采用HBEns的轨迹预测模型设计-德赢Vwin官网网

摘要：轨迹预测是自动驾驶系统中不可或缺的一环，对帮助理解车体周围环境和其它人、车的意图有着至关重要的作用。在2022年Waymo自动驾驶数据集挑战赛上，地平线使用了HBEns模型框架，基于“在单模型的输出上使用模型聚合”的二阶段思路，大幅提升了总体轨迹预测精度，同时给予了较高的模型设计自由性。

简介

给定一份道路地图和周围所有可观测的物体的历史轨迹，轨迹预测模型的任务是将目标物体的未来轨迹预测出来。现阶段的轨迹预测模型根据输入编码类型的不同可以分成基于栅格（raster-based）、基于矢量（vector-based）和基于图（graph-based）这三大类。基于栅格的模型一般通过卷积神经网络（CNN）编码信息；另两种则侧重于使用transformer结构或其他图算法进行地图、物体的编码。从工程角度而言，两者各有优劣：CNN已被广泛应用多年，硬件加速成熟，但和近几年才发展起来的transformer相比存在地图输入尺寸受限、预测精度低等问题。综合考虑，HBEns建立在“基础模型(base models)+模型聚合(model ensemble)”的思想上（图1）。对于模型聚合来说，前面的基础模型即相当于一个黑盒，从而赋予模型设计很大的自由性。

图1 HBEns流程图。多个基础模型的结果通过分类别的轨迹聚合实现最后输出，轨迹聚合的参数通过网格调参实现。

方法

基础模型沿用了HOME和MultiPath++的设计，并在此基础上增加了新特性。对于自行车、行人等运动速度较慢的物体，基于栅格的HOME模型性能优异；对运动较快的汽车，基于矢量输入的MultiPath++则更胜一筹。

图2基于HOME模型的第一阶段结构 HOME模型是一个二阶段模型，其一阶段结构见图2。自车轨迹、周围物体轨迹和地图信息分三路分别完成编码，目标物体信息和周围物体信息还会进行一次attention操作来增强信息互动。原始的HOME输出的是物体最后所在位置的热力点图，HBEns则采用了3/5/8s共三个点的位置生成热力图，来加强监督过程。第二阶段（图3）采用了轻量级的CNN和源自MultiPath++的多语境门控机制（multi-context gating, MCG）来解决原始HOME无法较好处理低清热力图的问题。MCG模块的功能类似于attention，目的是将3/5/8s的信息融合编码进目标物体的轨迹信息中。

图3CNN+MCG门控机制实现第二阶段从热力图到轨迹的输出针对MultiPath++模型，两种不同的输入表示被采用：1）选取距离目标物体最近的256个地图标记（包括中心线、路沿、车道线等）；2）仅选取128个距离目标物体最近的车道中心线标记。选取的过程采用了广度优先搜索（BFS）算法。每个标记额外拥有一个0-1矢量来注记它的其他特性（如是否位于斑马线、减速带内）。模型结构上，在不损失精度的前提下，采用GRU模块替换了MultiPath++原有的LSTM模块。

图4 基于贪婪策略的轨迹选择。每根轨迹由坐标点ξ和置信度p描述。每一轮迭代中，在给定距离阈值τ条件下，贪婪策略优先选择阈值范围内所有轨迹的置信度总和最高的轨迹作为中心轨迹。阈值内的其他轨迹在下一轮不参与选取。 HBEns对MultiPath++中的模型聚合（model ensemble）进行了一定的改进并实验了一些新的想法。执行模型聚合之前，首先利用一个聚类算法从所有输入的轨迹中选取K根作为“中心轨迹”。聚类算法可以通过贪婪策略（greedy）或非极大值抑制（NMS）来实现。贪婪策略倾向于选择周围轨迹较为集中的作为中心（图4），而NMS则着眼于每根轨迹的置信度，每次选择置信度最高的轨迹，并将周围的一定范围内的其他轨迹抑制。完成中心选择后，采用最大期望算法（EM）进行迭代，完成轨迹的最终迭代更新。

实验结果

模型聚合的步骤存在多种可调参数，因此网格调参可以帮助搜索到最优的参数配置。对于自行车和行人等行动方向更扩散的物体，NMS在聚合中的效果更优；车辆则一般沿着既定的车道线行驶，因此贪婪策略的中心点选择效果更好。表1综合了网格调参后每个类别的最优参数配置。表2的实验结果证明，模型聚合对提升单个模型的预测准确度有着显著的帮助。

表1 针对每个类别的网格搜参结果

表2 验证集上模型聚合前后的mAP指标变化

表3 测试集上HBEns排名

可视化结果

下图是HBEns结果的可视化。其中蓝色代表实车轨迹，青色代表模型预测轨迹，黑色代表道路中心线轨迹，红色为路沿，黄色为斑马线区域。模型共输出6条可能的轨迹及其置信度，来预测物体未来的前进方向。

总结

HBEns模型框架采用了“基础模型+模型聚合”的思路，使得模型拥有较大的设计空间，可针对不同的类型、数据集做出优化。基于EM算法的模型聚合作为后处理步骤，显著提高了仅使用单模型进行预测的精度。

