05预测
-
基于模型的预测
-
数据驱动预测
-
Apollo基于车道序列的方法
-
道路分为多部分---每个部分覆盖一个易于描述车辆运动的区域,关注区域转换
-
将车辆的行为划分为一组有限的模式组合---车道序列
-
-
障碍物状态
-
位置
-
朝向
-
速度
-
加速度
-
车道段内的距离
-
物体到车道线边界的纵向距离
-
物体到车道线边界的横向距离
-
-
预测模块
-
包含时间间隔的状态信息
-
-
-
预测目标车道
-
模型
-
输入--车辆状态和车道段
-
输出--采用每个车道序列的概率
-
-
-
递归神经网络RNN
-
时间序列数据特征的预测方法
-
Apollo使用RNN建立一个模型预测车辆的目标车道
-
给车道序列提供一个RNN模型
-
为相关对象的状态提供另一个RNN模型
-
Apollo连接两个RNN的输出,反馈到另一个神经网络,神经网络估计每个车道序列的概率
-
-
-
轨迹生成
-
注意车辆在两点的位置和方位,即初始状态和最终状态,拟合多项式模型
-