2021MathorCup大赛A题思路

最新推荐文章于 2024-07-16 00:30:00 发布

氢立方

最新推荐文章于 2024-07-16 00:30:00 发布

阅读量4.1k

点赞数 3

分类专栏：数学建模文章标签：算法动态规划

本文链接：https://blog.csdn.net/qq_40738137/article/details/116209223

版权

该博客详细探讨了2021MathorCup大赛A题——自动驾驶转弯问题。作者从轨迹模型构建、曲率与转弯半径、路径规划、非线性规划建模、速度归一化处理到算法优化等多个方面进行了深入分析，利用MATLAB的Automated Driving Toolbox进行仿真。文章最后，作者对团队合作表达了个人情绪。

摘要由CSDN通过智能技术生成

A题自动驾驶转弯问题

问题一

在交会几何和预测观测车辆行驶轨迹的前提下，我们构建了一个基于约束条件的轨迹模型。利用已有的控制算法即以点线式车辆-道路模型进行设计，忽略车辆与道路形状之间的实际差异，利用参数化曲线表示道路轨迹，车辆根据参数化曲线以及自身状态做出转向动作。由题设条件可知，我们采用界定分析法确定车辆行驶的轨迹区域，选取加速度、最大曲率、安全距离等作为约束条件，在已有的地图模型基础上建立轨迹预测模型[1]，并运用MATLAB中的Automated Driving Toolbox进行仿真。

问题二

在问题一的基础上，已知曲率决定转弯半径，方向盘转角决定的是车转弯时轨迹半径的极限值。而车在转弯时，是否需要倒车的条件是由路宽、车距、最小曲率半径所决定的。这里，我们采用路径规划算法对轨迹进行预测，寻找其界限值。由题设条件可知，临界值由安全距离、最小半径、车宽三者共同决定。根据经验可知，当最小半径都不满足一次性转弯时，那么就必须倒车。

问题三

通过寻找约束条件进行非线性规划建模[2]，并采用算法实现其路径规划。依据题干条件设定两个场景，场景一为仅存在F或G障碍物；场景二为障碍物F、G同时都存在。利用构建的无人车运动的非完整约束模型和行驶过程中的速度约束条件，并基于障碍项、曲率项、光滑项、场函数构建损失函数，并将其作为优化对象求解轨迹模型。