轨迹预测真正重要的什么？又或者说实际落地的难点在哪里？

文章预览

轨迹预测实际落地的难点在哪里 我们先从轨迹预测的定义出发，任务定义是给定障碍物的历史运动状态，结合道路的拓扑约束对障碍物的未来轨迹进行预测。 所以其约束的构建本质上来说，是运动学+道路拓扑。 深度学习之前，对于轨迹的预测的处理基本上是基于障碍物历史运动状态，结合障碍物当前位置下局部拓扑信息，采样一些点后，用拟合的方式出线型（此处表征的是横向意图）再根据障碍物的历史状态 输出 纵向的时间点得到最后的 xyt的waypoint。此处我们可以看出基于规则的预测无法处理某些场景，例如，他车脚下为直行左转/直行右转这类的车道；基于规则的方式调整意图准确度也是一件很有难度的事情。 最重要的一点，对静态信息元素的强依赖。 基于深度学习的方法是会将障碍物历史信息与图信息全部输入进网络进行多模轨迹输出。 ………………………………