Apollo_速度优化

已于 2022-10-13 20:35:11 修改
阅读量2.4k 收藏 10
点赞数
分类专栏： 决策规划 Apollo 文章标签： 自动驾驶 算法
于 2022-04-22 20:31:34 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/nudt_zrs/article/details/124294482
版权

在获取S-L的路径（横向运动）之后，将障碍物对 当前路径 进行S-T投影，在当前路径的S-T图中，进行启发式速度搜索。最后进行平滑处理（速度优化）。

在获取启发式速度规划以后，需要对其进行平滑处理

scenario_type: LANE_FOLLOW
stage_type: LANE_FOLLOW_DEFAULT_STAGE
stage_config: {
  stage_type: LANE_FOLLOW_DEFAULT_STAGE
  enabled: true
  task_type: LANE_CHANGE_DECIDER
  task_type: PATH_REUSE_DECIDER
  task_type: PATH_LANE_BORROW_DECIDER
  task_type: PATH_BOUNDS_DECIDER
  task_type: PIECEWISE_JERK_PATH_OPTIMIZER
  task_type: PATH_ASSESSMENT_DECIDER
  task_type: PATH_DECIDER
  task_type: RULE_BASED_STOP_DECIDER
  task_type: ST_BOUNDS_DECIDER
  task_type: SPEED_BOUNDS_PRIORI_DECIDER
  task_type: SPEED_HEURISTIC_OPTIMIZER
  task_type: SPEED_DECIDER
  task_type: SPEED_BOUNDS_FINAL_DECIDER
  # task_type: PIECEWISE_JERK_SPEED_OPTIMIZER
  task_type: PIECEWISE_JERK_NONLINEAR_SPEED_OPTIMIZER
  task_type: RSS_DECIDER

......

