在七月算法上报了《无人驾驶实战》课程,老师讲的真好。好记性不如烂笔头,记录一下学习内容。 课程入口,感兴趣的也可以跟着学一下。
—————————————————————————————————————————
PNC
PNC=Planning and Control,其中包括:预测、全局路径规划、计划(决策、路径规划、速度)及控制。
![](https://img-blog.csdnimg.cn/f1f5b39ea8f44e79bb2958cfab397815.png)
各公司无人驾驶的整体水平
![](https://img-blog.csdnimg.cn/65fcaa7cc42c4536a613886812c105c9.png)
预测
很多无人驾驶的工作都需要给予预测的结果。预测的需求是准确率和实时性,难点是较为少见的情况预测(corner case)
![](https://img-blog.csdnimg.cn/fb9070e22aec463cbf43ec8518e3b866.png)
预测的两大方法:
基于模型的方法:结合人类的先验知识,可以解决较为少见的情况;基于数据驱动的方法:本质是机器学习,数据越多效果越好。
![](https://img-blog.csdnimg.cn/0c44f7b394814ff39fe71da82336564d.png)
车辆预测中的车道模型
首先对线路进行分段,对每段中的车道进行编号。再对各种可能的行驶线路进行分类,计算每种的概率。
![](https://img-blog.csdnimg.cn/ba164c716e4b46d6969ce2b24814fac7.png)
车道模型包含三个部分。
车道特征:与起点的距离、与中心线的偏离值,参考线,转弯曲率,交通法;车辆状态:车速,加速度,朝向角度,朝向角速度,车辆类型,尺寸;环境:自然环境,车道周围的环境。
![](https://img-blog.csdnimg.cn/57dd8e5a5f6a402f97b1b6a06ef580ef.png)
车道模型的输入数据为序列,则使用的网络为RNN
![](https://img-blog.csdnimg.cn/874b9b6a91754715842a3e47b8e66311.png)
Apollo的模型
![](https://img-blog.csdnimg.cn/bff9fd827f7b49be8c71da8f84f0e060.png)
DATA PIPELINE
包括样本工程、模型优化和特征工程
![](https://img-blog.csdnimg.cn/4fc2f42e6fa44da0bed54136c5767c09.png)
其中数据的自编码较为重要
![](https://img-blog.csdnimg.cn/38e1412f61eb452d8ac7138978e8b781.png)
轨迹建立的几种方法
1.卡尔曼滤波;2.多项式拟合;3.动力模型
![](https://img-blog.csdnimg.cn/e016c961e0644a9ebc14e4f7685f6853.png)
STATE OF THE ART
Uber提出的模型。基于CNN的方法,实现图生成和轨迹生成。
![](https://img-blog.csdnimg.cn/2e0116f4b8d5479e9eba79894559c736.png)
Waymo提出的ChauffeurNet。中级到中级的学习,多任务受限的学习,结合了预测与规划两部分工作。
![](https://img-blog.csdnimg.cn/16c388b0452a413888f3ac2fecfbb0dd.png)
![](https://img-blog.csdnimg.cn/013a3a6f7f3443a98b7fede88a752816.png)
行人预测
特点是高度的随机性、较低的交通约束、自由度高没什么运动约束。
![](https://img-blog.csdnimg.cn/fb8d4a5287164649a64fec28221beb96.png)
代表工作:
李飞飞团队在这方面的建树颇丰,发了很多顶会。
Social LSTM,提出了Social-pooling
![](https://img-blog.csdnimg.cn/678a39f5783c4e1fbdf13e2042769dec.png)
Social GAN。引入了GAN模型,设计出了人-人之间的交互。
![](https://img-blog.csdnimg.cn/2b9514bcb7994c9ebda5626de875e354.png)
![](https://img-blog.csdnimg.cn/8e90420c5faa41b9bcb24ee1c04fd548.png)
另外一篇文章,引入了多任务学习,网格地图,并融合了感知与预测
![](https://img-blog.csdnimg.cn/c2ec4d18e9fd4234a9ce548270c9719a.png)
![](https://img-blog.csdnimg.cn/be7e8fce2fcb437e9f80c92c2647477b.png)
![](https://img-blog.csdnimg.cn/e729090f89f540b180070a32f6fe80b6.png)