百度Apollo计划跟踪：感知与预测中神经网络的分析

apollo项目中，感知模块使用了cnn,预测模块使用了rnn

 

另外，还单独提供了一个end to end 的深度神经网络模型

 

众所周知，在感知和预测领域，传统的基于数学或者控制理论的算法准确度都根本没法和深度神经网络相比

 

所以百度无人车项目，这两个模块使用深度神经网络模块是必然的

 

据说预测一开始使用了控制论模型，效果不好换成了rnn

 

另外，无人驾驶系统现在是两种技术路线

 

一种还是基于感知 预测 路径规划 行为决策  轨迹规划 车辆控制指令的系统实现

 

而另一种则是直接使用e2e，端对端的深度神经网络模块，系统用感知作为输入数据，直接生成车辆控制指令

 

百度无人驾驶apollo项目使用的神经网络模型的不足

 

1 无论是cnn,还是rnn,都没有给出最好的深度神经网络算法模型

 

2 e2e也是给出一个通用但一般的模型，和一个简单的流程实现，apollo项目并没有实现完整的基于end to end深度神经网络模块的系统