车道线方程

车道线方程


一、车道线的组成

车道线一般由直线、固定曲率弯道的曲线和缓和曲线组成,缓和曲线主要是用于直线和曲线的连接部分。
缓和曲线一般使用螺旋曲线。

二、车道线方程的推导

1.航向角的定义

如下图,θ表示车辆质心速度v与横轴的夹角。其中β是车辆质心侧偏角,φ是车辆横摆角。显然θ=β+φ。
航向角和横摆角

2.缓和曲线–回旋线(clothoid)

回旋线是半径从无穷大一直变化到一定设计值的一段弧线。回旋线是曲率随着曲线长度成比例变化的曲线。
公路、匝道常用的缓和曲线是回旋线,也叫放射螺旋线。回旋线不仅线形美观,而且与驾驶员匀速转动方向盘由圆曲线驶入直线或者由直线驶入圆曲线的轨迹线相符合。

回旋线的本质特征:曲率k随弧长l线性变化。
  d k / l = ± 1 / A 2 , 其中  R ∗ L s = A 2 \ dk/l = ±1/A^2,其中 \ R*Ls=A^2  dk/l=±1/A2,其中 RLs=A2

3. 车道线方程推导

如下图:假设MN是回旋线,   K m \ K_m  Km K n K_n Kn表示M、N处的曲率,   θ m \ θ_m  θm   θ n \ θ_n  θn分别表示M、N处的航向角,  △ s \ △s  s表示MN之间的弧长, s s s表示弧长。
则:   K n = K m + C 1 ∗ △ s ( 1 ) \ K_n = K_m + C_1*△s\quad(1)  Kn=Km+C1s1,其中   C 1 \ C_1  C1表示 ± 1 / A 2 ±1/A^2 ±1/A2,是一个常数,表示曲率随弧长的变化率。
曲率还可以表示为单位弧段上切线转过的角度来表示,即 K = ∣ △ α / △ s ∣ K = |△α/△s| K=∣△α/△s
由此可得: α n = α m + ∫ 0 s K d s ( 2 ) α_n = α_m + \int_0^sKds\quad(2) αn=αm+0sKds2
由(1)可知: K = K m + C 1 ∗ △ s K = K_m+C_1*△s K=Km+C1s
则(2)可表示为: α n = α m + ∫ 0 s ( K m + C 1 ∗ s ) d s α_n = α_m + \int_0^s(K_m + C_1*s)ds αn=αm+0s(Km+C1s)ds α n = α m + K m ∗ s + 1 / 2 ∗ C 1 ∗ s 2 ( 3 ) α_n = α_m + K_m*s+1/2*C_1*s^2\quad(3) αn=αm+Kms+1/2C1s23
N点处的X坐标为:
X n = X m + ∫ m n c o s ( α ) d s ( 4 ) X_n = X_m + \int_m^ncos(α)ds\quad(4) Xn=Xm+mncos(α)ds4
α α α趋近于0时,   c o s ( α ) ≈ 1 \ cos(α)≈ 1  cos(α1
则(4)可表示为: X n = X m + ∫ m n 1 ∗ d s X_n = X_m + \int_m^n1*ds Xn=Xm+mn1ds X n = X m + △ s ( 5 ) X_n = X_m + △s\quad(5) Xn=Xm+s5
N点处的Y坐标为:
Y n = Y m + ∫ m n s i n ( α ) d △ s ( 6 ) Y_n = Y_m + \int_m^nsin(α)d△s\quad(6) Yn=Ym+mnsin(α)ds6
α α α趋近于0时,   s i n ( α ) ≈ α \ sin(α)≈ α  sin(αα
则(6)可表示为: Y n = Y m + ∫ m n α d s Y_n = Y_m + \int_m^nαds Yn=Ym+mnαds
将(3)代入(6)中得到: Y n = Y m + ∫ m n ( α m + K m ∗ s + 1 / 2 ∗ C 1 ∗ s 2 ) d s Y_n = Y_m + \int_m^n(α_m + K_m*s+1/2*C_1*s^2)ds Yn=Ym+mn(αm+Kms+1/2C1s2)ds Y n = Y m + α m ∗ s + 1 / 2 ∗ K m ∗ s 2 + 1 / 6 ∗ C 1 ∗ s 3 Y_n = Y_m + α_m*s+1/2*K_m*s^2+1/6*C_1*s^3 Yn=Ym+αms+1/2Kms2+1/6C1s3 Y n = Y m + α m ∗ s + 1 / 2 ∗ K m ∗ s 2 + 1 / 6 ∗ C 1 ∗ s 3 Y_n = Y_m + α_m*s+1/2*K_m*s^2+1/6*C_1*s^3 Yn=Ym+αms+1/2Kms2+1/6C1s3
假定M是车道线起点 X m = 0 X_m=0 Xm=0 s ≈ x s≈x sx
y = y 0 + α 0 ∗ x + 1 / 2 ∗ K 0 ∗ x 2 + 1 / 6 ∗ C 1 ∗ x 3 y = y_0 + α_0*x+1/2*K_0*x^2+1/6*C_1*x^3 y=y0+α0x+1/2K0x2+1/6C1x3
对比标准三次车道线方程,X轴表示车辆行驶方向:
y = A 0 + A 1 ∗ x + A 2 ∗ x 2 + A 3 ∗ x 3 y=A_0 + A_1*x+ A_2*x^2+A_3*x^3 y=A0+A1x+A2x2+A3x3
可知:
A 0 = y 0 A_0=y_0 A0=y0即: A 0 A_0 A0表示起点处横向截距,即车辆中心到车道线的横向距离;
A 1 = α 0 A_1=α_0 A1=α0即: A 1 A_1 A1表示起点处车辆航向角;
A 2 = 1 / 2 ∗ K 0 A_2=1/2*K_0 A2=1/2K0即: A 2 A_2 A2表示起点曲率的1/2;
A 3 = 1 / 6 ∗ C 1 A_3=1/6*C_1 A3=1/6C1即: A 3 A_3 A3表示曲率变化率的1/6;

