Reeds-Shepp曲线学习笔记及相关思考

最新推荐文章于 2024-05-02 02:31:34 发布

慕羽★

最新推荐文章于 2024-05-02 02:31:34 发布

阅读量6k

点赞数 28

分类专栏：运动规划和控制文章标签：学习 Reeds-Shepp曲线运动规划学习笔记自动驾驶

本文链接：https://blog.csdn.net/qq_44339029/article/details/126200191

版权

运动规划和控制专栏收录该内容

65 篇文章 207 订阅

订阅专栏

本篇博客主要记录在学习Reeds-Shepp曲线过程中的笔记及相关思考和概括总结

一、主要参考资料
1、提出Reeds-Shepp曲线的原始论文：【点击此处跳转】
2、路径规划 - ReedsShepp 曲线：【点击此处跳转】
3、Reeds-Shepp和Dubins曲线简介：【点击此处跳转】
4、自动驾驶-路径规划-ReedsShepp 曲线总结：【点击此处跳转】
5、【自动驾驶轨迹规划之dubins曲线与reeds-shepp曲线】：【点击此处跳转】
6、OMPL中给出的ReedsSheppStateSpace.cpp源码：【点击此处跳转】
7、Reeds-Shepp 曲线的Matlab实现：【点击此处跳转】
8、自动驾驶运动规划-Reeds Shepp曲线：【点击此处跳转】
9、HJ Sussman 和 G Tang的论文：【点击此处跳转】

二、Reeds-Shepp曲线简介

关于Dubins曲线的相关内容可查看我之前的笔记【点击此处跳转】

Reeds-Shepp曲线由 J.AReeds 和 L.A.Sheep 于 1990 年发表的论文 optimal path for a car that goes both forward and backwards中提出，是一种基于 Dubins 算法的改进算法，详情见主要参考资料1。
相比于Dubins曲线只允许车辆向前运动，Reeds-Shepp曲线运动模型既允许车辆向前运动，也允许车辆向后运动。这就使得在某些情况下可以得出比 Dubins 曲线更优的解。如下图所示，其中左图为Dubins曲线，右图为Reeds-Shepp曲线

J Reeds和L Shepp证明Reeds Shepp Car从起点到终点的最短路径一定是下面的word的其中之一。word中的"|"表示车辆运动朝向由正向转为反向或者由反向转为正向，带π/2下标表示该段轨迹的弧长/弧长对应的角度为π/2。带β下标的相邻两段轨迹的弧长/弧长对应的角度相等，加号代表前行，减号代表倒车

展开后对应以下48种组合，尽管HJ Sussman 和 G Tang在70多页的论文中已经证明L-R+L-和R-L+R-这两种是多余的，依然还有46种组合，详情见主要参考资料9。相比于Dubins曲线只有6种可能的组合，Reeds-Shepp要复杂很多。

三、Reeds-Shepp曲线轨迹求解思路

1、位姿变化

在求解轨迹前，为方便运算，需要先对当前位姿和目标位姿进行变换，假设起始姿态为qi=(xi, yi,ψi)，目标姿态为qg=(xg,yg, ψg)，车辆转弯半径为r=ρ。首先将向量qiqg,平移到原点(0,0)，平移量为(-x1，-y1)。则qi平移到(0,0)，qg平移到(x2-x1,y2 -y1)，然后再将向量qiqg旋转-ψ1度，（注意，是–ψ1度，很多参考资料里写的是ψ1度，是错误的），旋转后再将向量qiqg进行缩放，使其除以最小转弯半径ρ，这样就可以把最小转弯半径归一化为1，变换过程的公式如下所示：

2、六种基础运动公式

Reed-Shepp曲线允许进行倒车，因此车辆存在六种最基础的运动，即左转前进，右转前进ψ，直行前进，左转倒车，右转倒车，直行倒车，车辆从当前位姿（x，y，ψ）分别按照以上基础运动来运动弧长t（直行时代表直线距离）后对应的姿态如下所示：

