提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

机器人/无人驾驶的导航决策规划（planning分组）

前言

在项目和平时的学习中，我对机器人/无人驾驶的决策规划模块进行了划分，当然划分的方法有很多，我的划分方式仅供参考
（1）动态障碍物行为预测模块（Behavior prediction）–结合感知和高精度地图信息，估计周围障碍物未来运动状态
（2）执行机构的轨迹规划模块（Trajectory_planning）–执行机构如机器人载体上的机械臂、串行云台等的运动轨迹规划
（3）任务决策模块（Mission_planning）–任务决策模块比较偏业务层了，处理机器人/无人驾驶的各种任务，主要分为三个方面：车底盘航线业务决策（交规、横向换道等等）、执行应用机构业务决策（机械臂、人机交互等等）、不同场景的导航方案切换决策（组合导航、融合导航）
（4）前端路径探索模块（path_finding）–全局路径规划算法难度不算复杂，找到一条可通行的（必须满足）、考虑动力学的（尽可能满足）、可以是稀疏的路径base_waypoints【由于其只考虑了环境几何信息，往往忽略了无人机本身的运动学与动力学模型。因此，其得到的轨迹往往显得比较“突兀”，并不适合直接作为无人机的控制指令】
（5）后端轨迹处理模块（motion_planning）–我主要归纳整理为三个方向：（1）对base_waypoints进行简单处理及生成方向、（2）对base_waypoints轨迹优化方向【一般是二次优化，这里用的较多的事优化方面的知识】、（3）进行对应功能的replan方向（replan之前的预处理、进入replan的条件、停障replan、避障replan、纠偏replan、换道replan、自动泊车replan、穿过狭窄道路replan等等），这部分内容使用的方法比较专
（6）路径跟踪模块（trajectory_following）–这个模块就得针对机器人载体了，如无人驾驶使用得阿克曼模型可以采用几何的pure pursuit纯追踪算法，更好的可以用模型预测控制MPC方法，还有强化学习做的（效果怎样我就没验证过了）；当然也可能事麦克纳姆轮车、差速车PID、还有无人机的三维轨迹跟踪等等
（7）碰撞检测模块
（8）集群多机器人规划模块

当然，这种划分方式是我权衡了原理和功能粗略划分的，在实际产品研发过程中，需要理解了各个算法的功能和定位的基础上融汇贯通，不能生搬硬套，如全段通过hybrid A探索出来的路径与A、RRT*探索出来的路径更平滑，后端轨迹优化的任务就不用这么重了；又如，机器人/无人驾驶项目研发的需求业务还没发展到能响应很多功能阶段，任务决策使用简单的状态机（fsm）就可以对现有任务进行状态转移了

本文先对**动态障碍物行为预测模块（Behavior prediction）**做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章

一、导航中预测未知空间的占据情况方法

1.一种基于深度神经网络的方法，可以可靠地预测未知空间的占据情况

.

2.论文参考

Learning-based 3D Occupancy Prediction for Autonomous Navigation in Occluded Environments

https://arxiv.org/abs/2011.03981v1
.

3.参考网站

https://blog.csdn.net/Travis_X/article/details/115680240
.

4.参考代码

https://github.com/ZJU-FAST-Lab/OPNet

.

二、动态障碍物行为预测介绍

结合感知和高精度地图信息，估计周围障碍物未来运动状态预测模块能够学习新的行为，可以使用多源的数据进行训练，使算法随时间的推移而提升预测能力
.

1.不同的预测方式

（1）基于模型的预测
模型预测根据候选模型模拟自己的运行轨迹，【防盗标记–盒子君hzj】通过车辆的移动观测它与那条轨迹更加匹配，优点在于它的直观并且结合物理知识、交通法规、人类行为等多方面

（2）基于数据驱动预测
数据驱动预测基于机器学习，通过观测结果来训练模型，模型一旦训练好可以通过模型去做预测。数据驱动方法优点是训练数据越多，效果更好

2.预测目标车道

apollo为建立车道序列，先将道路分成多部分，【防盗标记–盒子君hzj】每一部分覆盖了一个易于描述车辆运动的区域，将车辆行为划分为一组有限的模式组合，并将这些模式组合描述成车道序列,使用车道序列框架的目的是生成轨迹

3.预测障碍物状态

预测模块会预测从物体到车道线段边界的纵向和横向距离，而且还包含之前时间间隔的状态信息，以便做出更准确的预测

总结

最后

以上就是干净鸡翅为你收集整理的【感知的prediction】无人车行为预测前言一、导航中预测未知空间的占据情况方法二、动态障碍物行为预测介绍总结的全部内容，希望文章能够帮你解决【感知的prediction】无人车行为预测前言一、导航中预测未知空间的占据情况方法二、动态障碍物行为预测介绍总结所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。