自动驾驶---Motion Planning之轨迹Path优化

已于 2024-04-15 20:34:23 修改
阅读量1.4k 收藏 21
点赞数 25
分类专栏： 自动驾驶Planning决策规划 文章标签： 自动驾驶 人工智能
于 2024-03-19 08:31:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/janeiskangs/article/details/136663350
版权
本文探讨了自动驾驶中轨迹横向优化的问题，介绍了Apollo系统中轨迹优化的解耦方法，包括优化目标、约束条件和求解过程。主要内容涉及横向位移、速度、加速度、Jerk及障碍物距离的考量，以及连续性、安全性、曲率约束的设定。
摘要由CSDN通过智能技术生成

1 背景

        在之前的几篇文章中，不管是通过构建SL图《自动驾驶---Motion Planning之Path Boundary》，ST图《自动驾驶---Motion Planning之Speed Boundary》，又或者是构建SLT图《自动驾驶---Motion Planning之构建SLT Driving Corridor》，最终我们都是为了得到boundary的信息。

        构造优化问题求解的前提：首先确定问题的代价函数，有初值，有边界（约束），然后进行求解。笔者会先阐述Apoll

了解本专栏 订阅专栏 解锁全文
智能汽车人
关注
专栏目录
订阅专栏
局部路径规划专栏之9.2：基于Frenet车道线坐标系，采用解耦mini_jerk的插值优化进行局部规划（附C++代码）
qq_35635374的博客
07-09 2491
认知有限，望大家多多包涵，有什么问题也希望能够与大家多交流，共同成长！本文先对基于Frenet坐标系轨迹优化，车道线解耦采样五次多项式拟合做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章提示：以下是本篇文章正文内容Frenet坐标系描述了汽车相对于道路的位置，S代表沿道路的距离，也称为纵坐标，L表示与纵向线的位移，也被称为横坐标，纵坐标表示在道路中行驶距离，横坐标表示汽车偏离中心线的距离。
自动驾驶---Motion Planning之轨迹拼接
智能汽车人的博客
09-07 1115
在讲解轨迹拼接之前，先引入一个自动驾驶量产过程中会出现的一个普遍现象：“画龙”。那么什么是“画龙”呢？在自动驾驶中，“画龙”现象是指车辆在辅助驾驶状态下无法稳定居中行驶，而是会向右或左偏移方向的现象。这种问题的出现可能由多种因素导致，例如车辆的传感器故障、算法设计问题、或者车辆与道路环境交互时的不确定性等。当车辆发生“画龙”现象时，驾驶的舒适性和安全性都会受到影响。这不仅可能导致乘客感到不适，还可能增加发生事故的风险。因此，解决自动驾驶量产中的“画龙”现象是一个重要的挑战。
无人驾驶汽车系统入门（二十一）——基于Frenet优化轨迹的无人车动作规划方法
热门推荐
AdamShan的博客
06-22 4万+
动作规划动作在无人车规划模块的最底层，它负责根据当前配置和目标配置生成一序列的动作，我们前面讨论的三次样条插值实际上只是一个简单的路径，而非我们最终能够执行的轨迹，本文介绍一种基于Frenet坐标系的优化轨迹动作规划方法，该方法在高速情况下的ACC辅助驾驶和无人驾驶都具有很强的实用性，是目前普遍采用的一种动作规划算法。 基于Frenet坐标系的动作规划方法由于是由BMW的Moritz W...
五、车辆轨迹追踪的优化控制
Saurfang的博客
01-10 1659
介绍了车辆横向动力学模型与线性二次调节器(LQR)，并使用LQR方法实现车辆横向控制。
四、规划控制——车辆轨迹追踪优化控制（1）
无……风的博客
06-10 1006
本文将继续深入研究自动驾驶车辆基于动力学模型横向运动的轨迹追踪优化控制——横向动力学模型。
四、规划控制——车辆轨迹追踪优化控制（3）
无……风的博客
06-15 1544
本文将继续深入研究基于LQR的自动驾驶车辆轨迹追踪。
四、规划控制——车辆轨迹追踪优化控制（2）
无……风的博客
06-11 539
本文将继续深入研究自动驾驶车辆轨迹追踪优化控制——LQR。
自动驾驶---Motion Planning之轨迹Speed优化
智能汽车人的博客
04-01 1077
如果对path optimizer比较熟悉的读者，对于speed optimizer应该可以很快的看懂整个过程，因为两者有着比较高的相似度。同时读者也会对二次规划问题有了更深的认识，二次规划问题的“三部曲”（1）构造代价函数（2）构造约束（3）QP求解。自此，整个行车部分的planning模块讲解基本完结，前面对Routing，Behavior Planning，Motion Planning等模块的内容都分别做了比较详细的阐述。后续会针对泊车部分、控制模块开设博客。
自动驾驶---Motion Planning之多段五次多项式
智能汽车人的博客
07-02 903
自动驾驶规划中的五次多项式在生成平滑、连续的轨迹中扮演着重要角色，特别是在速度规划和路径规划中。五次多项式是一个数学函数，其形式通常为：其中，代表车辆随时间变化的纵向位移或路径，而是待确定的系数。上面的形式表示纵向，那么横向同样可以表示为：其中，代表车辆随时间变化的横向位移或路径，而是待确定的系数。在讲解之前，首先举一个例子（如下所示），让读者更容易明白。假设自动驾驶车辆需要从点A行驶到点B，并经过中间点C。我们可以将整个轨迹分为两段：AC段和CB段。
