Common

源码路径: modules/prediction/common/

概述

prediction/common 为预测系统提供基础设施层，包括地图查询（PredictionMap）、消息处理（MessageProcess）、特征输出（FeatureOutput）、gflags 配置、分层线程池、数学工具、路口分析（JunctionAnalyzer）、环境特征（EnvironmentFeatures）、道路图构建（RoadGraph）、语义地图（SemanticMap）、轨迹验证（ValidationChecker）和 GPU 仿射变换（AffineTransform）。

核心类

PredictionMap

静态地图查询工具类，封装 hdmap 接口。提供车道位置/航向/曲率查询、Frenet 投影、车道拓扑关系（前驱/后继/左邻/右邻）、路口判定、附近车道搜索等功能。构造函数被 delete，不可实例化。

MessageProcess

静态消息处理工具类。Init() 初始化容器/评估器/预测器；OnPerception() 执行完整预测管线（场景分析 -> 评估 -> 预测）；OnLocalization/OnPlanning/OnStoryTelling() 更新对应容器；ProcessOfflineData() 从 Record 文件回放离线数据。

FeatureOutput

静态特征序列化工具类。支持五种数据类型的插入和写出：FeatureProto、DataForLearning、PredictionResult、FrameEnv、DataForTuning。内部使用 mutex 保证线程安全。

EnvironmentFeatures

封装自车状态（位置、速度、加速度、航向）和环境信息（当前车道、左右邻车道、前方路口、障碍物 ID 列表、不可忽略的逆行道）。

JunctionAnalyzer

路口分析器。根据 junction_id 初始化后，维护出口车道到 JunctionExit 的哈希表，支持按起始车道查询路口特征。

RoadGraph

沿车道拓扑构建 LaneGraph。构造时指定起始 s 值、搜索长度和起始车道，BuildLaneGraph() 通过 DFS 递归构建车道序列，支持双向搜索。

SemanticMap

语义地图生成器，为神经网络评估器提供鸟瞰图输入。异步绘制基础地图（道路/路口/人行道/车道），按障碍物历史裁剪子图。aarch64 平台使用 AffineTransform 进行 GPU 加速。

ValidationChecker

静态轨迹验证工具类。ProbabilityByCentripetalAcceleration() 基于向心加速度计算概率；ValidCentripetalAcceleration() 和 ValidTrajectoryPoint() 检查轨迹物理合法性。

AffineTransform

基于 NPP 的 GPU 仿射变换，管理 CCObjectPool 复用 CUDA 内存，提供 GetCoeffs() 和 AffineTransformsFromMat() 两个核心方法。

BaseThreadPool / PredictionThreadPool

分层线程池。BaseThreadPool 基于 Cyber BoundedQueue 实现任务队列和工作线程；LevelThreadPool<LEVEL> 为每层单例（默认三级各 20 线程）；PredictionThreadPool 通过 thread_local 变量按层级路由到对应线程池。

核心函数

数学工具（`math_util`）

函数	说明
`Normalize / Relu / Softmax`	归一化与激活函数
`SolveQuadraticEquation`	求解一元二次方程
`EvaluateQuinticPolynomial`	五次多项式求值
`EvaluateQuarticPolynomial`	四次多项式求值
`EvaluateCubicPolynomial`	三次多项式求值
`ComputePolynomial<N>`	由边界条件计算多项式系数
`GetSByConstantAcceleration`	匀加速运动位移

预测器工具（`predictor_util`）

函数	说明
`TranslatePoint`	平移轨迹点
`GenerateFreeMoveTrajectoryPoints`	生成自由运动轨迹序列
`AdjustSpeedByCurvature`	根据曲率调整速度

PredictionConstants

离线模式常量：kOnlineMode(0)、kDumpFeatureProto(1)、kDumpDataForLearning(2)、kDumpPredictionResult(3)、kDumpFrameEnv(4)、kDumpDataForTuning(5)、kDumpRecord(6)。

配置

通过 prediction_gflags.h/cc 和 prediction_system_gflags.h/cc 管理，使用 DECLARE_*/DEFINE_* 模式。

prediction_gflags：轨迹参数（prediction_trajectory_time_length=6.0s）、地图搜索（lane_search_radius=3.0m）、场景阈值（junction_distance_threshold=10.0m）、障碍物特征、评估器模型路径、交互预测权重等
prediction_system_gflags：模块名称、配置文件路径、离线模式（prediction_offline_mode）、多线程开关（enable_multi_thread）、CUDA 开关（use_cuda）、子模块 topic 名称等

调用关系

text

PredictionComponent
  +-- MessageProcess::Init()
  |     +-- InitContainers/InitEvaluators/InitPredictors
  |     +-- PredictionMap::Ready()
  +-- MessageProcess::OnPerception()
        +-- ContainerProcess()
        |     +-- ObstaclesContainer::Insert()
        |     +-- ScenarioManager::Run()
        |     +-- JunctionAnalyzer::Init()
        |     +-- RoadGraph::BuildLaneGraph()
        |     +-- RightOfWay::Analyze()
        +-- EvaluatorManager::Run()
        |     +-- SemanticMap::RunCurrFrame()
        |     +-- PredictionThreadPool::ForEach()
        +-- PredictorManager::Run()
              +-- ValidationChecker / PredictionMap / math_util
MessageProcess::ProcessOfflineData()
  +-- RecordReader -> OnPerception/OnLocalization/OnPlanning
  +-- FeatureOutput::Insert*() / Write*()

贡献者

Steven Moder

页面历史

最后编辑于 5 天前

查看完整历史

Common ​

概述 ​

核心类 ​

PredictionMap ​

MessageProcess ​

FeatureOutput ​

EnvironmentFeatures ​

JunctionAnalyzer ​

RoadGraph ​

SemanticMap ​

ValidationChecker ​

AffineTransform ​

BaseThreadPool / PredictionThreadPool ​

核心函数 ​

数学工具（math_util） ​

预测器工具（predictor_util） ​

PredictionConstants ​

配置 ​

调用关系 ​

贡献者