智能车轨迹控制

1、决策算法分类（一分为三）

        1.1 导航规划算法：与机器人导航，手机导航算法基本一致，长度在几公里到几百公里不等，是规划模块中最成熟的算法。

        特点：导航算法会给一个粗略的，大范围的路径，但是路径不会考虑如何避障，也不会考虑车辆动力学，一般规划的路径是不规则的折现。导航算法一般执行一次，只有遇到大范围拥堵、偏航、施工等情况才会再次执行

        1.2行为规划算法（决策算法）：决定车辆意图（遇到静态往左还是右，遇到动态加速还是减速），是规划里最难的。

        特点：决策算法会给一个车辆的行驶意图，会指导车辆该避让，该超车，该左转该右转，但是决策不会给出具体的运动建议，例如：往左转多少度，车辆加速到多少。

实际环境瞬息万变，因此决策算法需要较高的执行频率，一般为10Hz，决策算法需要有一定的稳定性，不允许在周围环境稳定时出现“朝夕令改”的现象。

1.3运动规划算法：根据决策给出的行为意图在相关的时空中搜索出（或优化出）一条具有详细路径速度信息，并满足各个约束条件的轨迹，并将次轨迹发送给控制模块去跟踪，此轨迹长度一般在几米到几十米不等。

特点：运动轨迹生成的轨迹是决策规划模块的最终输出，具有详细的路径速度的信息，执行频率与决策相同，为10Hz，也需要有一定的稳定性。

2、数学基础

        2.1 五次多项式

                五次多项式是论文里的常数，单独较大，可只记结论

                        

 

 泛函可以稍微补一下

 

 

 

 

 

 

        2.2二次规划（主要是凸优化）

                掉包，算结果，不用关心过程，需要注意使用条件，优缺点，什么情况出问题。

        

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

   

 

         2.3frenet 坐标与Cartesian坐标转换（Cartesian 坐标系与Frenet坐标系的转换 - 简书）

                会用，最好理解

                高次的时候尽量不使用高斯不等式拟合，用分段的低次多项式拟合

 Frenet坐标系与Cartesian坐标系互转_windSeS的博客-CSDN博客_frenet坐标系转换

 

                 一般用六个变量

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 不推荐这样写

 

 

 3