自动驾驶轨迹预测--基础知识篇

自动驾驶预测轨迹作用

轨迹预测一般位于感知模块的后端，规控的前端。自动驾驶系统需要对周围环境信息有一定认知能力，最基本的水平是要识别环境，再上一层则需要理解环境，而再上一层则需要对环境进行预测。在对目标进行预测后，规控便可根据预测信息进行自车的路径规划，并做出决策对可能出现的危险情况进行制动或发出告警，这便是轨迹预测模块存在的意义。模块的输入为感知模块提供的目标track的state信息、道路结构信息，综合考量高精地图信息、目标之间的交互信息，环境的语义信息及目标的意图信息，输出为未来一段时间的轨迹预测（0-5s的时间长度）

在百度 Apollo 行为轨迹预测分为车辆轨迹预测和行人轨迹预测两大类。在车辆轨迹预测中，分为意图预测和速度预测两个过程。意图预测根据不同的场景，通过深度学习神经网络给出各行为意图的概率。如图所示，

处理步骤：
[1] 运动状态编码： 使用一个Encoder（如LSTM）对障碍车的运动历史进行处理，得到障碍车的编码。
[2] 车道线编码： 使用另一套Encoder（可以是LSTM或一维CNN）对车道线进行编码，得到每条车道的编码。