[自动驾驶算法][从0开始轨迹预测]:一、坐标系和坐标系变换

既然要从0开始轨迹预测,那从哪开始写起呢?回想下自己的学习历程,真正有挑战性的不是模型结构,不是繁琐的训练和调参,而是数据的制作!!!

笔者自认为不是一个数学基础牢固的人,那么我们的轨迹预测之旅就从坐标转换开始吧~~~

由难至简,才能做到【删繁就简三秋树,领异标新二月花】,专注于轨迹预测的核心算法。


1. 坐标系:

二维直角坐标系,笛卡尔坐标系(Cartesian coordinate system),由两条相互垂直、相交于原点的数线构成的。
在这里插入图片描述

直角坐标系也可以推广至三维空间与高维空间 (higher dimension)。在原本的二维直角坐标系,再添加一个垂直于x-轴,y-轴的坐标轴,称为z-轴,叫做三维直角坐标系。

那么三维直角坐标系的x,y,z-轴的指向,以及绕x,y,z-轴旋转的方向该如何确定呢??

三维直角坐标系分两种,左手坐标系和右手坐标系,那么为什么要用左手和右手来区分呢?这是因为当确定了x-轴,y-轴方向之后,z-轴的方向有两种可能,它可以通过左手或右手来确定。

下面就是这两个坐标系 x,y,z-轴指向 的规则示意图(图中固定了x轴的正方向向右,y轴的正方向向上),其中大拇指、食指、中指分别对应于x-轴、y-轴、z-轴:

对坐标系使用左手与右手的命名,有一个作用就是用来方便 判断旋转的正方向,这就是左手螺旋法则和右手螺旋法则。例如对左手坐标系,确定一个旋转轴后,左手握住拳头,拇指指向旋转轴的正方向,四指弯曲的方向为旋转的正方向。相应地,右手坐标系就用右手来判定。确定了旋转的正方向后,在公式计算中就很容易知道是该使用正角度还是负角度了。下图就是右手的例子:
在这里插入图片描述

给定任意一个旋转角度的三维坐标系,如果按上面的方法判断旋转正方向,首先,你得确定这个坐标系是左手坐标系还是右手坐标系,这时你会先拿出一只手来,像上图一样摆好三根手指的姿势来比对给定坐标系的x、y、z轴正方向看是否一致。然后根据旋转轴的正方向,用相应的手来判断旋转正方向。

那么有什么快速判断的方法吗?
在这里插入图片描述

上图给出左右手坐标系绕z轴的旋转方向,从我们眼睛看屏幕的角度来看,它们绕z轴旋转的正方向都是逆时针。同理,绕y-轴和x-轴也可以获得相同的结论。则:对于任意旋转角度的三维坐标系(无需区分左右手),绕某一坐标轴旋转的正方向,与另外两个坐标轴的正方向顶端按X—>Y—>Z—>X的顺序进行指向的方向一致。


2. 坐标转换与坐标系转换

自由度的定义:自由度(Degree of Freedom,简称DOF)是指系统中可以自由变化的独立参数的数量,也就是系统的状态空间维度(有几个量可以调节)。

公式预警!!! 都是超级简单的向量的相加,相信我读完你会有收获哒!!!

2.1 2D坐标转换

1. 平移(Translation)

在2D空间中,我们经常需要将一个点平移到另一个位置(如下图所示)。假设空间中的一点P,其用坐标表示为(x,y);将其向 x方向平移 tx,向y方向平移ty, 假设平移后点的坐标为(x’,y’),则上述点的平移操作可以归纳为:
x ′ = x + t x y ’ = y + t y O P ′ → = O P → + P P ′ → x' = x+t_x \\y’ = y+t_y \\ \overrightarrow{OP'} = \overrightarrow{OP} + \overrightarrow{PP'} x=x+txy=y+tyOP =OP +PP
在这里插入图片描述

公式(1)又可以采用矩阵表述如下:

