写在前面：
🌟 欢迎光临 清流君 的博客小天地，这里是我分享技术与心得的温馨角落。📝
🎭 人生如戏，我们并非能选择舞台和剧本，但我们可以选择如何演绎 🌟
感谢您的支持与关注，让我们一起在知识的海洋中砥砺前行~~~
文章目录
- 引言
- 一、五次多项式在自动驾驶轨迹规划中的应用
- 1、跃度的定义与舒适性的关系
- 2、二次函数与Jerk最小化的关系
- 3、边界约束条件
- 4、泛函极值问题的引入
- 二、求解带约束的泛函极值问题——五次多项式推导
- 1、有界连续函数的选择
- 2、边界条件对跃度的影响
- 3、泛函极值问题的欧拉-拉格朗日方程
- 4、广义欧拉-拉格朗日方程
- 三、总结
- 参考资料
引言
各位小伙伴们大家好，本篇博客是自动驾驶决策规划算法数学基础的第一节，内容整理自 B站知名up主 忠厚老实的老王 的视频，作为博主的学习笔记，分享给大家共同学习。
本篇博客讲解五次多项式，五次多项式是规划论文里的常客，本节将详细解释五次多项式的特殊性。
本节难度较大，但不是特别重要，所以如果不理解的话，记住结论就可以了。
一、五次多项式在自动驾驶轨迹规划中的应用
1、跃度的定义与舒适性的关系
在车辆的运动规划中，非常重要的指标就是舒适性，衡量舒适性的物理量叫 跃度(Jerk)。 jerk 的定义是 其中，
为加速度，也就是说 *Jerk * 其实是加速度的导数， *Jerk * 的绝对值越小，
，则
，如果在
的时间内， Jerk 的绝对值都比较小，意味着在整个
，什么样的
会使得在
时间内的 Jerk 的绝对值变化平缓。绝对值的处理比较烦，一般改成平方，则问题变为要找到
，使得
显然积分
是关于
的泛函，积分值取决于
在
2、二次函数与Jerk最小化的关系
使积分
取极小值的
注意： 的定义域和值域都应该是实数，不能有虚数，因为
，
和
，只要让其三阶导数为
就行，显然只要
是二次或二次以下的函数即可。显然当
是二次或者是二次以下的函数时，
所以要让 Jerk 在 上的绝对值最小，
3、边界约束条件
，往往存在约束条件：
有六个边界条件，但二次函数
只有三个系数
4、泛函极值问题的引入
，使得
满足带约束的泛函
问题的答案就是 五次多项式，所以五次多项式在规划中具有非常特殊的地位，可以在任何有关规划的论文里看到它的身影。
二、求解带约束的泛函极值问题——五次多项式推导
1、有界连续函数的选择
只可能是
上的有界连续函数。因为无论是无界函数还是有界间断函数，都会使 jerk 出现无穷大，显然无穷大不能让 Jerk 取最小值。如果是有界连续函数，不妨将
泰勒展开到二阶项：
代入边界条件：
最终可得到：
2、边界条件对跃度的影响
因为 Jerk 它是 的三阶导数。所以
、
、
的值并不影响 Jerk，因为
、
、
将六个边界条件恒等变形：
又因为
、
、
不影响 Jerk 所以前面的三个条件可以去掉，约束了就变成：
记
，则有
所以最终数学问题就变成了求
下取极小值的 。
3、泛函极值问题的欧拉-拉格朗日方程
泛函极值的必要条件是 欧拉-拉格朗日方程(Euler- Lagrange)。
取极小值的
，满足 E-L 方程：
用欧拉-拉格朗日方程计算泛函的极值，泛函是
，有三个约束条件：
先用拉格朗乘子把带约束的泛函化为无约束的泛函：
其中，。
4、广义欧拉-拉格朗日方程
、
三阶导 都有关。所以不能直接用上面只能处理一阶导数的欧拉-拉格朗日方程，得用广义欧拉-拉格朗日方程：
先算一下 对
各阶导数的偏导：
代入 E-L 方程，可得到：
对六次导数积分： 最终得到五次多项式
：
三、总结
五次多项式是带约束的 Jerk 的平方在整个区间内取极小值的最优解。所以五次多项式在规划中特别常见，在某些论文上经常看到，比如两个离散点的轨迹点怎么连接？一般都是用五次多项式连接。
本篇博客到此结束，下一讲再见，欢迎关注！
参考资料
后记：
🌟 感谢您耐心阅读这篇关于 五次多项式详解 的技术博客。 📚
🎯 如果您觉得这篇博客对您有所帮助，请不要吝啬您的点赞和评论 📢
🌟您的支持是我继续创作的动力。同时，别忘了收藏本篇博客，以便日后随时查阅。🚀
🚗 让我们一起期待更多的技术分享，共同探索移动机器人的无限可能！💡
🎭感谢您的支持与关注，让我们一起在知识的海洋中砥砺前行 🚀
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
