自动驾驶预测与决策规划（基于运动模型的预测）

最新推荐文章于 2024-04-20 22:13:55 发布
最新推荐文章于 2024-04-20 22:13:55 发布
阅读量1.3k 收藏 4
点赞数 8
分类专栏： 自动驾驶预测与决策规划算法 文章标签： 自动驾驶 人工智能 机器学习 机器人
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_65089713/article/details/136483645
版权
本文是关于自动驾驶技术的学习笔记，探讨了ConstantVelocity模型（假设目标匀速直线运动加噪声）和ConstantTurn模型（定曲率行驶）的优缺点，指出它们在处理复杂道路结构如交叉路口和曲率变化时的局限性。
摘要由CSDN通过智能技术生成

欢迎大家关注我的B站：

偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频 (bilibili.com)

本文为深蓝学院《自动驾驶预测与决策规划》 的学习笔记

目录

1 Constant Velocity模型

2 Constant Turn 模型

1 Constant Velocity模型

Constant Velocity 模型：假设目标做匀速直线运动，再恒定速度的基础上加上高斯分布的噪声

这是CV模型的连续表达形式与离散表达形式 

对于二维来说，CV模型比之前的一维模型复杂一些，可以看作两个方向的合成（矩阵的拼接）

 在代码中一般通过离散形式去simulate，这是一个CV模型的Python示例

由右图可知，CV模型在遇到交叉路口或曲率较大的道路结构时效果较差

2 Constant Turn 模型

定曲率模型假设目标以恒定角速度行驶 

但是CT模型在曲率估计不准的情况下，很容易导致预测目标的轨迹出现严重抖动

比如在十字路口或掉头场景，噪声将导致预测轨迹出现较大偏差

无意2121
关注
  • 8
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
自动驾驶预测与决策规划（nuplan数据集）
weixin_65089713的博客
03-05 2101
nuPlan是。虽然基于机器学习的运动规划算法越来越多，但由于缺乏成熟的数据集、模拟框架和指标，限制了这一领域的进展。现有的自动驾驶汽车运动预测基准（）侧重于其他智能体的。这导致以前的工作使用，这不适合公平地评估长期规划。nuPlan提供了一个训练框架来开发一个、一个轻量级的,、一个运动规划的和一个可视化结果的。
深蓝学院PLanning、决策、规划的自动驾驶资料
01-30
深蓝学院是专注于前沿科技的教育平台，目前在人工智能、机器人与自动驾驶领域搭建了完善的课程体系，并在积极探索嵌入式、物联网、增强现实领域的教育模式。文件内包含：2022 控制岗位 面试题梳理.pdf；基于学习的决策规划背景知识.pdf；课程介绍及基础资料.pdf；自动驾驶控制与规划第一期第二次答疑问题收集-wuning返回.docx；自动驾驶控制与规划第一期开课仪式.pdf；第六章作业思路讲解-助教高宇辉.pdf
自动驾驶预测-决策-规划-控制学习（1）：自动驾驶框架、硬件、软件概述
qq_53092944的博客
01-04 1716
以下为《汽车驾驶自动化分级》具体标准：0 级驾驶自动化（应急辅助）驾驶自动化系统不能持续执行动态驾驶任务中的车辆横向或纵向运动控制，但具备持续执行动 态驾驶任务中的部分目标和事件探测与响应的能力。需要指出的是，0级驾驶自动化不是无驾驶自动化，0级驾驶自动化可感知环境，并提供报警、辅助或短暂介入以辅助驾驶员（如车道偏离预警、前碰撞预警、自动紧急制动等应急辅助功能）。此外，不具备目标和事件探测与响应的能力的功能（如:定速巡航、电子稳定性控制等）不在驾驶自动化考虑的范围内。
自动驾驶预测-决策-规划-控制学习（4）：预测分析文献阅读
qq_53092944的博客
01-06 1459
题目：《基于 Transformer 的车辆轨迹预测及变道意图识别方法研究》-吉林大学都业铭本文改进了 Transformer 模型， 在 Argoverse 数据集、NGSIM 数据集上分别设 计了新的模型结构， 可以分别完成预测车辆行驶轨迹和车辆换道意图识别任务。
自动驾驶预测-决策-规划-控制学习（5）：图像分割与语义分割入门
