关于实现无人驾驶行人轨迹预测的感想

行人轨迹预测的难点

总体而言，行人轨迹预测的难点主要有两个：

第一，行人运动主观、灵活，预测难度大。本身精确预测未来的运动轨迹是一个几乎不可能完成的任务，但是通过观察某个障碍物历史时刻的运动轨迹，可以根据一些算法来大致估计出未来的运动轨迹（最简单的是常速度模型，但是人突然转向就不管用了）。在实际中，相比于自行车、汽车等模型，行人运动更加主观、灵活，很难对行人建立合理的动力学模型（因为行人可以随时转弯、停止、运动等），这加剧了行人预测的难度。

第二，行人之间的交互，复杂又抽象。在实际场景中，某一行人未来的运动不仅受自己意图支配，同样也受周围行人的影响（例如避障）。这种交互非常抽象，在算法中往往很难精确地建模出来。目前，大部分算法都是用相对空间关系来进行建模，例如相对位置、相对朝向、相对速度大小等。

 

目前对于行人轨迹预测大多采用的方法：常规算法:社会力模型    数据驱动算法:LSTM、RNN、CNN、GAN、变分递归神经网络（VRNN）。

目前对于行人轨迹预测大多采用的思路：

1.考虑行人之间交互的，这个交互有局部的，全局的（但是这个全局我并不认为是真正的全局考虑）

2.考虑行人背景环境的，这个背景环境目前看论文编码输入信息并不合理，并且造成数据量太大。（引入环境因数的话就算可以，以后到了一个陌生的环境，可能不确定因素还是很多）

3.有引入注意力机制的

4.有从时空方面考虑的

5.有考虑意图的（但是我认为目前论文对意图这块做的不够）