Apollo 星火计划课程笔记 ---- PredictionApollo Prediction

92 阅读 0 评论 61 点赞

我是靠谱客的博主激动小蚂蚁，最近开发中收集的这篇文章主要介绍Apollo 星火计划课程笔记 ---- PredictionApollo Prediction，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

Apollo Prediction

基本概念
流程概览
预处理模块
评价模块（参考文献）
轨迹生成模块（简）

定义：对无人车周围的障碍物未来N秒的行为轨迹进行预测。
目标：接收原始的感知/定位/地图信息，预测周围障碍物未来的行为轨迹，用以知道无人车下一步的运动规划。

在这里插入图片描述

难点：

上游输入的局限性(误差，干扰，延迟，etc.)
交通参与者意向的不可预测性（目标障碍物变不变道？）
具体行驶路线的不可预测性（加速变道还是怎么变道？）

责任边界：

只将常规的交通状况纳入考虑范畴，预测最大的几个可能性。
尽可能确保粗动作的可靠性的基础上，降低细化轨迹的误差。

预测并不是处理道路上所有行为和一切情况。

预处理：
把障碍物值得考虑的信息综合整理成算法能够理解的内容

评价器：
评估障碍物将会执行各种动作的可能性

轨迹生成器：
相当于后处理，将障碍物可能采取的动作细化描述为运动轨迹

函数调用顺序：
PredictionComponent::Proc()调用PredictionEndToEndProc()

PredictionEndToEndProc()调用OnPerception()

Apollo所有Component，都应该看Proc()函数。

预测流程

在这里插入图片描述

预处理模块：

将障碍物投影到高精地图上
- 使用分段树粗略地找出障碍物附近的车道。分段树的具体实现方式可查看AABoxKDTree2dNode类
- 尝试将障碍物投影到粗筛出的车道上，查看其Frenet坐标是否再车道的给定范围内。对应函数SetCurrentLanes()
- 除了所在车道以外，也同时找出其附近车道。对应函数：SetNearbyLanes()
- 建立用车道id来检索障碍物和交汇口的类：ObstacleClusters
忽略部分障碍物：
不满足以下全部4个条件的障碍物将被忽略(任意满足一条都不会ignore)
- 在车道附近、在自车后方-2m往前的行人障碍物
- 在自车前方80m，左右6m范围内的障碍物
- 在车道线上的障碍物
- 在自车将会经过的那个交叉口附近的障碍物
生成障碍物可能选择的动作(BuildLaneGraph)

为什么分成那么多Lane?障碍物出现投影的时候，一段一段进行比对。如果特别长的时候，比对的效率就特别低。也就是把Lane多层分级，会增加搜索效率。
- 从障碍物出发的位置开始，向前搜索一段固定距离，或障碍物速度乘以固定时间的距离
- 先搜索障碍物所在车道的所有可能车道序列(LaneSequence)
- 再搜索障碍物附近车道的所有可能车道序列
设置重点关注障碍物（CAUTION)，对应函数AssignCautionLevel()
- 基本判断根据：距离自车60m范围内对应函数：SetCautionIfCloseToEgo()
- 如果自车再交叉路由附近，将交叉路口内的障碍物都设为CAUTION，对应函数:AssignCautionLevelInJunction()
- 在自车车道序列上，自车前方最近的障碍物设为CAUTION
- 在自车的目标车道序列上，在自车前后方最近的障碍物设为CAUTION，对应函数为:AssignCautionLevelCruiseChangeLane()
- 找出自车将要行驶的道路上的交叉口和汇入口，分两种形式：
  - 并道 (Merge)
  - 交叠 (Overlap)
  - 对应函数:AssignCautionLevelByEgoReference()
  使用ObstacleClusters在这条Lane上，有什么障碍物。
- 即将横穿你要形式的车道的行人
  对应函数:AssignCautionLevelPedestrainByEgoReferenceLine()
- 如果重点关注障碍物过多，根据距离远近，筛选出距离自车最近的几个障碍物重点关注。Apollo Caution设置的是6，剩余的还原成NORMAL，暂时不考虑。