无人车路径规划算法---(1)算法体系综述

本文概述了无人车路径规划的通用方法,包括Old-School Pipeline,前端Path Finding(如Dijkstra、A*、RRT)和后端Trajectory Optimization。强调了前端结合车辆运动学约束的重要性,并提及了State Lattice Search和Hybrid A*算法。后端优化常使用最优化原理,如minimum jerk和minimum snap。
摘要由CSDN通过智能技术生成

版权声明:本文为博主原创文章,原创不易, 转载请联系博主。

写此系列博客的目的,是希望将无人车路径规划算法成体系的总结展述出来,同时分享一些常用的算法库,源代码,以及与规划层联系紧密的感知层,定位层,控制层的基础知识,可能编写跨越周期较长,自身水平有限,若有不到之处,希望得到各位的批评指正。

通用规划方法(Old-School Pipeline)是指:

  • 首先在前端利用图搜索等方法搜索出一条初始无碰撞的安全路径(低维,离散空间)
  • 再在后端对已生成路径进行优化以获得一条可执行的优化轨迹(高维,连续空间)
  • Mission -> Path Finding -> Trajectory Optimization -> Plan…

Path Finding 模块(Front-End)

主要通过构建地图进行搜索的方法或者基于采样的方法来实现前端搜索的目的:

  • 在栅格图中(典型样例如costmap)进行图搜索,最早的是利用BFS(深度优先搜索方法),DFS(深度优先搜索方法)在建立好的图或者树中进行搜
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