[ x ′ y ′ ] = [ 1 0 t x 0 1 t y ] [ x y ] \left[ \begin{array}{cc} x' \\ y'\end{array} \right] = \left[ \begin{array}{cc} 1 & 0&t_x\\ 0&1&t_y\end{array} \right]\left[ \begin{array}{cc} x \\ y\end{array} \right] [xy]=[1001txty][xy]

2. 缩放(Scaling)

​ 其中,s_x和s_y分别是沿x和y轴的缩放因子。
x ′ = s x x y ’ = s y s O P ′ → = s O P → x' = s_xx \\y’ = s_ys \\ \overrightarrow{OP'} = s\overrightarrow{OP} x=sxxy=sysOP =sOP

在这里插入图片描述

​ 齐次坐标的形式:
[ x ′ y ′ 1 ] = [ s x 0 1 0 s y 1 0 0 1 ] [ x y 1 ] \left[ \begin{array}{cc} x' \\ y'\\ 1\end{array} \right] = \left[ \begin{array}{cc} s_x & 0&1\\ 0&s_y&1 \\ 0&0&1\end{array} \right]\left[ \begin{array}{cc} x \\ y \\1\end{array} \right] xy1 = sx000sy0111 xy1

3. 旋转(Rotation)

点P(x,y)绕坐标系原点旋转 θ \theta θ角得到点P’(x‘,y’)有:

在这里插入图片描述

将OP与x-轴正方向的夹角记做 β \beta β,OP的长度为r,且 r c o s β = x rcos\beta = x rcosβ=x, r s i n β = y rsin\beta=y rsinβ=y,则P‘的坐标可推导为:
x ′ = r c o s ( θ + β ) = r ( c o s θ c o s β − s i n θ s i n β ) = r c o s β c o s θ − r s i n β s i n θ y ′ = r s i n ( θ + β ) = r ( s i n θ c o s β + c o s θ s i n β ) = r c o s β s i n θ + r s i n β c o s θ x' = rcos(\theta + \beta) = r(cos\theta cos\beta - sin\theta sin\beta) = rcos\beta cos\theta -rsin\beta sin\theta \\ y' = rsin(\theta + \beta) = r(sin\theta cos\beta + cos\theta sin\beta) = rcos\beta sin\theta +rsin\beta cos\theta \\ x=rcos(θ+β)=r(cosθcosβsinθsinβ)=rcosβcosθrsinβsinθy=rsin(θ+β)=r(sinθcosβ+cosθsinβ)=rcosβsinθ+rsinβcosθ

x ′ = x c o s θ − y s i n θ y ′ = x s i n θ + y c o s θ x' = xcos\theta - ysin\theta \\ y'=xsin\theta+ycos\theta x=xcosθysinθy=xsinθ+ycosθ

同理写成齐次坐标的形式:
[ x ′ y ′ 1 ] = [ c o s θ − s i n θ 1 s i n θ c o s θ 1 0 0 1 ] [ x y 1 ] \left[ \begin{array}{cc} x' \\ y'\\ 1\end{array} \right] = \left[ \begin{array}{cc} cos\theta & -sin\theta&1\\ sin\theta&cos\theta&1 \\ 0&0&1\end{array} \right]\left[ \begin{array}{cc} x \\ y \\1\end{array} \right] xy1 = cosθsinθ0sinθcosθ0111 xy1

2.2 2D坐标系转换

理解了2D坐标转换,2D坐标系的转换(坐标点不动,坐标系动-横看成岭侧成峰)可以看成2D坐标转换的逆转换:

​ 坐标系向左平移 = 坐标点在原坐标系基础上向右平移;

​ 坐标系绕轴顺时针旋转 = 坐标点在原坐标系的基础上绕轴逆时针旋转;

1. 坐标系平移

红色坐标系相对于黑色坐标系中平移的距离为(i, j)

红色点在红色坐标系的位置为(x, y),则红色点在黑色坐标系的表示如下图所示:

