Prediction 轨迹预测

autonomy/prediction 是 Autonomy 的**动态障碍轨迹预测**子系统。文档按 §1–§9 编号排列。

• 0 指南
• 1 模块概览
  • 1.1 定位
  • 1.2 核心能力
  • 1.3 源码结构
  • 1.4 导航栈数据流
  • 1.5 相关模块
  • 1.6 与业界方案对照
• 2 快速开始
  • 2.1 当前可用能力
  • 2.2 运动模型直接使用（C++）
  • 2.3 Prediction 模块（未来接入步骤）
  • 2.4 与 Perception 的数据流（规划）
  • 2.5 单元测试参考
• 3 数学原理
  • 3.1 问题形式化
  • 3.2 恒速模型（Constant Velocity, CV）
  • 3.3 恒转弯率模型（CTRV）
  • 3.4 恒加速度模型（CA）
  • 3.5 卡尔曼滤波预测步
  • 3.6 数据关联（匈牙利算法）
  • 3.7 轨迹不确定性表示
  • 3.8 碰撞风险评估
  • 3.9 符号表
• 4 使用指南
  • 4.1 配置
  • 4.2 PredictionServer API（规划）
  • 4.3 运动模型 API（当前可用）
  • 4.4 预测轨迹消息（规划）
  • 4.5 系统集成（规划）
  • 4.6 与 Planning 的接口（规划）
  • 4.7 故障排查
• 5 模块架构设计
  • 5.1 设计目标
  • 5.2 实现状态
  • 5.3 分层架构
  • 5.4 运行时数据流
  • 5.5 插件接口设计（规划）
  • 5.6 扩展路线图
• 6 运动模型
  • 6.1 接口设计
  • 6.2 LinearMotionModel（恒速/恒加速）
  • 6.3 DifferentialDriveMotionModel
  • 6.4 StationaryMotionModel
  • 6.5 与卡尔曼滤波的配合
  • 6.6 模型选型指南
  • 6.7 单元测试
  • 6.8 扩展：CTRV 实现建议
• 7 轨迹预测算法
  • 7.1 预测流水线
  • 7.2 跟踪与关联
  • 7.3 恒速预测器（CV Predictor）
  • 7.4 CTRV 预测器
  • 7.5 多模态预测
  • 7.6 预测时域与步长
  • 7.7 不确定性传播
  • 7.8 与 Planning 的对接
  • 7.9 实现优先级
• 8 行为与交互预测
  • 8.1 行为预测 vs 轨迹预测
  • 8.2 规则型行为预测
  • 8.3 交互式预测
  • 8.4 学习型行为预测
  • 8.5 碰撞风险与 TTC
  • 8.6 Autonomy 扩展建议
  • 8.7 与 Control 的 TEB 调研
• 9 预测算法综述
  • 9.1 预测在自动驾驶管线中的位置
  • 9.2 方法分类
  • 9.3 发展时间轴
  • 9.4 物理模型详解
  • 9.5 学习型方法对比
  • 9.6 评估指标
  • 9.7 Autonomy 能力矩阵
  • 9.8 选型建议
  • 9.9 参考文献