审核编辑：汤梓红

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

模型

模型

+关注

关注
1

文章
3226

浏览量
48806
自动驾驶

自动驾驶

+关注

关注
784

文章
13784

浏览量
166375
地平线

地平线

+关注

关注
0

文章
340

浏览量
14941

原文标题：开发者说 | HBEns：基于模型聚合的轨迹预测方案

文章出处：【微信号：horizonrobotics，微信公众号：地平线HorizonRobotics】欢迎添加关注！文章转载请注明出处。

基于充电行为多模型融合的电动汽车能耗预测及相关体系探究

安科瑞鲁一扬15821697760 摘要：电动汽车能耗预测于车辆路径规划及充电行为颇为关键。本研究提出一种融合多模型并考量充电行为的能耗预测法，先构建基于实车少量数据与有限参数的能耗计算模型

发表于 12-12 14:01 •157次阅读

一种创新的动态轨迹预测方法

本文提出了一种动态轨迹预测方法，通过结合历史帧和历史预测结果来提高预测的稳定性和准确性。它引入了历史预测注意力模块，以编码连续

发表于 10-28 14:34 •391次阅读

电梯按需维保——“故障预测”算法模型数据分析

梯云物联的智能AI终端在故障预测算法模型数据分析中扮演着核心角色，其工作流程涵盖了数据采集、特征提取、模型构建、故障预测与预警等多个环节，形成了一套完整的电梯故障

发表于 10-15 14:32 •381次阅读

人员轨迹分析算法有哪些？

人员轨迹分析是一项重要的数据分析技术，它可以帮助我们理解和预测人们的行为模式以及他们在特定时间和地点的活动。通过分析人员轨迹数据，我们能够从中获取有价值的信息，例如人们的活动范围、常去的地点、活动

发表于 09-26 10:42 •372次阅读

电磁轨迹预测分析软件

智慧华盛恒辉电磁轨迹预测分析软件是一种专门用于预测和分析电磁运动轨迹的先进工具。以下是对该类软件的详细介绍：概述智慧华盛恒辉电磁轨迹

发表于 07-16 16:42 •353次阅读

电磁轨迹预测分析系统设计方案

智慧华盛恒辉电磁轨迹预测分析系统的设计方案是一个综合性的项目，它结合了电磁学、运动学、数据分析以及可能的人工智能或机器学习技术，以实现对电磁运动轨迹的精确预测和深入分析。以下是一个基于

发表于 07-15 16:22 •396次阅读

matlab预测模型怎么用

MATLAB预测模型是一种基于统计和数学方法的预测工具，广泛应用于各种领域，如金融、气象、生物医学等。本文将介绍MATLAB预测模型的使用方

发表于 07-11 14:33 •601次阅读

MATLAB预测模型哪个好

在MATLAB中，预测模型的选择取决于数据类型、问题复杂度和预测目标。以下是一些常见的预测模型及其适用场景的介绍：线性回归（Linear

发表于 07-11 14:31 •417次阅读

如何使用MATLAB创建预测模型

在这篇文章中，我们将讨论如何使用MATLAB创建预测模型。MATLAB（矩阵实验室）是一种用于数值计算、可视化和编程的高级编程语言和交互式环境。它广泛应用于工程、科学研究和金融领域。 1.

发表于 07-11 14:29 •675次阅读

matlab预测模型有哪些

环境，使其成为预测模型开发和实现的理想平台。本文将详细介绍MATLAB中常用的预测模型及其应用。线性回归模型线性回归是一种简单的

发表于 07-11 14:27 •747次阅读

bp神经网络预测模型建模步骤

介绍BP神经网络预测模型的建模步骤。数据预处理数据预处理是构建BP神经网络预测模型的第一步，主要包括以下几个方面： 1.1 数据收集首先需要收集足够的数据，这些数据可以是历史数据

发表于 07-11 10:52 •501次阅读

arimagarch模型怎么预测

ARIMA-GARCH模型是一种时间序列预测方法，它结合了自回归积分滑动平均（ARIMA）模型和广义自回归条件异方差（GARCH）模型。ARIMA模

发表于 07-09 10:22 •466次阅读

神经网络预测模型的构建方法

神经网络模型作为一种强大的预测工具，广泛应用于各种领域，如金融、医疗、交通等。本文将详细介绍神经网络预测模型的构建方法，包括模型设计、数据集

发表于 07-05 17:41 •641次阅读

电磁轨迹预测分析系统

智慧华盛恒辉电磁轨迹预测分析系统是一个专门用于预测和分析电磁运动轨迹的系统。该系统结合了电磁学、运动学、数据分析以及可能的人工智能或机器学习技术，以实现对电磁运动

发表于 06-25 15:19 •390次阅读

一种基于自然语言的轨迹修正方法

本研究提出了ExTraCT框架，利用自然语言进行轨迹校正。该框架结合了大型语言模型（LLMs）用于自然语言理解和轨迹变形函数。ExTraCT能够根据场景在线生成轨迹修改特征及其自然语言

发表于 01-19 10:45 •440次阅读

搜索历史

采用HBEns的轨迹预测模型设计

评论

基于充电行为多模型融合的电动汽车能耗预测及相关体系探究

一种创新的动态轨迹预测方法

电梯按需维保——“故障预测”算法模型数据分析

人员轨迹分析算法有哪些？

电磁轨迹预测分析软件

电磁轨迹预测分析系统设计方案

matlab预测模型怎么用

MATLAB预测模型哪个好

如何使用MATLAB创建预测模型

matlab预测模型有哪些

bp神经网络预测模型建模步骤

arimagarch模型怎么预测

神经网络预测模型的构建方法

电磁轨迹预测分析系统

一种基于自然语言的轨迹修正方法