Abordamos el problema de lograr la conducción autónoma en el mundo real para autobuses, donde la tarea es percibir obstáculos cercanos y predecir su movimiento en el tiempo futuro, dada la información actual y pasada del objeto. En este documento, presentamos el desarrollo de un pipeline modular para la predicción a largo plazo de las trayectorias de obstáculos dinámicos para un autobús autónomo. El pipeline consta de tres tareas principales: la tarea de detección de obstáculos, la tarea de seguimiento y la tarea de predicción de trayectorias. A diferencia de la mayoría de la literatura existente que realiza experimentos en el laboratorio, los módulos de nuestro pipeline dependen de los módulos introductorios en el pipeline; utiliza la salida de módulos anteriores. Esto emula mejor la conducción autónoma en el mundo real y refleja los errores que pueden acumularse y propagarse desde módulos anteriores con menos del 100% de precisión. Para la tarea de predicción de trayectorias, proponemos un método de entrenamiento para mejorar el rendimiento del módulo y alcanzar una frecuencia de 10 Hz. Presentamos los problemas prácticos que surgen al realizar autobuses autónomos listos para implementar y proponemos métodos para superar estos problemas para cada tarea. Nuestro conjunto de datos de autobuses autónomos de Singapur (SGAB) evaluó el rendimiento del pipeline. El conjunto de datos está disponible públicamente en línea.