路径规划：解决不动的地图
输出：
从a到b的最佳路径
输入：
-
地图
真实情况是由上层提供的地图数据，包括路网和实时交通信息（如果做毕业设计的话，我们可以自定义的建模） -
location
车辆当前位置，由上层传感器定位获取 -
aim place
乘客或计划
具体过程：
-
将世界地图图化为“节点”和“边缘” 分别代表‘路段’、‘路口’
世界图化
-
采用图论中的算法，处理上述问题
经典算法
- A-star算法
面对路径搜索的爆炸问题，加入cost函数计算两个成本：前往候选节点，从候选节点到目的地的成本
成本估算可以根据实际情况自定义
轨迹生成：解决移动的不属于地图的物体
目标
生成一系列由路径点所规定的轨迹，为每个路径点分配时间戳和对应速度（加入速度的目的：确保能够按时到达对应的路径点），这部分需要和预测模块的输出相结合，确保生成的路径点与其他车辆的预测轨迹无冲突
生成路径点的3D trajectory：2D Position + Time
如果是飞机的话，生成的应该是4D航迹
轨迹生成
评价指标
- 避障： 不能与其他车辆，行人等有冲突
- 舒适： 路径点之间的过度，速度的变化都必须是平滑的
- 可执行: 无物理冲突，例如不能要求立即转弯180度
- 合法：遵循相关交通规定
成本函数
在规划出来的满足上述要求的轨迹可能有很多条，使用成本函数，为每条轨迹分配一个成本，通过成本函数将轨迹排序，选出最优轨迹
Frenet坐标
笛卡尔坐标在当前环境无法直观表现车辆特征，引入Frenet坐标系，纵坐标为车道S中心线，横坐标是处处与之垂直的线
Frenet坐标
路径速度解耦规划
解耦将轨迹生成分成了两步：
-
路径规划
-
生成候选曲线
1）首先在路径中生成单元格
2）然后对单元格中的点进行随机取样
3）每个单元格取点，将之连线，生成一条候选曲线
4）重复3）步，构建多条候选曲线
多条候选曲线
-
成本函数对路径进行评估（平滑度，安全性，车道中心的偏离等）
-
成本函数排名，选择成本最低的路径
-
-
速度规划
-
确定沿这条路线行进的速度（一系列的速度值，构成速度曲线）
1） 使用工具ST图设计和选择速度曲线：s表示纵向位移，t表示时间，从而表征车辆在不同时间的位置。其中斜率表征当前速度值，曲线越陡，说明更短的时间t有更大的移动距离s
ST图
2）为构建最佳速度曲线，将st图离散化为多个网格，每个网格的速度相同
3）结合预测模块的输出，将其在ST图中做对应表示，具体如下图所示：
黄色区域是禁止区
4）限制范围内的最优化选取曲线，限制可能包括：法律，例如限速；车距；汽车本身物理限制，例如加速度限制；
使用最优引擎！
选取最优速度曲线
-
平滑处理
上一步的解耦操作，无论是纵向路径选择还是速度选择，都是基于离散化成网格做的相关操作。生成的路线都是一段一段的。
- 二次规划技术 quadratic programming
Lattice规划
- 建立ST和SL轨迹
ST轨迹：具有时间戳的纵向轨迹（与上述ST图一致）
SL轨迹：相对于纵向轨迹的横向偏移
lattice规划步骤
-
车辆状态分类
主要分为以下三种：巡航，跟随，停止
巡航： 完成规划步骤后定速行驶 -
轨迹生成：合并ST,SL坐标为笛卡尔坐标系
-
基于有限状态机的新算法
网友评论