点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

>>点击进入→自动驾驶之心【轨迹预测】技术交流群  

论文作者 | claire

编辑 | 自动驾驶之心

最近很多小伙伴来向我们咨询轨迹预测相关的入门学习基础，今天我们也为大家分享下轨迹预测的定义、输出格式、常用的相关术语，常用的轨迹预测方法论，以及评测方式。所有的内容都为日常笔记输出，建议收藏，有时间随时可以学习！所有参考文献，底部备有出处~

以上内容均出自《轨迹预测理论实战&论文带读课程》，双十一八折优惠进行中！

道路位置、人行横道位置、车道方向

当前状态、历史轨迹

当前状态、历史轨迹：

目标车辆（1~N）的未来f个时刻的轨迹及轨迹分布：

单模态轨迹、多模态轨迹

轨迹（trajectory）：一个物体或实体随时间变化的运动。它表示对象经过的一系列位置或状态。机动（manoeuvre）：车辆或物体所执行的特定动作或运动，如变道、转弯、合并、加速、减速和停止。自身车辆（Ego Vehicle，EV）：自动驾驶汽车本身。目标车辆（Target Vehicle，TV）：期望得到预测轨迹的车辆。周围车辆（Surrounding Vehicle，SV）：TV周围对其运动产生影响的车辆。无关车辆（Non-Effective Vehicle，NV）：不会对TV运动产生影响的车辆。

1）通常采用动力学（形式复杂）或运动学（形式简单，更常用）模型来描述物理行为。2）也可采用体现微观交互的模型：跟车模型（例，智能驾驶员模型(IDM)）、换道模型-微观交通建模常用3）可为使用单一模型，也可使用交互多模型（IMM，用IMM-KF实现结合）-参考文献16

方式一：卡尔曼滤波器（KF），得到滤波处理后的一条轨迹-参考文献39。方式二：粒子滤波方式三：蒙特卡洛（MC）模拟：得到未来轨迹分布-参考文献40、41。

优点：可解释性强，性能稳定；运动学计算简单；缺点：复杂的动力学模型计算量大；仅适合短时预测（