目录
5.3 prediction模块的场景与pnc模块的场景定义及区别
1.模块概述
自动驾驶主车(Autonomous Driving Car ,ADC)行驶时,周围的车辆及行人在接下来的几秒内将要做什么?是否有碰撞的可能?这对于实现安全的自动驾驶而言至关重要,这也是自动驾驶领域中的轨迹预测模块的问题:对周边车辆、行人在接下来数秒时间的多种行为状态进行预测,进一步影响主车的路径规划。
近几年中自动驾驶行为预测领域很火的一种方式是——采用类似VectorNet(《VectorNet: Encoding HD Maps and Agent Dynamics from Vectorized Representation》)这个分层的图神经网络的思想,将道路等静态环境信息以及动态交通参与者的运动轨迹均进行编码,编码后经过类似TNT (《TNT:Target-driveN Trajectory Predictio》)思想的方式进行轨迹预测。2021年12月29日,Apollo7.0版本正式发布。本次7.0版本预测模块更新部分的核心思路与上述两篇论文非常接近,但主要区别在于使用MLP(多层感知机)替代了GCN(图神经网络),以及增加了更加丰富的工程化的优化方式。
预测模块的工作是预测感知模块检测到的障碍物的行为。整个模块的输入是障碍物信息(位置、速度、加速度、方位角)、本车的规划轨迹、本车定位信息; 输出是障碍物的预测轨迹及其概率。预测模块与其他模块的关系如图所示:</