回旋线

  • 6
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1.版本:matlab2014/2019a/2021a,内含运行结果,不会运行可私信 2.领域:智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,更多内容可点击博主头像 3.内容:标题所示,对于介绍可点击主页搜索博客 4.适合人群:本科,硕士等教研学习使用 5.博客介绍:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可si信 %% 开发者:Matlab科研助手 %% 更多咨询关注天天Matlab微信公众号 ### 团队长期从事下列领域算法的研究和改进: ### 1 智能优化算法及应用 **1.1 改进智能优化算法方面(单目标和多目标)** **1.2 生产调度方面** 1.2.1 装配线调度研究 1.2.2 车间调度研究 1.2.3 生产线平衡研究 1.2.4 水库梯度调度研究 **1.3 路径规划方面** 1.3.1 旅行商问题研究(TSP、TSPTW) 1.3.2 各类车辆路径规划问题研究(vrp、VRPTW、CVRP) 1.3.3 机器人路径规划问题研究 1.3.4 无人机三维路径规划问题研究 1.3.5 多式联运问题研究 1.3.6 无人机结合车辆路径配送 **1.4 三维装箱求解** **1.5 物流选址研究** 1.5.1 背包问题 1.5.2 物流选址 1.5.4 货位优化 ##### 1.6 电力系统优化研究 1.6.1 微电网优化 1.6.2 配电网系统优化 1.6.3 配电网重构 1.6.4 有序充电 1.6.5 储能双层优化调度 1.6.6 储能优化配置 ### 2 神经网络回归预测、时序预测、分类清单 **2.1 bp预测和分类** **2.2 lssvm预测和分类** **2.3 svm预测和分类** **2.4 cnn预测和分类** ##### 2.5 ELM预测和分类 ##### 2.6 KELM预测和分类 **2.7 ELMAN预测和分类** ##### 2.8 LSTM预测和分类 **2.9 RBF预测和分类** ##### 2.10 DBN预测和分类 ##### 2.11 FNN预测 ##### 2.12 DELM预测和分类 ##### 2.13 BIlstm预测和分类 ##### 2.14 宽度学习预测和分类 ##### 2.15 模糊小波神经网络预测和分类 ##### 2.16 GRU预测和分类 ### 3 图像处理算法 **3.1 图像识别** 3.1.1 车牌、交通标志识别(新能源、国内外、复杂环境下车牌) 3.1.2 发票、身份证、银行卡识别 3.1.3 人脸类别和表情识别 3.1.4 打靶识别 3.1.5 字符识别(字母、数字、手写体、汉字、验证码) 3.1.6 病灶识别 3.1.7 花朵、药材、水果蔬菜识别 3.1.8 指纹、手势、虹膜识别 3.1.9 路面状态和裂缝识别 3.1.10 行为识别 3.1.11 万用表和表盘识别 3.1.12 人民币识别 3.1.13 答题卡识别 **3.2 图像分割** **3.3 图像检测** 3.3.1 显著性检测 3.3.2 缺陷检测 3.3.3 疲劳检测 3.3.4 病害检测 3.3.5 火灾检测 3.3.6 行人检测 3.3.7 水果分级 **3.4 图像隐藏** **3.5 图像去噪** **3.6 图像融合** **3.7 图像配准** **3.8 图像增强** **3.9 图像压缩** ##### 3.10 图像重建 ### 4 信号处理算法 **4.1 信号识别** **4.2 信号检测** **4.3 信号嵌入和提取** **4.4 信号去噪** ##### 4.5 故障诊断 ##### 4.6 脑电信号 ##### 4.7 心电信号 ##### 4.8 肌电信号 ### 5 元胞自动机仿真 **5.1 模拟交通流** **5.2 模拟人群疏散** **5.3 模拟病毒扩散** **5.4 模拟晶体生长** ### 6 无线传感器网络 ##### 6.1 无线传感器定位(Dv-Hop定位优化、RSSI定位优化) ##### 6.2 无线传感器覆盖优化 ##### 6.3 无线传感器通信及优化(Leach协议优化) ##### 6.4 无人机通信中继优化(组播优化)
车道线三次多项式应用主要包括利用三次多项式曲线车道线进行拟合和描述。通过拟合车道线,可以得到车道线的形状和位置,进而实现车道线的检测和跟踪。 拟合车道线的过程是通过将待定系数代入三次多项式曲线方程,使得曲线与实际车道线的数据点拟合得较好。通过拟合,可以得到车道线的曲率、截距和航向角等信息,这些信息对于自动化驾驶和辅助驾驶系统非常重要。 利用三次多项式曲线拟合车道线有以下优点: 1. 较高的拟合精度:通过对车道线进行三次多项式曲线拟合,可以较好地还原实际车道线的形状,使拟合结果更加准确。 2. 数据传输量小:拟合得到的三次多项式的系数可以较为简洁地表示车道线的特征,从而减小数据的传输量。 3. 物理意义明确:通过解析三次多项式曲线的系数,可以直接计算车道线的截距、航向角和曲率等物理量,提供了车道线形状和位置的明确描述。 总之,车道线三次多项式应用可以有效地描述和拟合车道线,为自动化驾驶和辅助驾驶系统提供了重要的车道信息。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [【第4期-智能驾驶汽车系列术语概念解析】第1节:基于车道线方程的曲率计算](https://blog.csdn.net/LWH995158080/article/details/128769268)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值