- 博客(4)
- 收藏
- 关注
RSS订阅原创 apollo速度规划部分的论文阅读
在笛卡尔空间中具有微分约束的车辆的配置可以用三个变量来表示，xyθxyθ，其中，xyx, yxy指定了车辆的某个参考点的坐标，θ\thetaθ指定了车辆在笛卡尔空间中的航向角。apoolo将一个新维度κ\kappaκ，即车辆转向产生的即时曲率加入到配置空间中，以进行更精确的建模，因此计算轨迹提供了额外的信息，可用于更好地设计反馈控制器。所以apollo的速度规划本质上是找到一个函数τt\tau (t)τt将时间ttt映射到特定配置xyθκxyθκ。
2024-03-15 14:43:30
1534
原创 车辆跟驰模型分析和整理
该模型充分考虑了驾驶员的生理、心理因素对驾驶行为的影响和制约,及由此而产生的不同驾驶行为,从建模方法上更接近实际情况,最大限度上仿真实际车辆的驾驶行为。安全距离模型基于这样的假设：即驾驶人期望与前导车保持安全车头间距，当前导车突然制动时，驾驶人能够有时间做出反应并减速停车，以避免发生碰撞。该模型，每个个体车辆都会进行随机加速或者减速，当车辆与前车距离接近阈值时不能有效地实施减速。第二项用来衡量当前车速与期望车速的差距，促进车辆加速，第三项衡量当前车距与期望车距的差距，促进车辆制动。
2023-12-11 14:23:11
3675
1
翻译 Enable faster and smoother spatiotemporal trajectory planning for autonomous vehicles in constrained
文章目录引言提出的方法参考轨迹生成轨迹平滑基于代价的轨迹规划方法有三种流行的模型：基于采样、基于图搜索、基于优化。它们都有各自的缺点，基于采样的方法计算代价高，基于图搜索的方法分辨率低，基于优化的方法缺乏全局意识。本文框架保持了基于图搜索的方法和基于优化的方法的优势，从而实现了在约束动态环境下更快更平滑的时空轨迹规划。该方法首先基于有向无环图构造时空驱动空间，并利用改进后的A∗A*A∗算法有效地搜索时空轨迹。然后以搜索结果为参考，设计局部凸可行驾驶区域，并应用MPC，综合考虑车辆运动学和运动障碍，进一步
2023-11-30 16:19:00
170
原创 Graphs of Convex Sets (GCS) 介绍
但对于更高的维度，试图覆盖配置空间的每个角落可能是一个错误的目标。然而，为了定义这些速度，我们需要了解我们穿越路径的速率，因此我们还引入了时间缩放参数化，就像我们在上面的运动学轨迹优化中所做的那样，在每个凸集中都有时间缩放参数。）我们不断在GCS轨迹优化框架中添加更多的成本和约束——一些看似非凸的约束实际上有一个精确的凸的重新表述，其他的有很好的凸近似。轨迹优化技术可以包含丰富的代价和约束范式，比如连续曲线上的导数约束，并可以扩展到高维配置空间，但是它们本质上是基于梯度优化的，所以会受到局部极小值的影响。
2023-11-22 10:51:22
1621
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人