超级会员免费看
本文介绍了百度Apollo自动驾驶预测模块的原理与应用，包括车辆和行人的行为预测。车辆预测分为意图预测和速度预测，利用LSTM和CNN处理输入特征，结合全局环境信息预测未来轨迹。在交通路口，采用语义地图进行意图预测。行人预测则运用LSTM和注意力机制，考虑行人之间的交互。预测模块还考虑了与主车的交互，通过模型预测未来行为以帮助主车提前决策，确保安全。
Q
百度的自动驾驶是多少级别的？如果出事了责任怎么划分呢？
A
百度可以做到L4级别的自动驾驶，例如萝卜快跑。Apollo平台也是支持L4级别的自动驾驶。同时百度也在研究L5级别的自动驾驶。
Q
如果环境中出现了状态有突变的他车，这时是不好预测或者没有办法预测的，那么预测模块是如何处理的呢？
A
现在的预测模块无法预测突发的时间。
Q
这里的与他车交互，是否也会同时生成对自车的决策，还是说只是为后面的规划模块服务的？
A
这里的交互，不会直接产生对自车的决策。预测的轨迹会影响后面的规划模块，规划模块在做轨迹规划时会考虑预测的轨迹。
Q
预测的好坏如何检验，有哪些评价指标？
A
预测常用的评价指标有MinADE，MinFDE，Miss Rate。这几个是论文中比较常见的评价指标。
Q
感知中检测到的车道线有送给预测
订阅专栏 解锁全文
扫一扫
994
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