qq_53092944的博客
01-17 1443
对于图像的分析，传统的检测任务，比如这幅图的人，用标注框来表示。而图像分割，则是针对每一个像素都可以被认定为不同的语义信息，比如这里红色区域的像素点属于人，蓝色属于天空，浅绿色属于草地，深绿色属于树木。①给出了基于CNN的图像分类和演化概况。②详细探讨了一些基于CNN的流行的最先进的分割模型。③比较这些模型的训练细节，以便清楚地了解超参数调优。④比较这些最先进的模型在不同数据集上的性能指标。
自动驾驶之心轨迹预测理论与实战课程
最新发布
2401_83972938的博客
04-20 306
3、方便交流：学习不交流，很容易遗留很多问题，无论是学习中还是学习后，合适的交流都是必要的。在网课中可以畅所欲言，让交流更加的方便，让问题无所遁形。1、学习方便：想要学习随时随地都能进行，只需要打开网校软件，选择对应的课程，只要手机有网络、有电，就可以进行学习。让学习不再受地域与时间的影响。2、提高效率：因为学习方法的不对，所以在传统学习中效率难以提高，而有了网课以后，可以简化寻找内容的过程，提高学习的效果，学习效率自然得以提升。
基于模型预测的自动驾驶汽车轨迹追踪,基于模型预测控制的无人驾驶,matlab
09-10
自动驾驶汽车技术是现代汽车行业的重要研究领域，而基于模型预测的轨迹追踪是实现这一目标的关键技术之一。本主题将深入探讨如何使用MATLAB工具，特别是Simulink环境，来设计和实施这种高级控制系统。 首先，我们要...
基于模型预测的自动驾驶汽车轨迹追踪_simulink轨迹_simulink汽车_轨迹_autopilot_基于模型预测的自动驾驶
09-10
综上所述，基于模型预测的自动驾驶汽车轨迹追踪是一项综合性的技术，涉及Simulink建模、模型预测控制、轨迹规划、车辆动力学、传感器融合和Autopilot系统等多个方面。通过深入理解和应用这些知识点，可以提高自动...
自动驾驶模型预测控制.zip
04-17
自动驾驶模型预测控制是一种先进的控制策略，它在现代自动驾驶系统中扮演着至关重要的角色。模型预测控制（MPC，Model Predictive Control）结合了系统建模、优化和控制理论，为复杂的动态系统提供了一种有效且灵活...
读书笔记《无人驾驶车辆模型预测控制》- 龚建伟.zip
08-23
《无人驾驶车辆模型预测控制》是龚建伟先生的一部深入探讨自动驾驶汽车控制技术的专业书籍，主要聚焦于模型预测控制（MPC，Model Predictive Control）这一先进的控制策略在无人驾驶领域的应用。模型预测控制是一种...
基于组合神经网络的车辆驾驶行为预测
02-29
其次， 本文使用基于决策树的GBDT 算法对车辆行驶过程中的驾驶行为规则进行了特征挖掘，可以弥补CNN-LSTM 模型在可解释性上的不足。CNN-LSTM 模型本质上是一种端到端的结构， 无法描述驾驶车辆所采取的不同驾驶行为...
b站老王 自动驾驶决策规划学习记录（十二）
BigDavid123的博客
09-21 604
大幅修改EM planner，变成了public road planner(取消了SL,ST迭代机制，SL只管静态障碍物，ST只管动态障碍物,加入scenario模块)这种方法SL还是会影响ST，ST不影响SL，因为SL会生成一个路径，路径的几何形状会影响到动态障碍物的交互。所以SL影响ST，ST不影响SL。因为车的纵向变化能力高于横向，导致动态障碍物车的速度变化剧烈程度远高于路径，预测难以测准，预测不准导致ST图剧烈变化=>速度规划结果剧烈变化。若ST影响SL，会导致SL规划容易不稳定，朝令夕改。
了解CV和RoboMaster视觉组（五）运动建模与预测
HNU跃鹿战队的博客
03-14 6312
neozng1@hnu.edu.cn 5.3.2.预测方法 运动预测是自瞄击打装甲板的关键一步，如果没能预测目标的移动，那么我们的解算输出用于只会跟在目标的屁股后面，使得打出的弹丸始终落后于目标，扑向空气划过一道淡绿色的曲线。同时，运动预测和运动学建模也是目标跟踪领域的一个研究方向，利用此技术能够提出精确的区域提议，使得候选区域数目降低，加快处理速度。 我们这里将按照循序渐进的原则，介绍运动预测的发展和方法。 朴素方法：简单物理规律的应用 这种算法就如标题一样简单，我们直接根据物理规律对物体的运动进行预
