保存成功
订阅成功
保存失败,请重试
提交成功

Apollo 5.0 障碍物行为预测技术

¥1会员免费看
Apollo开发者社区
5
严选 Chat了解严选标准

障碍物行为预测是无人驾驶系统的核心模块之一。预测模块承接上游感知模块,结合高精地图和主车的定位信息,对周边障碍物的未来运动情况进行预测,帮助主车提前作出决策,从而降低交通事故的发生率,在无人驾驶系统中发挥着承上启下的关键作用。

在百度 Apollo 自动驾驶开源平台中,障碍物行为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。速度预测考虑与主车的交互,运用采样+代价函数选择的方法,给出合理的速度预测。

在这次分享中,我们将讨论 Apollo 5.0 中开放的新技术:

  1. 路口场景预测模型
  2. 语义地图预测模型
  3. 基于交互的预测模型
  4. 行人预测模型

作者简介:许珂诚,百度资深研发工程师,百度 Apollo 平台预测方向技术负责人。复旦大学数学专业本科,美国德克萨斯大学大学奥斯汀分校计算数学硕士,主要方向为机器学习。2017 年 3 月加入百度,参与 Apollo 1.0 至 5.0 的开发工作至今,主要负责障碍物行为预测方向的研发工作。

728 人已订阅
会员免费看
¥1 原价订阅
查看文章评论/提问
姚冬春9 个月前
为啥加助手不拉我进讨论群
郑剑9 个月前
车辆的变道预测特征和约束有哪些?是基于LSTM网络还是规则呢?怎么保证预测结果的连续性?下游如何处理预测出的可能多条轨迹?
木子9 个月前
假如行为预测的上游模块给的信息并不完全准确,比如错误的感知结果。那么在行为预测的阶段,这样的夹杂错误结果的数据,应该怎么应付呢?
木子9 个月前
文章中提到的对车道线进行编码,是否是指对车道的静态信息(比如高速/路口/车道位置)等进行编码?还是说会包括车道上的动态障碍物信息呢(比如说拥挤程度)? 后者应该属于文中提到的“第三类输入特征”,但这个在后文“交通路口”才明确提到。
午后红茶9 个月前
轨迹预测模型的在线处理速度(计算时间)可以达到10hz嘛?通过历史数据可以准确预测到多到长时间的轨迹?
关注提示×
扫码关注公众号,获得 Chat 最新进展通知!
入群与作者交流×
扫码后回复关键字 入群
Chat·作者交流群
入群码
该二维码永久有效
严选标准
知道了
Chat 状态详情
开始预订
预订结果公布19.08.13

预订达标,作者开始写作

审核未达标,本场 Chat 终止

作者文章审核结果公布19.08.21

审核达标,文章发布

审核未达标,本场 Chat 终止

Chat 完结
×
已购列表