日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

首頁 > 汽車技術 > 正文

自動駕駛行為預測綜述

2020-07-19 14:08:59·  來源：分子運動  
　
行為預測是指根據(jù)過去物體的運動軌跡，預測物體將來一小段時間內的運動軌跡。主要包括行人軌跡預測和車輛軌跡預測。這里主要是對2014年的一篇綜述論文《a survey
行為預測是指根據(jù)過去物體的運動軌跡，預測物體將來一小段時間內的運動軌跡。主要包括行人軌跡預測和車輛軌跡預測。
 
這里主要是對2014年的一篇綜述論文《a survey on motion prediction and risk assessment for intelligent vehicles》進行分析。
為什么需要行為預測？
 
因為預測可以提高規(guī)劃控制的穩(wěn)定度和舒適度。以圖1為例，假設我們發(fā)現(xiàn)前面有一輛車要左轉，如果我們不預測前面車輛的意圖，我們當前有3種選擇，第一種直行，第二種右轉，第三種左轉?？梢钥吹阶筠D是最差的選擇，直行其次，最好的選擇是右轉，可以避免緊急停車或者交通事故，而且可以提前規(guī)劃出一條比較舒適的軌跡，對自動駕駛汽車來說，可以規(guī)劃出一條容易控制的軌跡。
圖1 汽車行為預測示意圖
 
預測特點
知道了為什么需要行為預測，那么預測有哪些特點呢？
Tracking是預測的基礎 - 前面我們介紹了大量軌跡追蹤的工作，進行軌跡追蹤的目的就是為了軌跡預測。就好像預測股票走勢，需要通過股票的歷史軌跡來預測將來的軌跡，如果只是根據(jù)當前的點位來進行預測，極有可能會偏差很大。所以如果我們提前把物體的運動軌跡保存起來，然后進行分析預測，這樣就能夠大大提高預測的準確性，所以說Tracking是預測的基礎。
預測只能預測一小段時間內會出現(xiàn)的情況 - 由于預測都是基于概率和經驗的假設，而且車和車之間，車和環(huán)境之間都會相互影響，因此只要一個變量改變，那么其它的變量可能會跟著改變，因此無法預測未來很長一段時間的情況。 
問題定義
接下來我們對預測進行問題進行定義，把預測抽象為一個數(shù)學問題，那么什么是預測呢？
我們可以把預測的軌跡抽象為一個個點(xt, yt)，一直從t時刻到t+m時刻，其中有N個車，因此就有N條軌跡。下式就代表預測N個車輛從t時刻到t+m時刻的軌跡集合。
那么預測問題，就可以抽象為預測這個軌跡集合的概率分布。
 
方法分類
根據(jù)問題的定義，我們可以對自動駕駛軌跡預測的方法分為3類。
  • Physics-based motion models 物理模型
  • Maneuver-based motion models 意圖模型
  • Interaction-aware motion models 交互模型
我們先通過一張圖來了解這3種方法的區(qū)別。
圖2 3種預測模型的區(qū)別
 
可以看到物理模型只是通過車輛的運動模型來進行預測，沒有考慮到交通規(guī)則和其它車的交互，因此當經過路口的時候和行駛的車輛發(fā)生了碰撞。意圖模型理解了交通規(guī)則，在路口時停車了，并且經過路口的時候也會對車輛進行避讓，但是由于沒有和其它車的交互，因此可能會出現(xiàn)碰撞，也可能導致汽車規(guī)劃出一條很急的軌跡。最后交互模型考慮了交通規(guī)則，并且知道有車輛靠近，因此會等待直行的車輛經過之后再左轉。
下圖是三種模型的對比，輸入的參數(shù)，挑戰(zhàn)和用到的方法。
 
下面我們逐個說明這3種模型。
Physics-based motion models 物理模型
根據(jù)汽車模型的劃分，可以分為
  • Dynamic models（動力學模型）
  • Kinematic models（運動學模型）
因為動力學模型非常復雜，比較常用的是汽車運動學模型，把汽車當做一個剛體，根據(jù)剛體運動預測汽車的軌跡，有3種方法。
  • Single trajectory simulation 根據(jù)運動學模型進行計算，沒有考慮不確定情況，因此不適合做長期預測。
  • Gaussian noise simulation 車輛的不確定性描述為高斯模型，通過卡爾曼濾波和貝葉斯網(wǎng)絡對車的狀態(tài)進行預測。
  • Monte Carlo simulation 蒙特卡洛模型，根據(jù)速度、加速度對可能的區(qū)域進行采樣，生成預測路徑。
Gaussian noise simulation 車輛的不確定性描述為高斯模型，通過卡爾曼濾波和貝葉斯網(wǎng)絡對車的狀態(tài)進行預測。
Monte Carlo simulation 蒙特卡洛模型，根據(jù)速度、加速度對可能的區(qū)域進行采樣，生成預測路徑?？梢钥吹较鄬Ω咚鼓Ｐ停商乜迥Ｐ透涌紤]到了汽車的運動學規(guī)律，在沿著汽車當前行駛方向的概率高，偏離軌跡的概率要低。
 
物理模型的缺點主要是缺乏對交通規(guī)則的理解，沒有和其它車輛的交互，當其它車輛減速、轉彎的時候無法很好的預測。
Maneuver-based motion models 意圖模型
Prototype trajectories 原型軌跡，車的軌跡可以分為一系列的簇，每一簇對應一個典型的運動模式。
 
基于意圖的模型主要是分為2部分，一是對意圖進行評估，然后再執(zhí)行。
  • Maneuver intention estimation （評估）
  • Maneuver execution（執(zhí)行）
缺點是對時間的定性約束，車輛非常多的情況，不能應用到其它拓撲結構的道路。
Interaction-aware motion models 交互模型
主要的方法分為2類。
  • trajectory prototypes
  • Dynamic Bayesian Networks
比物理模型預測的時間更久，比基于意圖的預測更加穩(wěn)定，計算多個汽車之間的關系計算量比較大。
最后還提供了一些風險評估的方法。
RISK ASSESSMENT 風險評估
  • Risk based on colliding future trajectories
  • Binary collision prediction
  • Probabilistic collision prediction
  • Other risk indicators
  • Risk based on unexpected behavior
  • Detecting unusual events
  • Detecting conflicting maneuvers
總結
論文中提出了3種對車輛進行軌跡預測的方法，并且對比了3種方法的優(yōu)缺點，這篇論文寫的比較早2014年，目前state-of-art的方法是基于RNN的深度學習方法，當然通過這篇論文我們可以了解自動駕駛軌跡預測的經典方法，并且學習對車輛進行風險評估。
 
 
分享到：
 
反對 0 舉報 0 收藏 0 評論 0
滬ICP備11026917號-25