第二步,根据跟踪再去计算这个障碍物的速度。采用Rule-based代表传统的方法,物体遮挡后很可能会跟丢;VTA网络采用的data-driven算法是通过数据驱动模型学习出来的,具备比较长的记忆能力,能够在消失之后,知道这还是之前见过的同一个物体,这是视觉能力的重大飞跃。
速度估计方面,传统的方法用距离除以时间得出速度,但是因为帧与帧之间只有1/10秒,分母太小,也就意味着如果在三维位置的估计上稍有不准,这个速度的值就会很跳变。
用传统方法算出来的障碍物速度,因为中间有遮挡等等原因,速度非常的不连续,决策规划达到一定速度,就很难做出一个正确的判断。但是通过端到端的机器学习,就可以持续输出一个相对稳定的速度估计,非常精准的一条速度估计曲线。