自动驾驶_时空联合规划-SSC planner-CSDN博客

本文链接：https://blog.csdn.net/adas_l5/article/details/139626463

自动驾驶:时空联合规划-SSC planner

Safe Trajectory Generation for Complex Urban Environments Using Spatio-temporal Semantic Corridor

摘要:在复杂的城市环境中，自动驾驶汽车的安全轨迹规划具有挑战性，因为需要考虑许多语义元素(如动态代理、交通信号灯和速度限制)。这些语义元素可能有不同的数学描述，如障碍、约束和成本。调整不同语义元素组合的效果以获得稳定和可推广的行为是非常重要的。本文提出了一种新的统一时空语义走廊结构，为不同类型的语义元素提供了一个抽象层次。SSC由一系列相互连接的无碰撞多维数据集组成，这些多维数据集具有由时空语义元素构成的动态约束。然后将轨迹生成问题归结为一般的二次规划(QP)公式。由于统一的SSC表示，我们的框架可以推广到任何语义元素的组合。此外，我们的公式利用分段B´ezier曲线参数化的凸包和相位特性，从理论上保证了整个轨迹是安全且满足约束的。我们还发布了方法的代码以适应基准测试。

附赠自动驾驶最全的学习资料和量产经验：链接

INTRODUCTION
在复杂的城市环境中，自动驾驶汽车(AVs)的轨迹生成具有挑战性，因为存在许多语义元素(例如，动态代理、交通信号灯、限速、停车标志和车道几何形状)。不同类型的语义元素可能有不同的数学描述，如障碍、约束和成本[1]。调整不同语义元素组合的效果是很重要的，这样公式就可以很好地推广到所有语义元素的组合[2]。因此，统一描述各种语义元素，使语义元素的类型和组合不影响规划性能是至关重要的。

图1:轨迹生成框架的示意图。环境的复杂语义元素被投射到参考车道的时空域。SSC对语义元素给出的要求进行编码，并相应地生成安全轨迹。
除了语义元素的表示问题外，另一个问题是如何保证生成轨迹的安全性和可行性。大多数现有的基于优化[3,4]和lattice-based[5],[7]运动规划者试图检查或强制约束的一系列采样点。然而，这些方法可能无法检测或解决两个样本点之间的不可行点，从而无法为整个轨迹提供安全保证。
为了克服上述挑战，我们提出了一种统一的轨迹生成框架，该框架具有理论上的安全性和可行性保证。该框架的关键是一种新的时空语义走廊结构。大多数语义元素可以在一定的时空范围内呈现为时空障碍或约束，这一事实激发了SSC的产生。SSC的主要特点是对不同类型的语义元素进行抽象。本质上，SSC由一系列相互连接的无碰撞多维数据集组成，这些多维数据集具有由语义元素构成的动态约束。我们提出了一个SSC生成过程来生成和分割多维数据集，以便正确地关联动态约束。
给定统一的SSC表示，轨迹生成器生成问题归结为在满足动力学约束的情况下生成SSC内的最优轨迹。本文利用分段B´ezier曲线参数化，给出了一个二次规划(QP)公式，保证了生成轨迹的安全性和可行性。所提出的公式是建立在B´ezier曲线的凸包和hodograph属性之上的。这些贡献总结如下:
•一种为复杂城市环境中各种语义元素提供统一表示的SSC结构。
•基于优化的轨迹生成公式，确保整个生成轨迹的安全性和可行性。
•一个完整的、开源的轨迹生成框架和多智能体城市仿真平台的实时实现。通过全面的实验和比较来验证其性能。
第二节对相关文献进行了综述。第三节概述了我们的轨迹生成框架。我们的SSC生成方法和轨迹生成方法分别在第五节和第六节中详细介绍。第七节阐述了实验结果和基准分析。最后，在第八节得出结论。

RELATED WORKS
Spatio-temporal motion planning for AVs
关于自动驾驶汽车的时空运动规划有大量的文献。Ziegler等人[5]在时空流形上采样时空状态格[8]，并使用基于搜索的方法获得可执行轨迹。McNaughton等[6]采用了一种时空状态格，通过数值优化可以自动符合车道几何形状。由于搜索空间的大小不可接受的膨胀(即维数的诅咒)，在[6]中采用了gpu加速的动态规划。然而，在[5,6,8]中没有对城市环境中的语义元素(如限速、交通灯等)进行建模。
有几种方法试图对语义元素建模。Wolf等人[9]将语义元素与专门设计的成本函数联系起来，并将成本项聚合为一个势场。然而，这种方法受到局部最小值的影响。此外，正确平衡不同成本项对不同语义元素配置的影响也很重要[2]。Hubmann等[10]将交通灯和动态代理作为纵向和时域的障碍物，并采用基于搜索的方法获得通用驾驶策略(即速度计划)。Ajanovic等人[1]扩展了障碍物的表示，将禁止变道和实线作为障碍物，将速度限制作为速度约束。

在[1]中的类障碍代表和类约束代表表示的基础上，我们进一步提出了SSC结构来表示不同类型的语义元素。SSC的关键特征是它提供了一个抽象级别，对以后优化所需的所有信息进行编码。增加新的语义元素或组合不同的语义元素不影响成本公式化和约束规范，从而形成统一的、可泛化的轨迹生成框架。

Corridor generation for AVs

空间廊道(即凸自由空间)在轨迹生成中有着广泛的应用。Zhu et al.[11]提出了一种凸弹性平滑算法，该算法可以在初始路径周围产生一个无碰撞的"管"，并将轨迹平滑问题建模为一个二次约束的二次规划问题(quadratic constrained quadratic programming, QCQP)。Erlien等[12]在