自动驾驶轨迹规划_多项式规划中计算轨迹极值问题

自动驾驶轨迹规划:多项式规划中计算轨迹极值问题

附赠自动驾驶最全的学习资料和量产经验:链接

在多项式规划中,经常需要对规划的多条轨迹进行筛选,将不符合约束的轨迹剔除,往往需要求解每条轨迹的极值问题,这时就用到多项式导数为0时计算相应的极值。对5次多项式、4次多项式、三次多项式求解极值相当与求解其导数方程(四次多项式、三次多项式、二次多项式)在0处对应的解。

下文以五次多项式规划举例。

image

规划起点状态为:

image

目标状态为:

image

多项式方程可转化为:

image

表示为:

image

image

image

image

image

则求解后多项式曲线如下:

image

image

image

image

为判断该条曲线是否符合规划约束条件,则需要对s、ds、dds、ddds曲线在时间范围内求取极值进行筛选判断。

方法1:可以在离散域内计算曲线上每个点的值进行判断,这就需要较大运算。

方法2:通过多项式求根公式计算。

运用方法2分别计算了s、ds、dds的极值,即在ds、dds、ddds曲线下的根所对应原曲线的值。从上述途中可以发现,计算的极值坐标点与曲线上峰值所对应位置相符。通过极值可以在判断该曲线是否符合规划约束需求。

  • 16
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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