无人驾驶车辆城市交叉口周边车辆轨迹预测

摘要

针对城市交叉口周边车辆长时轨迹预测问题,搭建路基和实车采集平台采集大量轨迹数据,采用高斯混合模型(Gaussian Mixture Model,GMM)识别目标运动模式,采用高斯过程回归(Gaussian Processes Regression,GPR)模型进行城市交叉口周边车辆轨迹长时预测,采用路基数据集对预测模型进行交叉验证.针对实车场景,提出结合无迹卡尔曼滤波的高斯过程算法(GP-UKF),并采用实车数据对该算法进行离线测试.结果表明,GMM可以有效提取车辆运动模式,GPR模型在长时轨迹预测问题上的表现优于基于物理模型的预测算法,并且GP-UKF模型对目标的长时轨迹预测具有更高的精度.