網(wǎng)站加速打開百度一下搜索一下
一、核心概念定義
| 術(shù)語 | 定義 | 典型示例 |
|---|---|---|
| Agent | 具有動態(tài)性與交互性的道路參與者，其行為需被預測并影響自車決策。 | 行駛車輛、行人、自行車、臨時停止的出租車 |
| 靜態(tài)障礙物 | 固定不動且無自主行為的物體，僅需幾何避讓，無需行為預測。 | 路燈、路沿、建筑物、消防栓 |
| 靜止物體 | 當前速度為零的物體，可能是臨時停止的 Agent 或真正的靜態(tài)障礙物（需二次判斷）。 | 等紅燈的車輛（Agent）、倒塌的樹（靜態(tài)障礙物） |
🔍 關(guān)鍵區(qū)別：
- 動態(tài)性：Agent 會運動或具有運動潛力；靜態(tài)障礙物永久固定。
- 交互性：Agent 的行為與自車存在博弈；靜態(tài)障礙物只需繞行。
二、感知模塊（Perception）的輸出與處理
1. Detection（檢測）階段
- 輸出：場景中所有可識別物體的邊界框 + 類別標簽（包括 Agent、靜態(tài)障礙物、背景物體）。
- 不區(qū)分動態(tài)/靜態(tài)：檢測僅識別物體存在性（如“車輛”“行人”“電線桿”）。
2. 關(guān)鍵后續(xù)處理
| 步驟 | 功能 | 區(qū)分 Agent 的關(guān)鍵作用 |
|---|---|---|
| 分類 | 確認物體類別（車/人/樹等） | 初步篩選：車輛、行人等屬于候選 Agent。 |
| 跟蹤（Tracking） | 跨幀關(guān)聯(lián)目標，計算運動狀態(tài)（速度、軌跡） | 核心依據(jù)：動態(tài)物體 → Agent；靜止物體 → 靜態(tài)障礙物或臨時 Agent。 |
| 地圖融合 | 結(jié)合高精地圖過濾已知靜態(tài)物體 | 排除固定障礙物（如交通牌）。 |
? 結(jié)論
Detection 輸出包含所有物體，但只有動態(tài)且需交互的目標被歸類為 Agent。
三、跟蹤模塊（Tracking）的輸出邏輯
1. Tracking 的核心任務
- 輸入：Detection 輸出的所有物體。
- 處理：
- 為每個物體分配 唯一ID，關(guān)聯(lián)連續(xù)幀中的同一目標。
- 估計 運動狀態(tài)（速度、加速度、軌跡歷史）。
- 輸出：所有被跟蹤物體的列表（含動態(tài) Agent、靜態(tài)障礙物、臨時靜止物體）。
2. Tracking 輸出 ≠ Agent
| 跟蹤目標類型 | 是否屬于 Agent？ | 原因 |
|---|---|---|
| 持續(xù)運動的車輛/行人 | ? 是 | 動態(tài)且需交互預測。 |
| 臨時靜止的車輛 | ? 是 | 可能隨時啟動（如等紅燈），需行為預測。 |
| 永久靜態(tài)物體（如路燈） | ? 否 | 無運動能力，僅需避讓幾何位置。 |
| 誤檢背景（如飄動的塑料袋） | ? 否 | 通常在后續(xù)模塊過濾。 |
? 結(jié)論
Tracking 輸出包含所有被跟蹤目標，但僅動態(tài)且有交互需求的物體被系統(tǒng)標記為 Agent。
四、系統(tǒng)級處理流程
graph TDA[Detection] -->|“所有物體”| B[Tracking]B -->|“跟蹤目標列表”| C{動態(tài)性分析}C -->|動態(tài)物體| D[Agent]C -->|靜態(tài)物體| E[靜態(tài)障礙物]D -->|送入預測模塊| F[行為預測 + 交互決策]E -->|送入規(guī)劃模塊| G[幾何路徑避讓]
為何如此設(shè)計？
- 資源優(yōu)化：預測模塊只需處理關(guān)鍵 Agent（減少算力消耗）。
- 功能分離：
- Agent → 預測意圖 + 博弈交互（如讓行、超車）。
- 靜態(tài)障礙物 → 幾何避障（如繞開路樁）。
- 狀態(tài)切換處理：跟蹤模塊持續(xù)監(jiān)控“靜止物體”，避免漏跟臨時停止的 Agent（如車輛突然啟動）。
五、總結(jié)：Agent 的最終判定條件
一個物體被系統(tǒng)認定為 Agent，需同時滿足：
- 動態(tài)性：當前運動或具有潛在運動能力（如停著的車）。
- 交互性：其行為可能影響自車安全或效率（如行人可能橫穿馬路）。
- 跟蹤持續(xù)性：在多幀中被穩(wěn)定跟蹤并排除誤檢。
靜態(tài)障礙物：只需滿足 → 位置固定 + 無行為意圖。
六、實際案例
| 場景 | Detection 輸出 | Tracking 輸出 | 最終類型 | 處理邏輯 |
|---|---|---|---|---|
| 行駛中的摩托車 | “自行車” | ID=103, 速度=30km/h | Agent | 預測軌跡，決策是否超車。 |
| 路邊消防栓 | “柱狀物體” | ID=205, 速度=0 | 靜態(tài)障礙物 | 規(guī)劃避讓路徑。 |
| 臨時?？康目爝f車 | “車輛” | ID=301, 速度=0 | Agent | 預測開車門或起步，準備剎車。 |
| 被風吹倒的廣告牌 | “大型物體” | ID=404, 速度=0 | 靜態(tài)障礙物 | 標記為臨時障礙物并繞行。 |
結(jié)語
在自動駕駛系統(tǒng)中，Agent 與靜態(tài)障礙物的區(qū)分本質(zhì)是動態(tài)交互性與靜態(tài)確定性的分離。感知與跟蹤模塊通過層層過濾，將原始檢測目標轉(zhuǎn)化為兩類不同處理對象：
- Agent → 行為預測與博弈決策的核心；
- 靜態(tài)障礙物 → 環(huán)境結(jié)構(gòu)中需避讓的幾何實體。
這種分層處理機制，是實現(xiàn)安全、高效、擬人化自動駕駛的關(guān)鍵基礎(chǔ)。