自动驾驶运动预测(Motion Prediction).pdf
需积分: 0 97 浏览量
2024-04-28
20:12:30
上传
评论
收藏 1.3MB PDF 举报
1 / 5
运
动
预
测
(Motion Prediction)
模
块
主
要解
决
⾃
动
驾驶
⻋
辆
与
周
围
环
境
中
的
其
它
运
动
物
体
(
⻋
辆
、
⾏
⼈
等
)
的
协同
交互
问题
。
该
模
块
对
感
知
模
块
所
检
测
到
的
运
动
物
体
进
⾏
未来
⼀
段
时
间
内
⾏
为
意
图
的
预
测
，
并
将
预
测
的
结
果
转
化
为
时
间
维
度
和
空
间
维
度
的
轨
迹
。
以
这
些
障
碍
⻋
、
⾏
⼈
、
⾮
机
动
⻋
等
运
动
物
体
的
预
测
轨
迹
作为
输
⼊
，
⾃
动
驾驶
⻋
辆
可
以
做出
更
加
合
理
的
驾驶
决
策
，
规
划出
更
加
合
理
、
安
全
的
⻋
辆运
动
⾏
为
。
附
赠
⾃
动
驾驶
学
习
资
料
和
量
产
经
验
：
链
接
⽐
如如
果
我
们
预
测
到其
它
⻋
辆
要
并
⼊到
我
们
的
⻋
道
，
那
我
们
就
需
要
提
前
考
虑
减
速
，
预
测
的
准
确
性
越
⾼
，
决
策
就
越
准
确
，
⽆
⼈
驾驶
的
可
靠
性
也
就
越
⾼
。
⽆
⼈
⻋
周
边
物
体
⾏
为
预
测
，
图
⽚
来
源
：
⽆
⼈
驾驶
中
的
决
策
规
划
控
制
技
术
，
作
者
李
⼒
耘
，
刘
少⼭
由
于
道
路
上
运
动
物
体
的
⾏
为
是
复
杂
多
变
、
彼
此
相
互
影
响
的
，
这
就
要
求
预
测
模
块
能
够
提
供
⾜
够
实
时
和
⾼
频
的
预
测
输
出
。
举
个
例
⼦
，
假
设
⼀
辆
⻋
以
60
公
⾥
/
⼩
时
的
速
度
前
进
，
每
0.25s
就
会
有
5m
的
位
移
，
如
果
算
法
的
响
应
时
间
为
0.25s
，
那
么
每次
运
动
规
划前
我
们
就
必
须
保
证
在
5m
范
围
是
是
完
全
可
通
⾏
的
。
⾃
动
驾驶
⻋
辆运
⾏
的
速
度
越
⾼
，
对
预
测
模
块
的
输
出
实
时
性
的
要
求
就
越
⾼
。
预
测
模
块
的
输
⼊
信
息
⼀
般
⽽
⾔
，
预
测
模
块
的
输
⼊
就
是
感
知
模
块
的
输
出
，
包
括
运
动
物
体
的
位
置
、
速
度
、
朝
向
、
物
体
分
类
（
如
⻋
辆
，
⾏
⼈
，
⾃
⾏
⻋
）
等
信
息
。
运
动
预
测
(Motion Planning)
模
块
结
合
运
动
物
体
的
属
性
信
息
、
历史
运
⾏
轨
迹
信
息
以
及
⾼
精
地图
信
息
，
给
出
运
动
物
体
在
未来
⼀
段
时
间
内
的
运
动
⾏
为
的
预
测
。
⾃
动
驾驶
运
动
预
测
(MotionPrediction)
资源评论