（注：计算时会将最小转弯半径归一化为1，所以弧长t也对应转过的弧度制角度）

3、轨迹求解

假设经过位姿变化后的起点和目标点位姿分别为（0，0，0）和（x，y，ψ），假设要求解从起点到目标点的L+S+L+轨迹，则只需要将起点（0，0，0）代入到上面六种基础运动中的L+公式中，将结果再代入S+公式中，再将结果代入L+公式中，得到的结果与已知的目标点位姿（x，y，ψ）等价，因此可以得到3个等式，未知数便是基础运动公式中的t，代入了3次，即t1、t2、t3，或者可以用t、u、v来表示，如下面的公式所示：

同理，我们可以对其他的轨迹进行分析求解，上面举例的L+S+L+轨迹是较容易的一种，在求解其他轨迹时可能需要用到一些复杂的求解方法，我尚未找到完整的9种轨迹求解过程（为什么是9种，而不是48或46种将在下文中介绍），主要参考资料2 中也仅仅给出了2种。（L+S+L+和L+S+R+）

4、类型变换

事实上，我们并不需要将48或者46种轨迹的求解公式都求出来，我们可以通过以下几种变换，以转换的形式以某种轨迹的求解公式来求其他轨迹的解，常见的变换有以下3种及其组合。

（1）时间变换 (timeflip)

时间变换通过交换轨迹字母上标符号+和- ，即车取反向的行进方向。举个例子，从起点（0，0, 0）到目标点（x，y，ψ）的L-S-L-轨迹可以通过从起点（0, 0，0）到点（-x，y，-ψ）的L+S+L+轨迹求得，因为两者关于x轴对称，如果感觉以上描述有些抽象，可以看一下主要参考资料4 中给出的示意图。
再通俗一点讲，当我们需要求解从起点（0，0, 0）到目标点（x，y，ψ）的L-S-L-轨迹的时候，我们可以选择求解从起点（0, 0，0）到点（-x，y，-ψ）的L+S+L+轨迹，由于两个轨迹关于x轴对称，将得到的L+S+L+轨迹关于x轴对称变化后，即可得到我们真正想要求的轨迹，通过以上的转换，我们不再需要求解L-S-L-轨迹的求解公式，就可以得到L-S-L-轨迹。

（2）反射变换 (reflect)

反射变换通过交换轨迹字母中的R和L ，即将R变成L，将L变成R，举个例子，从起点（0，0, 0）到目标点（x，y，ψ）的R+S+R+轨迹可以通过从起点（0, 0，0）到点（x，-y，-ψ）的L+S+L+轨迹求得，因为两者关于y轴对称。

（3）逆向变换 (backwards)

5、类型变换的应用

通过反射变换，我们可以去掉表中所有R开头的轨迹（当然去掉L开头的轨迹也是可以的，为了与主要参考资料6中给出的参考代码对应，我们以去掉R为例），直接去掉了24个，再通过时间变换，可以去掉剩下24个中L-开头的12种轨迹，只剩下了12种以L+开头的轨迹，如下图所示：

就拿c|c|c轨迹举例，去掉36种轨迹后，只剩下L+R-L+轨迹，利用时间变换可求被去掉的L-R+L-轨迹，通过反射变换可求被去掉的R+L-R+轨迹，通过时间+反射变换，可求被去掉的R-L+R-轨迹。
在剩下的12种轨迹中，通过时间变换+逆向变换，可以再次去掉轨迹L+R+L-和轨迹L+R-L-中的一种，这里以去掉L+R+L-为例，通过时间变换+反射变换+逆向变换，可以再次去掉轨迹8和9或去掉10和11，这里以去掉10和11为例，也就是说整个CSCC轨迹均被去掉了，这也解释了很多人疑问的程序中为什么没有CSCC轨迹代码，其实这并不是程序缺失，而是不需要有。现在就只剩下下图所示的9种轨迹了