VIP20

本课程属于：021-BEV感知 自动驾驶 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

动态障碍物轨迹预测与平滑

📚 共计 30 章节

轨迹预测与平滑在自动驾驶中的角色、课程目标与学习路径。

坐标系与变换

世界坐标系、车辆坐标系、传感器坐标系及其相互转换。

传感器数据基础

激光雷达点云、毫米波雷达、摄像头数据特点与预处理。

感知预处理

目标检测与跟踪

基于卡尔曼滤波的多目标跟踪（MOT）基础。

跟踪卡尔曼

轨迹表示方法

离散点序列、多项式曲线、样条曲线（B样条、贝塞尔曲线）。

运动学模型

恒定速度（CV）、恒定加速度（CA）、恒定转弯率（CTRV）模型。

运动学预测

动力学模型

自行车模型、单轨模型及其在预测中的应用。

动力学车辆

基于物理模型的预测

利用运动学/动力学模型进行短时预测。

基于模式识别的预测

隐马尔可夫模型（HMM）用于意图识别。

基于学习的预测：RNN/LSTM

循环神经网络（RNN/LSTM）在轨迹预测中的应用。

基于学习的预测：GNN

图神经网络（GNN）用于交互式轨迹预测。

基于学习的预测：Transformer

Transformer与注意力机制在轨迹预测中的应用。

注意力Transformer

多模态预测

生成多种可能轨迹（如CoverNet、MultiPath）。

多模态轨迹

轨迹预测评估指标

ADE、FDE、Miss Rate、KL散度。

轨迹平滑基础

为什么需要平滑？平滑的数学定义（连续性、曲率）。

滤波平滑：KF与EKF

卡尔曼滤波（KF）与扩展卡尔曼滤波（EKF）用于平滑。

滤波平滑：UKF与粒子滤波

无迹卡尔曼滤波（UKF）与粒子滤波（PF）。

优化平滑：最小二乘

基于最小二乘的轨迹拟合与平滑。

最小二乘拟合

优化平滑：样条曲线

基于样条曲线的平滑（B样条拟合与光顺）。

优化平滑：凸优化

基于凸优化的轨迹平滑（二次规划QP）。

时间序列平滑

移动平均、指数平滑、Savitzky-Golay滤波。

滤波时间序列

线性插值、三次样条插值、Hermite插值。

轨迹平滑中的动力学约束、障碍物避碰约束。

实时性考量

算法复杂度分析、工程优化技巧（C++/Python实现）。

数据集与工具

nuScenes、Waymo Open Dataset、Apollo、ROS。

数据集工具

实战项目一

基于卡尔曼滤波的车辆轨迹预测与平滑。

实战卡尔曼

实战项目二

基于LSTM的换道轨迹预测。

实战项目三

基于B样条的轨迹平滑与重采样。

B样条重采样

实战项目四

多目标跟踪与轨迹预测联合系统搭建。

课程总结与前沿展望

端到端预测、交互式预测、大模型在轨迹预测中的应用。

前沿大模型