Frenet-Frame 下Mini Jerk 的轨迹生成方法

本文介绍了基于Frenet坐标系的Mini Jerk轨迹生成方法,通过最小化jerk来确保车辆行驶的平滑性。在高速和低速场景下,分别给出了轨迹生成的数学模型,并提供了Python实现的示例链接。
摘要由CSDN通过智能技术生成

介绍一种依靠车辆中心线的Mini Jerk 的轨迹生成方法。

注:下文中两点上标,都是3点上标。

1,原理推导

‘’’
如果让车开的稳就得保证轨迹加速的平滑,加速的平滑度可以用jerk的L2模来度量,jerk就是加速度的导数。即[1]

$$J_{t}(p(t)):=\int_{t_{0}}^{t_{1}} \ddot{p}^{2}(\tau) \mathrm{d} \tau$$

其中 p p p 为车行驶的位置, p p p上三个点表示对时间的三次导数,表示jerk物理量。

根据最优化原理[2]:

$$C=\frac{1}{2} \int_{0}^{T} L d t$$

其中

$$L=\left(\frac{d^{3} x}{d t^{3}}\right)^{2}+\left(\frac{d^{3} y}{d t^{3}}\right)^{2}$$

要想使C取得最小值,L应满足:

$$\frac{\partial L}{\partial x}-\frac{d}{d t}\left(\frac{\partial L}{\partial x}\right) \cdots+(-1)^{n} \frac{d^{n}}{d t^{n}} \frac{\partial L}{\partial\left(x^{(n)}\right)}=0$$
$$\frac{\partial L}{\partial y}-\frac{d}{d t}\left(\frac{\partial L}{\partial y}\right) \cdots+(-1)^{n} \frac{d^{n}}{d t^{n}} \frac{\partial L}{\partial\left(y^{(n)}\right)}=0$$

从而

$$\frac{d^{3}}{d t^{3}} \frac{\partial\left(\ddot{x}^{2}\right)}{\partial(\ddot{x})}=0$$ $$\frac{d^{3}}{d t^{3}} \frac{\partial\left(\ddot{y}^{2}\right)}{\partial(\ddot{y})}=0$$

然后

$$\frac{d^{6} x}{d t
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