PIECEWISE_JERK_SPEED_OPTIMIZER

分段常加加速度优化 Piecewise jerk Speed optimization

算法理论：

离散t，优化变量为s,\dot{s},\ddot{s} ，建模为QP问题/IPOPT问题

代码解析：

【规划】Apollo QSQP接口详解_lemon_zy的博客-CSDN博客

Apollo 6.0 速度规划算法解析 - 知乎

Planning 基于动态规划的速度规划 - 知乎

Planning 基于二次规划的速度规划 - 知乎

Planning 基于非线性规划的速度规划 - 知乎

Planning-Apollo速度决策规划_Schulz King的博客-CSDN博客_apollo速度规划

Apollo 6.0的EM Planner (3)：速度规划的动态规划DP过程 - 知乎

Apollo 6.0的EM Planner (4)：速度规划的二次规划QP过程 - 知乎

 Apollo EM Planner（DP决策+QP优化）_牛仔很忙吧的博客-CSDN博客

牛仔很忙^
关注
专栏目录
Apollo_PIECEWISE_JERK_NONLINEAR_SPEED_OPTIMIZE 非线性速度优化
专栏
06-23 154
先讲下为什么需要使用非线性速度规划， 如下图，基于二次规划的速度规划中，pi是曲率关于时间t的函数，但实际上路径的曲率是与s相关的。二次规划在原先动态规划出来的粗糙ST曲线上将关于s的曲率惩罚转化为关于t的曲率惩罚，如此，当二次规划曲线与动态规划曲线差别不大，规划出来基本一致；若规划差别大，则会差别很大。就如图所示，规划出来的区间差别较大。限速/曲率的函数是关于s的函数，而s是我们要求的优化量，只能通过动态规划进行转化，如此就会使得二次规划的速度约束不精确。为了使得限速更加精细，Apollo提出了一种基于非
Apollo Planning决策规划算法代码详细解析 (16):SPEED_HEURISTIC_OPTIMIZER 速度动态规划中
自动驾驶Player的博客
05-11 2078
一、概述 SPEED_HEURISTIC_OPTIMIZER 是lanefollow 场景下，所调用的第 12个 task，属于task中的optimizer 类别，它的作用主要是： apollo中使用动态规划的思路来进行速度规划，其实更类似于使用动态规划的思路进行速度决策； 首先将st图进行网格化，然后使用动态规划求解一条最优路径，作为后续进一步速度规划的输入，将问题的求解空间转化为凸空间 本文将详细讲解apollo速度动态规划的代码，用打断点调试的方法一步步解析动态规划的过程。 apollo速度的
appollo-二次规划ST速度优化
u012260559的博客
10-27 2626
二次规划ST速度优化 from https://github.com/ApolloAuto/apollo/blob/master/docs/specs/qp_spline_st_speed_optimizer_cn.md Tip: 为了更好的展示本文档中的等式，我们建议使用者使用带有插件的Chrome浏览器，或者将Latex等式拷贝到在线编辑公式网站进行浏览。 1 定义 从二次规划样条路径中选取一条路径后，Apollo将路线上的所有障碍物和自动驾驶车辆（ADV）展现在一个时间-路径图上（path-time
Apollo Planning决策规划算法代码解析 (17):SPEED_HEURISTIC_OPTIMIZER 速度动态规划下
自动驾驶Player的博客
05-14 2306
一、概述 SPEED_HEURISTIC_OPTIMIZER 是lanefollow 场景下，所调用的第 12个 task，属于task中的optimizer 类别，它的作用主要是： apollo中使用动态规划的思路来进行速度规划，其实更类似于使用动态规划的思路进行速度决策； 首先将st图进行网格化，然后使用动态规划求解一条最优路径，作为后续进一步速度规划的输入，将问题的求解空间转化为凸空间 本文将详细讲解apollo速度动态规划的代码，用打断点调试的方法一步步解析动态规划的过程。 apollo速度的
Apollo_ADS_路径规划3- 速度曲线 优化_QP-Spline-ST-Speed Optimizer
chepwavege的专栏
07-11 5179
QP-Spline-ST-Speed Optimizer ST纵向距离 VS 时间，station-time (S-T) S 纵向arc lengthVS Lateral 横向距离station-lateral https://github.com/ApolloAuto/apollo/blob/master/docs/specs/qp_spline_st_speed_optimizer...
【Apollo学习笔记】——规划模块TASK之SPEED_HEURISTIC_OPTIMIZER
sinat_52032317的博客
09-02 2183
在Apollo星火计划学习笔记——Apollo路径规划算法原理与实践与【Apollo学习笔记】——Planning模块讲到……Stage::Process的函数会依次调用task_list中的TASK，本文将会继续以LaneFollow为例依次介绍其中的TASK部分究竟做了哪些工作。由于个人能力所限，文章可能有纰漏的地方，还请批评斧正。在配置文件中，我们可以看到LaneFollow所需要执行的所有task。本文将继续介绍LaneFollow的第10个TASK——动态规划规划目标加速度尽可能小。
apollo_3.5.zip5
05-22
8. **性能优化**：每个版本都致力于性能的提升，Apollo 3.5可能对配置读取速度、推送延迟等方面进行了优化，提高了整体系统的响应速度。 9. **扩展性**：Apollo的设计允许与其他系统集成，例如与日志系统、监控系统...
apollo_datasheet
02-20
Apollo是Ambiq公司生产的一款低功耗32位微控制器（MCU...对于设计工程师来说，这些文档是选择和应用Apollo MCU的宝贵资源，帮助他们优化其产品的电源管理，提高产品的运行时间，并最终开发出更高效、更具竞争力的设备。
Apollo_Programming:普渡太阳能用于阿波罗汽车的主要代码存储库
04-11
1. **太阳能电池管理**：代码中可能会有针对太阳能电池充放电策略的算法，优化能源利用率，确保汽车在光照不足时仍能保持运行。 2. **自动驾驶系统**：可能包含有关传感器数据处理、路径规划、避障算法的代码，这些...
apollo自动驾驶进阶学习之：实例演示如何在apollo中用osqp库进行速度平滑(3)
qq_41593516的博客
06-07 656
因为QP问题一定是可求解的，而且目前各种求解器都支持求解QP问题，速度相对于非线性优化问题快了很多很多很多。
apollo学习之---（32）速度动态规划
qq_41593516的博客
04-18 1522
文章目录1、参考文章2、代码分析3、实践 1、参考文章 Apollo 6.0 速度规划算法解析 Apollo 6.0的EM Planner (3)：速度规划的动态规划DP过程 2、代码分析 3、实践
apollo学习之---planning理论到实践（4）---速度规划理论学习
qq_41593516的博客
11-16 1605
文章目录1、参考资料 1、参考资料
Apollo - PIECEWISE_JERK_SPEED_OPTIMIZER数学原理
Martin248890的博客
02-20 697
Apollo规划控制中，Piecewise jerk speed optimizer 中的osqp矩阵解读
