概括下来就是1.用SSC生成时空语义走廊,在走廊中都是可行点,利用piecewise Bezier curve保证可行性和安全性,Bezier curve的可行性可以参考深蓝学院高飞课程的PPT:
速度约束是硬约束而变道的时间约束是软约束
生成SSC:
1.生成种子,该种子是Ego vehicle前向预测模块的一系列离散的点
2.cube 膨胀直到碰到了障碍物或者语义边界
3.确定约束
4.保留硬约束和无碰撞约束,放松所允许的最大余量是由应用于两个连续立方体的约束条件系统地决定的。(根据速度约束条件,可以通过速度匹配距离来确定边际in longitudinal direction。)
生成安全可行的轨迹:
前人用过的基于多项式曲线的轨迹规划可能无法表示SSC所要求的高度约束性动作,并且对两个采样点之间的碰撞不能检测。两点之间优化的轨迹可能也有障碍物。
故提出了基于贝塞尔曲线的轨迹规划
每两个采样点之间的轨迹表述:
接下来就是构造目标方程和设置约束了:
1.边界约束:起始点和终点p\v\a是固定的。
2.连续约束:在每两端之间的轨迹是符合连续约束的,即p\v\a相等。
3.安全约束:每个控制点都限制在cube走廊之内。
4.动力学约束:每个控制点都要符合v\a约束。
和minimum snap不同的是,目标方程和约束都可用贝塞尔曲线表述,形式更加简单。
最后化成QP问题,在求解器中求解。
总结:
1.SSC把各种语义元素统一表示。
2.利用基于bernstein basis polynomial轨迹优化方法的安全性和可靠性。
3.贝塞尔曲线在车辆的非线性轨迹优化中有大用!
4.缺点就是prediction uncertainty and interaction uncertainty are not sufficiently modeled。