目录

1 规划与控制 PNC

1.1 预测的两种方式

2 车辆预测​

2.1 车道模型

2.2 数据pipiline

2.3 几个流行的预测方式

3 行人预测

4 练习


1 规划与控制 PNC

自动驾驶_预测与规划

自动驾驶_预测与规划

  • 出问题的地方: 50%出现在PNC上,25%是硬件问题,25%是天气问题;5%是感知。
  • MPI: 多远人工接管一次
  • PNC:两个难点:无保护左转,拥堵式汇入

自动驾驶_预测与规划

1.1 预测的两种方式

自动驾驶_预测与规划

  • 怎样看业界这么解决对应的问题:看业界最知名的公司,看招聘岗位的技术要求

自动驾驶_预测与规划

2 车辆预测自动驾驶_预测与规划

 

2.1 车道模型

自动驾驶_预测与规划

自动驾驶_预测与规划

自动驾驶_预测与规划

自动驾驶_预测与规划

自动驾驶_预测与规划

RNN对于序列化的数据,有较好的表示,缺点:并行化不够

自动驾驶_预测与规划

  • 目前无人驾驶的瓶颈:1)算法上没有达到最优;2)硬件上的稳定性还不够。

自动驾驶_预测与规划

2.2 数据pipiline

自动驾驶_预测与规划

  • 下面是google的wayma的一个数据流程

自动驾驶_预测与规划

自动驾驶_预测与规划

2.3 几个流行的预测方式

自动驾驶_预测与规划

自动驾驶_预测与规划

自动驾驶_预测与规划

3 行人预测

自动驾驶_预测与规划

 

自动驾驶_预测与规划

自动驾驶_预测与规划

自动驾驶_预测与规划

自动驾驶_预测与规划

作者认为,L4级别最核心的模块,是PNC和感知模块。

4 练习

自动驾驶_预测与规划

 

相关文章:

  • 2021-08-03
  • 2021-06-12
  • 2021-04-03
  • 2021-11-10
  • 2021-08-30
  • 2021-11-30
  • 2021-04-18
  • 2021-07-30
猜你喜欢
  • 2022-01-03
  • 2021-07-23
  • 2021-07-26
  • 2021-04-09
  • 2021-10-07
  • 2021-09-17
  • 2021-05-27
相关资源
相似解决方案