无人驾驶车辆模型预测控制代码_无人驾驶系统速度规划模块要点总结

简单的无人驾驶系统的整体架构如下图所示：

1. 最底层的是车辆平台，主要是三电(转向、驱动、制动)可以线控；
2. 然后是硬件平台，无人驾驶汽车刚开始兴起的时候主要是工控机，后来有英伟达的TX2、PX2，现在各无人驾驶玩家都开始有自家提供的硬件平台；
3. 再往上，就是操作系统；
4. 最上面就是和无人驾驶系统相关的传感器和三大功能模块(感知、决策、控制)。

更完善的系统架构，可以参考Apollo的技术框架。

其中，速度规划是在 Decision 大模块中，在 Motion Planning 的子模块中，其根据高精度地图和定位模块给出的定位信息，全局路径规划给出的参考路径，感知和预测模块给出的其他物体的信息，以及本车的状态信息，计算出当前的期望加速度(acc)，下发给车辆控制模块。

这里需要先对汽车不同工况的加速度大小，以及加加速度有个基本概念。

汽车在不同工况下的制动减速度大小

无人驾驶汽车的速度控制：加加速度Jerk的概念

注：后文提到的加速度acc，有正负，正为加速，负为减速。acc越大，代表加速越猛；acc越小，代表制动越猛。

为了理解方便，用减速度dec描述制动的acc，dec只有正，越大代表制动越猛。

需要注意的是，这里给出的速度规划模块要点，用于处理直道或弯道时的跟车场景，如下图所示。主要包括四部分：

1. 预处理
2. 计算限速
3. 计算期望acc
4. acc的后处理

跟车场景

一、预处理

已知信息包括：

1. 本车车速，为防止反馈的当前车速跳变或突然变为0，需要加一些特殊处理；
2. 前车车速，与本车车速类似的处理，但其可突变，即第一帧检测到前车；若前车不存在，保守的策略，出于安全考虑，可设为0.0m/s；激进的策略，则可设为该路段的道路限速；
3. 与前车的距离，为防止误检(只出现单帧或两三帧)，需要加一些滤波；若前车不存在，通常可设为传感器能够感知到的最远距离。

需要估算的信息：

1. 本车的加速度
2. 前车的加速度

二、计算限速

限速可分为两类，静态限速和动态限速，主要包括：

1. 车辆自身限速
2. 系统设定限速
3. 路网限速(来源于高精度地图)
4. 曲率限速(弯道和换道的曲率限速参数需要分开设置)
5. 风险限速(来源于一些决策逻辑)

限速不局限以上五种的计算，限速信息会记录到参考行驶轨迹的每个点上。

三、计算期望acc

这里是最核心的部分，也是最简单又复杂的部分，简单在于查表，复杂在于这个表是怎么来的。

查表，即根据本车车速、前车车速、与前车的距离，查表得到期望的加速度acc。

这个表怎么来的呢？

通常先根据公式或模型，计算得到一张基本表；然后在各种工况下测试，不断微调此表。

这里就体现出用表的好处：可以单点调整，而不影响其他地方。

基于多项式曲线的速度规划

四、acc的后处理

查表得到期望的acc之后，还需要一些后处理，包括：

1. 考虑前车的加速度信息，即将前车的加速度乘以一个系数，再加到期望acc上。与前车距离越远，该系数越小；与前车距离越近，该系数越大；
2. 考虑自车加加速度Jerk的限制，与前车距离越近，Jerk越大；期望acc越小(dec越大)，Jerk越大；
3. 停车时的特殊处理，在停车时，dec需要持续大于某一值，防止越来越小最后为0，溜车；
4. 自车的加速度限制，最后的最大最小值的限制，通常若是制动，dec需要大于某一最小响应值。

实际工程中，后处理是比较麻烦的地方，后处理也不局限于上述几种情况。

以上就是跟车场景下速度规划模块要点。

对于路口的速度规划，在上述四点的基础上，还需要用到ST速度规划，这里不做介绍。感兴趣的可以查看：

基于S-T图的速度规划介绍-Apollo学习笔记

路口场景

扩展阅读

无人驾驶系统中的车辆运动学模型

无人驾驶系统的路径规划模块介绍

自动驾驶系统的决策技术介绍-Apollo学习笔记

无人车的避障系统介绍：障碍物的检测、轨迹预测和避障路径生成

特别感谢Apollo的公开课。

文中图片部分来源于网上，若涉及侵权，联系删除。