自动驾驶中的模型预测控制（Model Predictive Control）
frank的博客
04-08 6838
一、什么是模型预测控制（MPC） MPC主要用于车道线的追踪，保持车辆轨迹相对平稳。 MPC将车道追踪任务重构成一个寻找最优解的问题，优化问题的最优解就是最优的轨迹。我们每走一步都会按照目前的状态求解一个最优化的轨迹，然后按照轨迹走一步，紧接着继续按照传感器获得的新值继续求解最优轨迹，保证轨迹跟 我们要追踪的车道线的最大拟合。这个过程中，因为我们每动一步，就是一个时间片段，因为各种误差的存在，导致...
什么是自动驾驶预测决策与规划控制?自动驾驶安全冗余系统介绍
ic2121的博客
01-08 105
随着自动驾驶道路测试数据和大量的极端场景数据的积累， 自动驾驶核心算法通过数据驱动的深度学习算法模型， 得以持续不断进化， 成为能够提前预判、 安全谨慎驾驶的“老司机”。车辆能够实时接收感知模块提供的环境和障碍物信息， 结合高精度地图， 跟踪并预测周边车辆、 行人、 骑行者或其他障碍物的行为意图和预测轨迹， 综合考虑安全性、 舒适性和效率， 生成驾驶行为决策(跟车、 换道、 停车等) ， 并按照交通规则和文明交通礼仪对车辆进行运行规划(速度、轨迹等) ， 最终输出到控制模块实现车辆加减速和转向动作。
智能驾驶入门5——预测
z_vanilla的博客
07-17 449
预测预测简介不同的预测方式基于车道的预测障碍物状态预测目标车道递归神经网络RNN递归神经网络在目标车道预测的应用轨迹生成 预测简介 预测：在一个时间步对环境中的物体预测路径，帮助无人车规划一段时间内的路径。 预测路径的要求： 实时性：算法延迟尽量短 准确性 学习能力：使用多源的数据进行训练，使算法随着时间推移增强预测能力 两种基本预测类型 基于模型的：更具分析性 数据驱动的 从巨大的几何无限大的轨迹限制预测问题，使汽车可以在任何时间点保留下来的不连续的车道信息储存下来，简化预测，使其易于控制，预测也
滤波笔记二：运动模型（CV&CA&CTRV）
热门推荐
scoutee的博客
08-01 2万+
运动模型（CV&CA&CTRV&CTRA）的建模分析及其代码实现
噪声模型
Fan_nie的博客
11-07 9261
例：在灰度图像中加入均值为0，方差为0.02的高斯噪声，通过100次相加求平均的方法去除所加的噪声，比较显示原图、加噪图与去噪图。 I=imread('dragon.jpg');%读取图像 x=rgb2gray(I);%转换为灰度图像 subplot(1,3,1);%分区绘图 imshow(x);%显示图像 title('原图');%给图像加标题 J=imnoise(x,'gaussian',0...
IMU噪声模型
iamking_s的博客
05-22 7377
IMU噪声模型目录IMU噪声模型新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 IMU噪声模型 即使是专业人士...
自动驾驶决策算法中的行为规划算法
06-09
自动驾驶决策算法中的行为规划算法是指在路径规划的基础上，根据车辆周围环境和交通规则等因素，选择合适的车速，以及是否变道、超车等行为，从而实现自主驾驶。以下是一些常用的行为规划算法： 1. 基于规则的行为规划：这种算法根据交通规则和道路标志等信息，选择合适的行驶行为，比如在红灯前停车、保持车距、遵守交通规则等。 2. 基于模型的行为规划：这种算法通过对车辆运动学和动力学模型的建立，预测车辆行驶的状态，并根据预测结果选择合适的行为，如调整车速、变道、避让等。 3. 基于学习的行为规划：这种算法通过对历史数据的学习，建立起模型，预测未来的交通情况，从而选择最优的行驶策略。例如，可以通过机器学习算法对大量的驾驶数据进行分析，学习驾驶员的行为模式，从而做出更加准确、智能的决策。 4. 基于博弈论的行为规划：这种算法通过理论分析和实验模拟，模拟车辆和其他交通参与者之间的博弈过程，从而选择最优的行驶策略。 上述算法都有各自的优缺点，需要根据具体的交通环境和应用场景来选择合适的算法。同时，也需要考虑到算法的实时性、计算复杂度、可靠性等方面的因素。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

无意2121

创作不易，多多支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值