图中示例,坐标系向左向下平移,相当于P点像右像上平移。

在这里插入图片描述

x ′ = i + x y ′ = j + y O P ′ → = O O ′ → + O ′ P → = ( i , j ) + ( x , y ) = ( i + x , j + y ) x'=i+x \\ y'=j+y \\ \overrightarrow{OP'} = \overrightarrow{OO'}+\overrightarrow{O'P} = (i, j) + (x, y) = (i+x,j+y) x=i+xy=j+yOP =OO +OP =(i,j)+(x,y)=(i+x,j+y)
​ 将坐标系的平移写成齐次坐标的形式:
[ x ′ y ′ 1 ] = [ 1 0 i 0 1 j 0 0 1 ] [ x y 1 ] \left[ \begin{array}{cc} x' \\ y'\\ 1\end{array} \right] = \left[ \begin{array}{cc} 1 & 0&i\\ 0&1&j \\ 0&0&1\end{array} \right]\left[ \begin{array}{cc} x \\ y \\1\end{array} \right] xy1 = 100010ij1 xy1

2. 坐标系旋转

在这里插入图片描述

已知 红点P在蓝色坐标系的位置(x, y),也知道蓝色坐标系相较于黑色坐标系顺时针旋转的角度θ

求解: 红点在黑色坐标系同的位置(X‘, Y’)?

蓝色坐标系相较于黑色坐标系顺时针旋转的角度θ,相当于计算P点在蓝色系内绕远点逆时针旋转θ

向量分解的方法推导:

将P点的坐标,沿黑色坐标系分解:

在这里插入图片描述

x ′ = x c o s θ − y s i n θ y ′ = x s i n θ + y c o s θ x'=xcos\theta-ysin\theta \\ y'=xsin\theta+ycos\theta x=xcosθysinθy=xsinθ+ycosθ
写成齐次坐标的形式:
[ x ′ y ′ 1 ] = [ c o s θ − s i n θ 1 s i n θ c o s θ 1 0 0 1 ] [ x y 1 ] \left[ \begin{array}{cc} x' \\ y'\\ 1\end{array} \right] = \left[ \begin{array}{cc} cos\theta & -sin\theta&1\\ sin\theta&cos\theta&1 \\ 0&0&1\end{array} \right]\left[ \begin{array}{cc} x \\ y \\1\end{array} \right] xy1 = cosθsinθ0sinθcosθ0111 xy1

3. 2D坐标系旋转平移总结

已知 红点在蓝色坐标系的位置P(xb, yb),也知道蓝色坐标系相较于黑色坐标系 旋转的角度θ, 其中 蓝色坐标系的原点在黑色坐标系中的位置为(δx, δy).

求解: 红点在黑色坐标系同的位置(xa, ya)?

在这里插入图片描述

以向量的方式推导:

​ P点在A系下的坐标可以用向量 O a P → \overrightarrow{O_aP} OaP 表示:
O a P → = O a O b → + O b P → \overrightarrow{O_aP} = \overrightarrow{O_aO_b}+\overrightarrow{O_bP} OaP =OaOb +ObP
​ 其中 O a O b → = ( δ x , δ y ) \overrightarrow{O_aO_b}=(\delta_x,\delta_y) OaOb =(δx,δy),那么我们该如何表示向量 O b P → \overrightarrow{O_bP} ObP 的坐标值呢?

​ 在此处有个误区,大家可能会觉得 O b P → = ( x b , y b ) \overrightarrow{O_bP}=(x_b,y_b) ObP =(xb,yb)。其实不是这样的,(xb,yb)坐标表示的是点P在B坐标系中的位置,视角是站在B坐标系上的,此时我们的视角应该是在A坐标系,或者是和A坐标系平行的。

