自动驾驶之参考线模块
上一讲:b站老王 自动驾驶决策规划学习记录(五)
接着上一讲学习记录b站老王对自动驾驶规划系列的讲解
参考视频:自动驾驶决策规划算法第二章第三节(上) 路径决策算法:动态规划
0 前言
回顾上一节:参考线,提供光滑的frenet坐标轴
以host在reference line的投影为坐标原点,建立frenet坐标系。
障碍物投影,生成SL图
确定规划的起点
定位得到的host_x,host_y投影到referenceline,得到SL坐标(0, l 0 l_0 l0),以此点为路径规划的起点
这样做是错的
考虑控制是不完美的
规划以100ms周期执行,在上个周期已经规划出轨迹。
正确的做法:
以( S 0 , l 0 S_0,l_0 S0,l0)作为规划的起点
从控制上看规划
如果用定位作为轨迹的起点
SL图
搜索出一条最优的路径
最优的标准:平滑、与障碍物保持适当距离、贴近参考线
可以用二次规划解决
cost function=平滑代价+参考线距离代价+障碍物距离代价
很遗憾:避障问题的二次规划是非凸的,cost function有多个极小值点
非凸问题,没有完美的解决方案
方案:离散化,启发式搜索出一个粗解,以粗解为基础优化出最终解
在离散空间下的最优路径是什么,此最优路径将开辟一个凸空间,在此凸空间上做二次规划。离散空间的最优路径称为粗解,粗解开辟凸空间,在此凸空间上优化出最终解。
如何在凸空间上优化出最终解?二次规划
如何在离散空间上找到粗解?动态规划
连接两点的曲线是什么?
五次多项式
6个系数,求 l = f ( s ) = a 0 + a 1 s + a 2 s 2 + . . . + a 5 s 5 l = f(s)=a_0+a_1s+a_2s^2+...+a_5s^5 l=f(s)=a0+a1s+a2s2+...+a5s5
如何评价路径的优劣,用cost function
平滑:越像直线越平滑,直线越短。
等价于
每个路径都有对应的cost,问题变为找图的最短路径问题
动态规划