自动驾驶---Motion Planning之参考线Path平滑
智能汽车人的博客
01-28 1445
笔者也经常提到优化的思想在规划模块中使用非常多，在参考线平滑模块，属于二次规划，通常构造二次规划问题的三个基本步骤：（1）确定优化变量；（2）构造代价函数；（3）确定约束条件。文中详细介绍了整个二次规划问题的构造和求解过程。
基于轨迹优化的自动驾驶汽车跟随自行车模型动力学控制（Matlab代码实现）
weixin_66436111的博客
12-07 721
目录💥1 概述📚2 运行结果🎉3 参考文献👨‍💻4 Matlab代码本次使用轨迹优化技术来控制汽车。假设汽车遵循自行车模型的动力学。为了实现稳定和安全的跟踪，我们使用了离散时间模型预测控制。 一个离散的比例控制器（基于定义为偏离赛道中心线的函数的误差）用于生成我们的赛车将遵循的近似轨迹。复制或下载此存储库后，在系统上打开MATLAB并运行main.m。 [1]李晓芳,何俊.智能自动驾驶汽车的轨迹优化[J].价值工程,2017,36(21):129-130.DOI:10.14018/j.cnki
自动驾驶路径规划——轨迹规划（详解插值法）
sinat_52032317的博客
09-22 1万+
轨迹规划全局路径由一系列路径点构成，这些路径点只要包含空间位置信息即可，也可以包含姿态信息，但是不需要与时间相关，这些路径点被称为全局路径点。路径（Path）和轨迹（Trajectory）的区别就在于，轨迹还包含了时间信息，轨迹点也是一种路径点，它在路径点的基础上加入了时间约束。轨迹规划的插值方法。
图解自动驾驶中的运动规划(Motion Planning)，附几十种规划算法
FRIGIDWINTER的博客
02-01 2万+
运动规划是自动驾驶的核心理论和工程技术之一，本文作为教程先导，解析了运动规划的两大组件——路径规划和轨迹规划。欢迎感兴趣的同学订阅专栏！
自动驾驶轨迹规划--算法综述
肥嘟嘟的左卫门
04-22 1万+
1. 背景概述 本文立足于智能车领域的轨迹规划，根据自己的整理和理解输出，权当做一篇学习笔记。这篇只是综述，每种算法的详细过程会在别的篇幅整理出来。 首先解释一下一些基本概念： 规划（planning）承接环境感知，并下启车辆控制。其规划出来的轨迹是带速度信息的路径。广义上，规划（planning）可分为路由寻径（routing）、行为决策（behavioral decision）、运动规划（motion planning）。 路由寻径（routing）：是全局路径规划，可简单的理解为传统地图导
基于优化的自动驾驶车辆路径平滑
qq_16539009的博客
07-26 1833
来源matlab工具箱OptimizationBasedPathSmoothingforAutonomousVehicles；此示例向您展示如何通过保持平滑的曲率和与停车场障碍物的安全距离来优化汽车类机器人的路径。在此示例中，您可以使用optimizePath函数和optimizePathOptions对象来优化规划路径。......
【规划】基于Frenet优化轨迹的无人车动作规划方法
笑扬轩逸的博客
07-05 9955
文章出处：https://blog.csdn.net/adamshan/article/details/80779615 动作规划动作在无人车规划模块的最底层，它负责根据当前配置和目标配置生成一序列的动作，我们前面讨论的三次样条插值实际上只是一个简单的路径，而非我们最终能够执行的轨迹，本文介绍一种基于Frenet坐标系的优化轨迹动作规划方法，该方法在高速情况下的高级车道保持和无人驾驶都具有...
自动驾驶系列—掌握速度，驾驭安全，限速信息提醒功能（SLIF）介绍
最新发布
u013889591的专栏
09-12 841
🌟🌟 欢迎来到我的技术小筑，一个专为技术探索者打造的交流空间。在这里，我们不仅分享代码的智慧，还探讨技术的深度与广度。无论您是资深开发者还是技术新手，这里都有一片属于您的天空。让我们在知识的海洋中一起航行，共同成长，探索技术的无限可能。🚀 探索专栏：学步_技术的首页 —— 持续学习，不断进步，让学习成为我们共同的习惯，让总结成为我们前进的动力。🌈 非常期待在这个数字世界里与您相遇，一起学习、探讨、成长。不要忘了订阅本专栏，让我们的技术之旅不再孤单！💖💖💖 ✨✨ 欢迎关注和订阅，一起开启技术探索之旅！
生成式人工智能在新加坡的发展现状和地位
wukangjupingbb的博客
09-11 604
依据国际隐私专业人员协会(IAPP)的相关报告，2020年，上述两机构更新了该模型框架，发布了第二版，并推出了《组织实施和自我评估指南》，帮助组织评估其人工智能治理实践与型框架的匹配程度，还发布了《案例汇编》，展示了组织如何实施负责任的人工智能治理实践。2019年，金融管理局宣布与金融行业合作创建Veritas框架，为金融机构提供可验证的方法，将FEAT原则纳入其人工智能和数据分析驱动的解决方案中。新加坡在人工智能治理方面采取了部门性的方法，即通过各个行业的监管机构来管理人工智能的使用。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

智能汽车人

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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