[apollo]qp_speed_optimzer
jja223的博客
07-26 745
Tip: 为了更好的展示本文档中的等式，我们建议使用者使用带有插件的Chrome浏览器，或者将Latex等式拷贝到在线编辑公式网站进行浏览。 1 定义 从二次规划样条路径中选取一条路径后，Apollo将路线上的所有障碍物和自动驾驶车辆（ADV）展现在一个时间-路径图上（path-time ST），该路径图表示了路径上的站点变化。速度优化的任务是在ST图上找到一条合理的，无障碍的路径。 Apollo...
Apollo 7.0 PiecewiseJerkSpeedOptimizer（分段加加速度优化器）代码解读
davidhopper的博客
08-07 940
使用QP来求解速度曲线。Apollo 3.0中的使用多段五次多项式连接的样条曲线（每2s使用一个五次多项式拟合，8s时长的轨迹共有8/2=4段五次多项式。实际求解过程中，为了降低计算量，实际求解中仅使用了3段多项式来求解[0, 6]s区间内的速度曲线。这些五次多项式隐含的控制点和节点向量满足样条曲线的迭代表达式就形成了五次多项式样条曲线）来拟合速度，使用二次规划来优化五次多项式的系数，并使用库来求解，之后再使用求解出的多项式系数来确定自变量为时间，因变量为的五次多项式...
Apollo Planning决策规划算法代码详细解析 (15): 速度动态规划SPEED_HEURISTIC_OPTIMIZER 上
自动驾驶Player的博客
05-06 3357
一、概述 SPEED_HEURISTIC_OPTIMIZER 速度动态规划是lanefollow 场景下，所调用的第 12个 task，属于task中的optimizer 类别，它的作用主要是： apollo中使用动态规划的思路来进行速度规划，其实更类似于使用动态规划的思路进行速度决策； 首先将st图进行网格化，然后使用动态规划求解一条最优路径，作为后续进一步速度规划的输入，将问题的求解空间转化为凸空间 本文将详细讲解apollo速度动态规划的代码，用打断点调试的方法一步步解析动态规划的过程。 apo
Apollo 算法阅读之Public Road轨迹规划算法--速度规划
同学醒醒放学了
05-24 4093
1.Speed_bounds_prior_decider: 首先，将障碍物的轨迹映射到s-t graph，随后计算出障碍物的轨迹（prior过程，障碍物在速度方面不存在decision，因此此次计算轨迹是withoutdecision），并将其放置boundaries集合中，随后设置速度最大限制（沿规划好路径），最后，st_graph_data保存boundaries,speed_limit等. 2.DP_ST_SPEED_OPTIMIZER： 根据上述的boundaries，进行计算启发式速度曲线搜索，得
Apollo星火计划学习笔记——Apollo速度规划算法原理与实践
热门推荐
sinat_52032317的博客
12-29 1万+
Apollo中对路径规划解耦，分为路径规划与速度规划两部分。并将规划分为决策与优化两个部分。•路径规划—— 静态环境（道路，静止/低速障碍物）•速度规划—— 动态环境（中/高速障碍物）## 1.1 速度规划的坐标系速度规划的坐标系注意：速度规划的sss沿着轨迹的方向，路径规划的sss沿着参考线的方向。目标函数与二次规划的目标函数差不多，增加了横向加速度的代价值以及松弛变量wsoftslowerwsoft​slower​与wsof。
apollo自动驾驶进阶学习之：如何实现施工路段限速绕行及其参数调试
qq_41593516的博客
07-20 4531
首先需要理解Planning模块是基于Scenario、Stage、Task这样的层次来进行的，即场景->步骤->具体的决策方法。Apollo可以应对自动驾驶所面临的不同道路场景，都是通过Scenario统一注册与管理。Scenario通过一个有限状态机来判断选择当前行车场景，每个Scenario下又有多个Stage，指当前场景下需要执行的粗略步骤。.........
opencv使用gpu加速
最新发布
12-14
为了使用OpenCV的GPU加速功能，需要使用OpenCV的cuda模块，并且需要支持CUDA的显卡驱动和CUDA工具包。下面是三种使用OpenCV的GPU加速的方法： 1. 使用OpenCV内置函数进行运算 ```python import cv2 # 读取图像 img = cv2.imread('image.jpg') # 将图像转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 创建一个GPU加速的Mat对象 d_gray = cv2.cuda_GpuMat() # 将灰度图像上传到GPU d_gray.upload(gray) # 在GPU上进行高斯模糊 d_blur = cv2.cuda_GpuMat() cv2.cuda.GaussianBlur(d_gray, (5, 5), 0, d_blur) # 将结果从GPU下载到CPU blur = d_blur.download() # 显示结果 cv2.imshow('blur', blur) cv2.waitKey(0) cv2.destroyAllWindows() ``` 2. 使用GPU加速的OpenCV函数 ```python import cv2 # 读取视频 cap = cv2.VideoCapture('video.mp4') # 创建一个GPU加速的BackgroundSubtractorMOG2对象 fgbg = cv2.cuda.createBackgroundSubtractorMOG2() while True: # 读取一帧 ret, frame = cap.read() if ret: # 将帧上传到GPU d_frame = cv2.cuda_GpuMat() d_frame.upload(frame) # 在GPU上进行背景减除 d_fgmask = cv2.cuda_GpuMat() fgbg.apply(d_frame, d_fgmask) # 将结果从GPU下载到CPU fgmask = d_fgmask.download() # 显示结果 cv2.imshow('frame', frame) cv2.imshow('fgmask', fgmask) if cv2.waitKey(1) & 0xFF == ord('q'): break else: break cap.release() cv2.destroyAllWindows() ``` 3. 使用GPU加速的自定义函数 ```python import cv2 # 定义一个GPU加速的函数 @cv2.cuda.host_allocator def my_function(rows, cols, dtype, stream=None): # 在GPU上创建一个Mat对象 d_mat = cv2.cuda_GpuMat(rows, cols, dtype) # 在GPU上进行运算 # ... # 将结果从GPU下载到CPU mat = d_mat.download() # 返回结果 return mat # 调用自定义函数 result = my_function(480, 640, cv2.CV_8UC3) ```
评论
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

牛仔很忙^

雪中送炭者，定当铭记在心！

¥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