一种基于三维隐式表示渲染下的在线攻击与鲁棒导航方法

摘要文本

本发明涉及一种基于三维隐式表示渲染下的在线攻击与鲁棒导航方法，属于人工智能技术领域。采用动静态三维隐式表示模型，表示不同场景中的静态和动态对象，并在自动驾驶导航测试阶段，利用静态模型预测1s后的前视图像；利用卷积神经网络和循环神经网络的方法从含有攻击的图像中检测出干扰对象并恢复出干净图像，并输出攻击位置的相对坐标；通过深度强化学习的方法根据干净图像生成未来帧的导航轨迹点后通过PID控制算法根据导航轨迹点控制自车在模拟器中完成导航任务。本发明能够有效地模拟和防御自动驾驶场景中可能遇到的恶意干扰，提高自动驾驶系统的安全性和稳定性，同时也能够提高自动驾驶系统的导航性能和效率。