Розроблення автоматизованої системи прогнозування траєкторії руху транспортного засобу для різних сценаріїв автономного водіння

Abstract

У першій частині роботи, після рекапітуляції існуючих методів, що не пов'язані з навчанням, у рамках прогнозування траєкторій вивчено різні існуючі представлення та підходи до прогнозування руху на основі навчання. Потім запропоновано вирішити проблему прогнозування траєкторії за допомогою теплових карт ймовірностей для полегшення мультимодальності. розроблено три різні способи створення цих теплових карт та оцінено їх одна відносно одної та існуючого сучасного рівня. Також запропоновано повний метод вибірки для вилучення фактичних траєкторій з цих теплових карт та вивчено переваги та недоліки цих методів теплових карт порівняно з іншими поширеними фреймворками. У наступному розділі розглянуто багатоагентне прогнозування, а точніше, прогнозування на узгоджених виходах на рівні сцени, для цих типів моделей теплових карт за допомогою методу самопланування та вивченні пост-обробки.

In the first part of the paper, after recapitulating existing methods not related to training, various existing representations and approaches to learning-based motion prediction are studied within the framework of trajectory prediction. Then, it is proposed to solve the problem of trajectory prediction using probability heat maps to facilitate multimodality. Three different methods for generating these heat maps are developed and evaluated relative to each other and the existing state-of-the-art. A full sampling method is also proposed to extract actual trajectories from these heat maps and the advantages and disadvantages of these heat map methods compared to other common frameworks are studied. The next section considers multi-agent prediction, and more specifically, prediction on agreed-upon outputs at the scene level, for these types of heat map models using the self-planning method and post-processing learning.