所以,我们应该将B坐标系进行旋转,保证和A坐标系平行的,如下图所示。

在这里插入图片描述

根据前面旋转部分的推导,我们可以得到:
O b P → = [ c o s θ − s i n θ s i n θ c o s θ ] [ x b y b ] \overrightarrow{O_bP}=\left[ \begin{array}{cc} cos\theta & -sin\theta\\ sin\theta&cos\theta \end{array} \right]\left[ \begin{array}{cc} x_b \\ y_b \end{array} \right] ObP =[cosθsinθsinθcosθ][xbyb]
则根据公式(14),
O a P → = [ x a y a ] = [ δ x δ y ] + [ c o s θ − s i n θ s i n θ c o s θ ] [ x b y b ] = [ c o s θ ∗ x b + δ x − s i n θ ∗ y b s i n θ ∗ x b + δ y + c o s θ ∗ y b ] \overrightarrow{O_aP} = \left[\begin{array}{} x_a \\ y_a \end{array}\right] =\left[\begin{array}{} \delta_x \\ \delta_y \end{array}\right] + \left[\begin{array}{} cos\theta & -sin\theta \\ sin\theta & cos\theta \end{array}\right]\left[\begin{array}{} x_b \\ y_b \end{array}\right] = \left[\begin{array}{} cos\theta*x_b+\delta_x -sin\theta*y_b \\ sin\theta*x_b+\delta_y + cos\theta*y_b \end{array}\right] OaP =[xaya]=[δxδy]+[cosθsinθsinθcosθ][xbyb]=[cosθxb+δxsinθybsinθxb+δy+cosθyb]
写成齐次坐标的形式:
[ x a y a 1 ] = [ c o s θ − s i n θ δ x s i n θ c o s θ δ y 0 0 1 ] [ x b y b 1 ] \left[ \begin{array}{cc} x_a \\ y_a\\ 1\end{array} \right] = \left[ \begin{array}{cc} cos\theta & -sin\theta&\delta_x\\ sin\theta&cos\theta&\delta_y \\ 0&0&1\end{array} \right]\left[ \begin{array}{cc} x_b \\ y_b \\1\end{array} \right] xaya1 = cosθsinθ0sinθcosθ0δxδy1 xbyb1

T T T表示transform,变换的意思。

B A T ^A_BT BAT表示的是 由B坐标系变换为A坐标系的意思。

对于2D坐标系的旋转和平移大致上我们可以得到以下:
P a = B A T ⋅ P b P b = B A T − 1 ⋅ P a P_a =_B^AT ·P_b \\ P_b =_B^AT^{-1} ·P_a Pa=BATPbPb=BAT1Pa

注意:先平移还是先旋转的问题

  • 上述转换为局部坐标系->全局坐标系下的转换,此时P点的原点为局部坐标系的原点,此时无论是先旋转局部坐标系,还是先平移局部坐标系都是一样的;
  • 而当进行全局坐标系到局部坐标系的转换时,此时P点的原点为全局坐标系下的原点,当先旋转全局坐标系时,局部坐标系原点的位置也会随着旋转而变化,变化的值为 R ∗ ( δ a , δ b ) R*(\delta_a,\delta_b) R(δa,δb),即此时的转换方式为 R ∗ P + R ∗ ( δ a , δ b ) R*P+R*(\delta_a,\delta_b) RP+R(δa,δb);当先平移坐标系时,此时的转换方式为 R ∗ ( P + ( δ a , δ b ) ) R*(P+(\delta_a,\delta_b)) R(P+(δa,δb))

2.3 3D坐标系转换

3D坐标系转换,仅仅是添加了一维z-轴,所使用的基础公式和2D并无差异。

1. 3D坐标系平移

同样已知 红色点在蓝色坐标系的位置为(x1,y1,z1)

蓝色坐标系的原点在黑色坐标系中的位置为(δx,δy,δz)

求解: 红色点在黑色坐标系中的位置点(x2,y2,z2)?

