无人驾驶车辆模型预测控制代码_预测

本文是《无人驾驶汽车路径规划学习路线》中的一部分。

1. 做路径规划的前提之一是必须对动态目标进行轨迹预测。由于预测是规划的输入，所以我们必须知道预测的输出结果是什么，对应的性能指标，优缺点等等，暂时不用深入了解预测算法。

2. 这里根据百度apollo的预测模块简单介绍下轨迹预测。预测技术分为两大类。

• 基于模型

Apollo使用的基于车道序列方法进行预测，这种方法根据某种原则将车道划分为若干个车道，这种方法将预测问题转为选择问题，根据动态物体的状态，选择其最大概率的车道选择序列。

• 基于数据

使用RNN这类处理时间序列数据的神经网络，利用时间序列数据特征进行预测。每个MLP(多层感知)根据输入序列和前一个MLP单元的预测结果输出自己的预测结果。

预测动态物体的运动轨迹，才能对应的做出规划决策。并且两种预测方式都要有学习能力，否则无法处理未知情况，基于模型的方法也会根据已有数据进行自动更新。

3. 这两种预测方式输出的都是离散点坐标，不是轨迹。还需要进行轨迹生成。

轨迹生成，是预测的最后一步。

利用先验知识(如交通规则，车辆运动特性)去掉大部分不可能的轨迹，然后根据实际当前位置和预测的终点位置，用五次多项式（五次保证车道曲率连续）进行曲线拟合，效果足够好。

4. 本文非常粗略的介绍了百度apollo的预测模块，预测部分是先根据两种预测技术计算车辆的下一时刻位置的预测点，然后将这个问题转换为根据当前位置和下一时刻位置以及约束条件求解两点边值问题，百度apollo利用五次多项式（五次多项式包含了相应的约束条件）来求解（实际是曲线拟合），从而形成轨迹。

TODO：如果要深入了解预测对规划的影响的话，这里应该推荐预测技术的视频，文章，论文等全面了解下预测技术，然后着重从预测的输出结果对规划的影响进行深层次的分析。