Apollo预测

Apollo预测主要是指 通过预测人车辆或其它物体的运动轨迹。而进一步对车辆的路径进行生成。预测路径有实时性的要求

预测的方法主要有：

基于模型的方法：比如决策树，分层判断其将会行走的路线

数据驱动的方法：CNN、RNN训练

预测的信息依据

• 车道线的预测（lane sequence）

             首先将复杂的车辆运动转化为车道序列的预测。就是预测车会继续在他车道走，还是会转换车道。

• 障碍物的状态（obstacle status）

             包括判断物体的位置、朝向、速度、加速度等等

 

RNN（递归神经网络）

Apollo使用RNN来建立一个模型 来预测车辆的目标车道

通过观察物体的状态和车道线的序列，送入到RNN中进行训练，再将其结合起来，进而预测。

 

轨迹生成

轨迹生成是预测的最后一步

一旦我们预测到物体的车道序列，我们就可以预测物体的轨迹，在任何两点 A 和 B 之间，物体的行进轨迹有无限的可能，我们如何预测最有可能的轨迹？

 

我们可以先通过设置约束条件（当时的速度加速度），来去除大部分候选轨迹，（车辆无法实际执行的轨迹）

根据车辆在两点的位置和方位。这两个姿势表示运动模型的初始状态和最终状态，

我们可以使用这两个条件来拟合一个多项式模型，在大多数情况下 这种多项式足以进行预测

 

同时 自动驾驶将不同传感器的信息进行融合，之后再传入计算，进而确定路径，目标等。

预测规划