【精读】武大博士||基于高精度地图的城市自动驾驶路径规划方法研究

何德何能让我来研究博士论文

基于高精度地图的城市自动驾驶路径规划方法研究

创新点

1、基于高精度地图的安全驾驶区域生成方法

2、一种基于安全驾驶区域的自适应三层路径规划模型

3、一种基于安全驾驶区域的局部路径规划算法 HDM-RRT

1 绪论 

常规跳过

第2章 城市自动驾驶路径规划问题综述

2.1 面向自动驾驶的三类城市道路场景

自动驾驶传感器受影响的干扰：

1、道路场景不规范

2、交通参与者过多

3、影响定位的因素：植被遮挡、施工阻断

4、冗余数据

2.1.1 结构化道路场景定义

标准道路

2.1.2 半结构化道路场景定义

约束较少，比如校园、城市支路、小区

半结构化道路在我国乡村等地十频繁存在的，具有几个特征：

2.1.3 非结构化道路场景定义

2.2 自动驾驶路径规划系统组成架构

路径规划模块是连接行为决策模块和控制模块的。路径规划模块包括全局路径规划和局部路径规划两个主要步骤。。全局路径规划主 要通过使用高精度地图提供的先验信息进行车辆的总体路线规划，在给定的起点 和终点之间寻找一条最优路线。局部路径规划是基于传感器提供的实时环境信息 与全局路径规划提供的先验引导信息，生成一条或多条安全平滑的可通行轨迹。

其实就是路径规划+轨迹优化

2.3 自动驾驶路径规划问题定义

2.3.1 车辆运动学模型

车辆在道路上运动的时候不能视为一个质点，而应该看作为一个刚体。

针对fstut进行化简

2.3.2 路径规划问题的定义与术语

2.3.3 路径规划的拓展策略

第3章 基于高精度地图的安全驾驶区域生成方法

1. 采样效率提升：通过基于碰撞风险地图的高斯采样方法（CR-GaussianSampling），显著提高了采样点在感兴趣区域（ROI）内的集中度，从而提升了算法的采样效率。

2. 节点优化策略：HDM-RRT算法采用基于Clothoid距离的两层节点优化方法，减少了随机拓展树的冗余度，提高了算法的收敛速度和计算效率。

3. 代价方程设计：引入碰撞风险系数，通过线性方程加权的方式融合碰撞风险代价和轨迹长度代价，作为决定最优母节点的代价方程。

4. 轨迹优化：综合考虑轨迹长度、曲率、危险系数、拟合度等多重因素的代价函数，计算出适合自动驾驶的高质量轨迹。

5. 算法约束条件：考虑车辆运动学、交通法规等约束条件，如曲率约束、迂回约束和转弯半径约束，以确保生成的轨迹既安全又可行。

6. 实验验证：通过在不同典型道路场景下的实验，验证了HDM-RRT算法相比于RRT算法和DT-RRT算法在采样效率、收敛速度和计算效率方面的优越性。