当前位置:首页 > 智能新能源汽车 > 正文

Waymo无人车是如何进行行为预测的?

2020-05-16 08:49
【新能源汽车网】

本文引见了waymo行动展望算法VectorNet。

在交通场景中,各个途径运用者(车辆、自行车、行人等)的行动充满了不确定性,关于这些行动的展望也应是几率的而非确定性的。

优异驾驶员的症结素养之一是能够预感和展望途径上其别人可能会做什么。比方,另一辆车并入我们的车道或我们前面的骑自行车的人左转的可能性是多少?能够正确展望其他途径运用者的企图的才能,能够使无人车做出最平安的决议计划。

其他途径参与者的行动每每很难展望,一般须要对交通场景有一个团体的相识,包括车道的宽度,四向交织路口划定规矩,交通信号灯和标志等。

展望模块每每要承接感知、定位、舆图模块,经由历程展望算法,能够给出障碍物将来的活动轨迹,输出给下流计划模块。

只管行动展望大抵思绪是雷同的,然则差异研讨者在算法等方面的考量照样有很大差异的。本文来引见一下Waymo是怎样做的。

Waymo经由历程高精舆图与传感器的及时信息相结合,为车辆供应语义环境。其他途径运用者的行动一般很庞杂,而且很难用一组基于舆图的交通划定规矩来形貌,由于驾驶形式在差异位置之间会有所差异,而且其他途径运用者可能会违背这些划定规矩。所以,须要经由历程机械进修来使体系进修新的行动范例来建模并下降这类庞杂性。

而研讨驾驶行动展望,必定触及途径网络建模,即途径的拓扑构造。

将高度细致的舆图兼并到行动展望模子中的最盛行要领是经由历程将舆图衬着为像素并运用卷积神经网络(CNN)对场景信息(比方交通标志,车道和途径边境)举行编码。然则,此历程须要大批的盘算和时候。另外,将舆图作为图象处置惩罚会给建模长距离几何图形(比方火线兼并的车道)带来应战,这会影响展望的质量。

为相识决这些痛点并更好地展望别人的行动以做出更好的决议计划,Waymo 开发了一种新的模子VectorNet,与CNN比拟,该模子可供应更正确的行动展望,同时运用更少的盘算量。

VectorNet怎样启用Waymo驱动程序

舆图要素和传感器输入都能够简化为点,多边形或曲线。比方,车道边境包括多个竖立样条曲线的控制点;人行横道是由多个点定义的多边形;泊车标志由单点示意。曲线,多边形和点都能够近似示意为包括多个控制点的折线。折线进一步分红矢量片断。如许,我们能够将一切途径特性和其他对象的轨迹示意为此类矢量的鸠合。借助这类简化的视图,waymo动手设想了一种能够有用处置惩罚传感器和舆图输入的网络。

这是一种新鲜的条理图神经网络:在第一级(由折线子图构成)中,VectorNet 网络每条折线内的信息;在第二层(称为全局交互图)中,VectorNet 在折线之间交流信息。

标签