[运动规划算法]Minimum Snap轨迹规划

最新推荐文章于 2023-08-12 20:40:19 发布

Travis.X

最新推荐文章于 2023-08-12 20:40:19 发布

阅读量7.8k

点赞数 20

本文链接：https://blog.csdn.net/Travis_X/article/details/114435993

版权

简介

系统状态可以被平坦空间的状态以及他们的导数所组成的代数组合所表示。

无人机一般认为有12个维度：
在这里插入图片描述

简单的BVP问题（两点边界值问题），已知始末状态，通过参数化来调整平滑度。
在这里插入图片描述
使用五次多项式来描述这段轨迹：

每个分段的一维轨迹

在这里插入图片描述

在这里插入图片描述

Minimum snap问题的限制条件：初始条件以及结束条件的限制（包含有位置，速度，加速度等）；中间节点连续（包含有位置，速度，加速度）。

在这里插入图片描述
针对minimum jerk，则需要提供位置，速度，角速度3个状态量。所以N = 2 * 3(jerk) - 1 = 5
针对minimum snap，则需要提供位置，速度，加速度，以及角速度，4个状态量。所以N = 2 * 4-1 = 7

如果考虑多段的情况，例如K段，则minimum jerk ，需要 (k-1) +3 +3= k+5 , 这里只要求能够连续的到达中间点，至于以怎样的速度，怎样的加速度到达这个点，是优化出来的，不属于约束。

假设每一段的阶数为N ,则每一段轨迹所能提供的自由度为为N+1。N阶多项式可以提供N次导数，加上原多项式，即为N+1。所以，总计（N+1）*k。
(N+1)*k>= k+5. 则 N = 5 / k。表明轨迹段数越多，则提供的阶次越低。

构建约束方程
在这里插入图片描述
一个多项式分段的导数约束
•还对路径点约束建模（0阶导数）

两段之间的连续性约束：

在这里插入图片描述
凸集

在这里插入图片描述

在轨迹生成中，解析解中的限制条件没有物理意义，而且数值会在高次产生不稳定性，所以要把对系数（无物理意义）的优化变为对va的优化。

通过映射矩阵M将P与限制条件d相连产生关系。d又可以通过选择矩阵Ct把d中的fix条件和free条件分开为dF dP.所以P就可以换成与条件有关的矩阵，通过qp得到闭式解。
在这里插入图片描述

【1】深蓝学院运动规划课程；
【2】

关注