第5课 移动物体路径预测

无人驾驶第一课：从Apollo起步

GitHub：移动物体路径预测相关资源
   路径预测对于在规划中构建无碰撞的安全路径尤为重要，预测其它物体的路径为无人车规划阶段做出决策提供了必要信息。本节课根据其它物体的状态和自身的位置去预测移动物体的路径。定位模块和感知模块是其输入。
   以60KM/H行驶时，0.25秒行驶5米，所以要确保无人车前方5米没有障碍物。
   两种不同的预测方式：
   1）基于模型的预测
   根据其运动行为，调整移动物体不同预测路径可能发生的概率。
   2）数据驱动的预测
   基于机器学习模型。
  利用移动物体的位置、速度、朝向和加速度，另外考虑车道段内物体的位置，还有此前时间间隔的状态信息。

  使用车道序列生成预测的路径轨迹，将预测问题转化为了选择问题，通过计算每个车道序列的概率生成预测路径。模型输入是车辆状态和车道，输出是不同车道序列的预测路径的概率。如希望模型学习物体新的行为，应该线下使用观测数据对模型进行训练，训练输入是一系列行驶车道段和每一个车道段序列当时车辆状态构成的序列组成，标签是采用何种车道序列。在实际预测时，输入不变，输出是每一个供选择的车道段序列的概率。
Apollo使用RNN。

  轨迹生成是预测的最后一步，根据车辆当前位置和预测轨迹点的位置和访问，这两个姿势表示运动模型的的初始状态和最终状态，可以使用这两个姿势来拟合一个多项式模型以进行预测轨迹生成。