预测
预测简介
在车辆运行的过程中,存在很多正在发生变化的因素,比如行人和其他车辆的运动轨迹,无人驾驶车辆需要对这些运动的对象进行运动轨迹的预测,来实现更好的路线规划。车辆的预测需要具有实时性。
不同的预测方式
预测的两种方式分别是:基于模型,数据驱动。
①基于模型:对观测的车辆进行可能做出的反应分类,并构建相对应的模型,对车辆的下一步行为进行预测。
②数据驱动:基于机器学习模型,通过对大量的数据进行模型训练,最终得到准确的信息。
基于车道的预测
Apollo提供了一种叫基于车道序列的方法,建立车道序列,我们会将道路分为多个部分,每一个部分都涵盖描述汽车运动的区域,我们的目的便是为道路上的物体生成轨迹。
障碍物状态
无人驾驶车辆需要实时知道物体的状态。让人驾驶汽车时,我们通过观察一个物体的朝向、位置、速度和加速度来预测它将会做什么。同样的,无人车也需要一辆无人驾驶车如何观察物体的状态。当然除了观察以上人类观察的行为,还需要预测模块来考虑物体车道线边界的纵向和横向距离,预测模块还包含之前时间间隔的状态信息,以便做出更