在这里插入图片描述

根据向量的加法有:
O 2 P → = O 2 O 1 → + O 1 P → = ( δ x , δ y , δ z ) + ( x 1 , y 1 , z 1 ) \overrightarrow{O_2P} = \overrightarrow{O_2O_1} + \overrightarrow{O_1P} = (\delta_x,\delta_y,\delta_z)+(x_1,y_1,z_1) O2P =O2O1 +O1P =(δx,δy,δz)+(x1,y1,z1)
同样,用齐次坐标表示:
[ x 2 y 2 z 2 ] = [ 1 0 0 δ x 0 1 0 δ y 0 0 1 δ z ] [ x 1 y 1 z 1 ] \left[\begin{array}{cc} x_2 \\ y_2 \\z_2 \end{array} \right] = \left[ \begin{array}{cc} 1 & 0&0&\delta_x\\ 0&1&0&\delta_y \\0&0&1&\delta_z\end{array} \right]\left[ \begin{array}{cc} x_1 \\ y_1 \\z_1\end{array} \right] x2y2z2 = 100010001δxδyδz x1y1z1

2. 3D坐标系旋转
  1. 绕z轴旋转(同2D旋转):
    yaw:偏航角。 是沿世界坐标系的Z轴旋转的角度。0表示面向世界坐标系的X轴正向。

    绕z-轴旋转,z坐标保持不变
    [ x 2 y 2 z 2 ] = [ c o s θ − s i n θ 0 s i n θ c o s θ 0 0 0 1 ] [ x 1 y 1 z 1 ] \left[ \begin{array}{cc} x_2 \\ y_2\\ z_2\end{array} \right] = \left[ \begin{array}{cc} cos\theta & -sin\theta&0\\ sin\theta&cos\theta&0 \\ 0&0&1\end{array} \right]\left[ \begin{array}{cc} x_1 \\ y_1 \\z_1\end{array} \right] x2y2z2 = cosθsinθ0sinθcosθ0001 x1y1z1

  2. 绕y轴旋转:
    pitch:俯仰角。 就是抬头或低头,和大地水平面的夹角。换句话说,是沿自身坐标系(X轴向前的坐标系)的Y轴旋转的角度。
    绕y-轴旋转,z坐标保持不变

[ x 2 y 2 z 2 ] = [ c o s θ 0 s i n θ 0 1 0 − s i n θ 0 c o s θ ] [ x 1 y 1 z 1 ] \left[ \begin{array}{cc} x_2 \\ y_2\\ z_2\end{array} \right] = \left[ \begin{array}{cc} cos\theta &0& sin\theta\\0&1&0\\ -sin\theta&0&cos\theta \\ \end{array} \right]\left[ \begin{array}{cc} x_1 \\ y_1 \\z_1\end{array} \right] x2y2z2 = cosθ0sinθ010sinθ0cosθ x1y1z1

你是不是也发现了,这个公式好像和2D旋转的不大一样?别急,手动画一下旋转图像你就会明白的

在这里插入图片描述

还记得前面介绍,旋转角的正负吗?忘记的同学可以看一下本篇文章的第一部分坐标系, 旋转的正方向为X->Y->Z->X,而此时绕y轴旋转的角度theta,为 旋转的负方向 ,所以此时应在原旋转矩阵的基础上取逆矩阵即可~,这也是为什么绕Y轴旋转的公式不一样的原因!!!

  1. 绕X轴旋转:
    roll:翻滚角。 就是左倾或右倾,和大地水平面的夹角。换句话说,是沿自身坐标系(X轴向前的坐标系)的X轴旋转的角度。
    x坐标保持不变
    [ x 2 y 2 z 2 ] = [ 1 0 0 0 c o s θ s i n θ 0 − s i n θ c o s θ ] [ x 1 y 1 z 1 ] \left[ \begin{array}{cc} x_2 \\ y_2\\ z_2\end{array} \right] = \left[ \begin{array}{cc} 1&0&0\\0&cos\theta & sin\theta\\ 0&-sin\theta&cos\theta \\ \end{array} \right]\left[ \begin{array}{cc} x_1 \\ y_1 \\z_1\end{array} \right] x2y2z2 = 1000cosθsinθ0sinθcosθ x1y1z1

  2. 3D坐标系的旋转:
    R z y x = R x ( α ) R y ( β ) R z ( γ ) R_{zyx}=R_x(\alpha)R_y(\beta)R_z(\gamma) Rzyx=Rx(α)Ry(β)Rz(γ)
    将上述三个矩阵依次相乘:
    在这里插入图片描述

