路径规划与决策控制
路径规划算法
榴莲树上的菠萝蜜
吾日三省吾身,有钱乎?学习乎?开心乎?
展开
-
全局路径规划算法—动态规划算法—学习笔记
动态规划在车辆工程技术领域有着广泛的应用,如“两档变速器最优换挡规律”、“混合动力汽车最优能量管理策略”、“栅格地图最优 路径搜索”等。思想:多阶段决策问题转化为一系列单阶段最优化问题。:前一个阶段的状态值未知,需要约束条件计算得出。若干个阶段中求某一个阶段的状态值(典型 )举例说明其中一个阶段(原创 2023-10-13 17:26:17 · 193 阅读 · 0 评论 -
路径规划与轨迹跟踪学习笔记1
位姿信息(传感器获得加速度和角速度信息,将其对时间进行积分)通过卫星获取绝对位置和航向信息。难点在于对信息进行融合统一处理。全局路径规划:已知全局地图。局部路径规划:环境感知信息。原创 2023-10-11 11:17:05 · 76 阅读 · 0 评论 -
全局路径规划算法—蚁群算法—学习笔记
蚁群算法(Ant Colony Algorithm, ACA) 于1992年在首次提出, 该算法模拟了自然界中蚂蚁的觅食行为。蚂蚁在寻找食物源时, 会在其经过的路径上释放一种信息素, 并能够感知其它蚂蚁释放的信息素。信息素浓度的大小表征路径的远近, 信息素浓度越高, 表示对应的路径距离越短。通常, 蚂蚁会以较大的概率优先选择信息素浓度较高的路径, 并释放一定量的信息素, 以增强该条路径上的信息素浓度, 这样会形成一个正反馈。allowk中的元素不断减少,直至为空,即表示所有的城市均访问完毕(原创 2023-10-12 11:14:43 · 99 阅读 · 0 评论 -
全局路径规划算法--Dijkstra算法 --学习笔记
{补充一下有权图的含义(所谓有权图,就是图中的每一条边上都会有相应的一个或一组值。通常情况下,这个值只是一个数字):一般用于表示稠密图,若并非稠密图时,复杂度较高,空间浪费严重。: 一般用于表示稀疏图,节约空间,较于邻接矩阵复杂度低}1.写出节点的邻近节点表 2.字节点转换成数字节点。有权图获取以下信息(便于matlab程序分析):从一个节点遍历其余各节点的最短路径算法(有权有向图:a-b权值与b-a权值不同。解决有权图中最短路径问题。原创 2023-10-11 15:58:35 · 101 阅读 · 0 评论 -
全局路径规划算法—A*算法—学习笔记
从openList中选择 f值最小的 ( 方格 ) 节点I,从 openList 里取出,放到 closeList 中,并把它作为新的父节点。检查所有与它相邻的子节点,忽略障碍物不可走节点、 忽略已经存在于closeList的节点;A*算法结合了贪心算法(深度优先)和Dijkstra算法(广 度优先),是一种启发式搜索算法。f(n) 是从初始状态经由状态n到目标状态的代价估计,g(n) 是在状态空间中从初始状态到状态n的实际代价,h(n) 是从状态n到目标状态的最佳路径的估计代价。Dijkstra算法。原创 2023-10-16 17:48:12 · 826 阅读 · 1 评论 -
局部路径规划学习记录——曲面插值法
就是基于预先构造的曲线类型,根据车辆期望达到的状态(比如要求车辆到达某点的速度和 加速度为期望值),将此期望值作为边界条件代入曲线类型进行方程求解,获得曲线的相关系数。在c点,轨迹曲率由弧AC段的定值突变为0,故为了让车辆能完全跟随轨迹,考虑到方向盘转角是一个连续缓变过程,车辆行驶到在C点后必须速度为0,让方向盘回正后才能继续行驶,因此无法应用于行车路径规划,而应用于。常见的有多项式 曲线、双圆弧段曲线、正弦函数曲线、贝塞尔曲线、B样 条曲线等。七次多项式曲线(位置、速度、加速度、加加速度(冲击度))原创 2023-10-17 16:13:27 · 195 阅读 · 0 评论 -
局部路径规划算法—人工势场法(学习笔记)
由于障碍物与目标点距离太近,当汽车到达目标点时,根据势场函数可知,目标点的引力降为零, 而障碍物的斥力不为零,此时汽车虽到达目标点,但在斥力场的作用下不能停下来,从而导致目标不可达的问题。(2)力由障碍物产生,但方向是由车辆——目标点(避免局部最优)车辆在某个位置时,如果若干个障碍物的合斥力与目标点的引力大小相等、方向相反,则合力为0,这将导致车辆不再“受力”,故无法向前搜索避障路径。被控对象在这两种势场组成的复合场中受到斥力作用和 引力作用,斥力和引力的合力指引着被控对象的运动, 搜索无碰的避障路径。原创 2023-10-18 17:33:14 · 882 阅读 · 1 评论 -
