية القيادة، وكيف استخدمنا نموذ ًجا للشبكة التالفيفية المكونة من 9 طبقات والتي تلتقط صوراً معززة وتتوقع زاوية توجيه. قبل إدخال الصور في الشبكة العصبية، تمر عملية تكبير حيث نضيف تحوالت ودورات صناعية. في االختبار، نتخذ نهجين: النهج القائم على اللدائن حيث نقوم باختبار النموذج، والذي نقوم ببنائه والذي يأخذ نقاط اللدائن كمدخالت، والنهج القائم على الصور حيث نستخدم نموذج الشبكة التالفيفية المذكور أعاله