​ 上述矩阵看成:
[ R 11 R 12 R 13 R 21 R 22 R 23 R 31 R 32 R 33 ] \left[ \begin{array}{cc} R_{11}&R_{12}&R_{13} \\ R_{21}&R_{22}&R_{23}\\ R_{31}&R_{32}&R_{33}\end{array} \right] R11R21R31R12R22R32R13R23R33

如果我想通过旋转矩阵反求旋转角度,该如何做呢?观察旋转矩阵各个项之间的关系。

三角函数中,如果要求解一个角度值,可以通过:
θ = a r c t a n ( s i n θ , c o s θ ) \theta=arctan(sin\theta,cos\theta) θ=arctan(sinθ,cosθ)

求绕x-轴旋转的角度
α = a r c t a n ( R 21 , R 11 ) \alpha=arctan(R_{21},R_{11}) α=arctan(R21,R11)
求绕y-轴旋转的角度:

​ 求解绕y轴旋转有点麻烦,已知公式(24),则:
β = a r c t a n ( − R 31 , c o s β ) \beta=arctan(-R_{31},cos\beta) β=arctan(R31,cosβ)
​ 那么 c o s β cos\beta cosβ怎么求呢?我们继续观察 R 11 R_{11} R11 R 21 R_{21} R21, 他们分别是 c o s ( α ) ⋅ c o s ( β ) cos(α)⋅cos(β) cos(α)cos(β) s i n ( α ) ⋅ c o s ( β ) sin(α)⋅cos(β) sin(α)cos(β)

​ 尝试使用 R 11 2 + R 21 2 \sqrt{R_{11}^2+R_{21}^2} R112+R212 ,化简后得到:
c o s β = R 11 2 + R 21 2 cos\beta =\sqrt{R_{11}^2+R_{21}^2} cosβ=R112+R212
​ 则:
β = a r c t a n ( − R 31 , R 11 2 + R 21 2 ) \beta=arctan(-R_{31},\sqrt{R_{11}^2+R_{21}^2}) β=arctan(R31,R112+R212 )
求绕z-轴的旋转角度:
γ = a r c t a n ( R 32 , R 33 ) \gamma=arctan(R_{32},R_{33}) γ=arctan(R32,R33)

  • 25
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于Frenet坐标系采样的自动驾驶轨迹规划算法研究是王沙晶在自动驾驶领域的研究工作。Frenet坐标系是一种针对曲线描述的坐标系,通过定义横向和纵向坐标,可以将车辆在道路上的位置进行精确描述。在自动驾驶中,轨迹规划是重要的任务,它决定了车辆的运动路径和轨迹。 王沙晶的研究关注基于Frenet坐标系自动驾驶轨迹规划算法。该算法的目标是在给定的车辆状态和环境信息的基础上,生成一个符合安全性、舒适性和效率要求的轨迹。为实现这一目标,王沙晶提出了一种采样方法,通过在Frenet坐标系中进行样本点采样,来搜索最优的轨迹。 基于Frenet坐标系采样的自动驾驶轨迹规划算法主要包括以下几个步骤。首先,根据路段的几何形状信息,将车道划分为一系列的离散点,这些点被称为路径规划点。然后,在Frenet坐标系中,以路径规划点为中心,以横向偏移和纵向偏移为范围进行采样,生成一系列的样本点。接下来,通过评估样本点的代价函数,从中选取最优的轨迹。最后,根据所选轨迹,生成相应的车辆控制参数,如转向角和速度。 王沙晶的研究通过在实际道路场景中进行仿真实验,验证了基于Frenet坐标系采样的自动驾驶轨迹规划算法的有效性和性能优势。该算法不仅能够满足行驶的舒适性和安全性要求,还能够在效率方面取得较好的表现。这些研究成果对于实现更加智能、安全和高效的自动驾驶系统具有重要的意义。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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