局部路径规划算法-B样条曲线
准均匀B样条曲线:两端节点具有重复度k,中间节点非递减 的序列,准均匀B样条曲线保留了贝塞尔曲线在两个端点处的性质:样条曲线在端点处的切线 即为倒数两个端点的连线。均匀B样条曲线:当节点沿参数轴均匀等距分布,为均匀B样条曲线,当n和k一定时,均匀B样条的 基函数呈周期性,所有基函数有相同形状,每个后续基函数 仅仅是前面基函数在新位置上的重复。B样条曲线是B-样条基函数(给定区间上的所有样条函数组成一个线性 空间。分割线————————————————————————————————————————原创 2023-10-20 20:17:42 · 287 阅读 · 1 评论 -
纯跟踪法——轨迹跟踪控制——学习记录
阿克曼转向的原理是通过使内侧前轮转动更大的角度,从而实现车辆前轮的转弯半径差异。当车辆转弯时,内侧前轮需要更大的转动角度以克服车轮滑移的问题,而外侧前轮的转动角度较小。阿克曼转向的设计需要综合考虑车辆的转弯半径、车轮的转动角度和车辆的长度等因素。值得注意的是,阿克曼转向是一种近似设计,仍存在一定的误差。因此,在设计和制造阿克曼转向机构时,需要对车辆的使用情况和使用条件进行准确的分析和计算,以确保其安全性和可靠性。在纯跟踪中,跟踪误差起到类似于反馈误差的作用,而输出信号的调整类似于P控制器中的比例增益调节。原创 2023-10-24 11:44:22 · 769 阅读 · 0 评论 -
线性二次调节器法(LQR)-轨迹跟踪与控制学习笔记
多输入多输出(MIMO)最优控制问题:这类问题中,需要对多个输入变量和多个输出变量进行优化。通过多目标优化算法,可以求解MIMO系统中的最优控制策略。在最优控制中,常见的多目标包括能耗、时间、舒适性、安全性等。多时间尺度优化最优控制问题:这类问题中,需要在不同时间尺度上优化控制策略。通过多时间尺度的优化算法,可以获得在不同时间尺度上的最优控制策略。多约束优化最优控制问题:这类问题中,需要在满足多个约束条件下寻找最优控制策略。目标函数可以表示为跟踪过程累计的跟踪偏差与累计的控制输入的。原创 2023-10-26 10:53:21 · 754 阅读 · 0 评论 -
MPC法(模型预测控制)—学习总结
滚动优化控制(Rolling Horizon Optimization Control)是一种基于模型预测控制(MPC)的控制策略,用于实现动态系统的路径跟踪和优化。与传统的MPC方法不同,滚动优化控制将优化问题分为不同的时间步,并在每个时间步上重新优化控制策略。滚动优化控制的基本思想是,在每个时间步上,根据当前的状态和环境信息,利用系统的动态模型进行预测,并通过优化算法求解一个有限时间范围内的优化问题。然后,只应用优化问题的前几个时间步的解作为实际控制输入,执行控制,并在下一个时间步上重新优化控制策略。原创 2023-10-27 20:08:37 · 3184 阅读 · 0 评论 -
局部路径规划算法——贝塞尔曲线法——学习记录
贝塞尔曲线是应用于二维图形应用程序的数学曲线,由一组称为控制点的向量来确定,给定的控制点按顺序连接构成控制多边形,贝塞尔曲线逼近这个多边形,进而通过调整控制点坐标改变曲线的形状。需要考虑轨迹容易被车辆跟随(轨迹的曲率是否符合车辆的运动学约束)1.找出所有的控制点。原创 2023-10-19 22:22:44 · 188 阅读 · 0 评论 -
Stanley法—轨迹跟踪与控制—学习纪录
综上所述,纯跟踪法和Stanley法在处理曲线路径、对误差的响应和实现复杂度等方面有一定的区别。纯跟踪法(Pure Pursuit)和Stanley法是两种常用的路径跟踪算法,用于实现自动驾驶系统中的车辆路径跟踪。Stanley方法是一种基于横向跟踪误差为前轴中心到最近路径点的距离的非线性反馈函数,并且能实现。根据车辆位姿与给定路径的相对几何关系可以直观的获得控制车辆方向盘转角的控制变量。引起的转角,即当前车身方向与参考轨迹最近点的切线方向的夹角;引起的转角,即前轮中心到参考轨迹最近点的横向距离。原创 2023-10-25 21:04:37 · 467 阅读 · 0 评论