自动驾驶轨迹规划之碰撞检测(四)

欢迎大家关注我的B站:

偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频 (bilibili.com)

目录

1.基于圆覆盖

2.BVH


自动驾驶轨迹规划之碰撞检测(一)-CSDN博客

自动驾驶轨迹规划之碰撞检测(二)-CSDN博客

自动驾驶轨迹规划之碰撞检测(三)_本车轨迹预测 碰撞检测-CSDN博客 

大家可以先阅读前三篇关于碰撞检测算法的介绍 

1.基于圆覆盖

圆的性质是圆心到圆周各点等距,这非常适合碰撞检测,如果两个物体能近似为圆,那么两个物体之间是否碰撞,则可以利用两个圆心之间的距离是否大于半径之和就可以判断,但是大部分物体若用圆去近似将产生较大的冗余部分,因此针对汽车,一篇2010年的IEEE IV提出通过多个圆去覆盖车辆,这个方法极大地提高了自动驾驶汽车碰撞检测的计算速度,也是现在广泛使用的方法

但是这个方法仍旧会产生冗余,并且改变覆盖圆的个数难以解决这个问题,因为横向和纵向上的冗余是此消彼长的关系,并且我个人认为汽车最容易发生碰撞的位置其实是汽车的四个角落,但是这种方法在那个地方没有安全距离,如果在圆的半径上补充安全距离,会导致其他地方的冗余距离更大,因此这个方法对于非常狭窄的空间还是不适用的

2.BVH

BVH为层次包围盒,通过递归地形式将碰撞检测的任务分解,当大包围盒之间有碰撞,则检测子包围盒之间有没有碰撞,这能够同时提升碰撞检测的精度和速度,但是基于BVH的碰撞检测取决于待检测物体的形状,每个基元都应该预先计算并存储在阵列中。

BVH的一个较好应用可以看这个视频,这篇论文实现了同时提升自动驾驶汽车碰撞检测的精度和速度,能够良好地应用于狭窄的自主泊车中

ITSC2023 | 碰撞检测 | 一种在狭窄空间内自动驾驶汽车自主泊车时的快速准确的碰撞检测方法

  • 10
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: 自动驾驶技术中的轨迹规划是指通过算确定车辆在行驶过程中的最佳路径,使其能够安全、有效地到达目的地。其中,RRT算(Rapidly-exploring Random Tree)是一种常见的轨迹规划。 RRT算是一种以树结构为基础的算,它基于随机采样的方式在环境中逐渐扩展并探索可能的轨迹。RRT算的主要步骤如下: 1. 初始化树结构,将起点放入树中。 2. 随机采样一个点,并在树中找到离该采样点最近的节点。 3. 在该最近节点和采样点之间插入新的节点,形成一条轨迹。 4. 检查新轨迹是否与环境中的障碍物相交,如果相交,则抛弃该轨迹;如果不相交,则将新节点插入树中。 5. 重复2-4步骤,直到生成的轨迹连接到目标点或达到最大迭代次数。 RRT算的优点是可以在高维复杂环境中进行轨迹规划,而且能够对环境进行自适应学习,适应环境变化。它的生成轨迹的速度较快,在实时应用中表现良好。 不过,RRT算也存在一些缺点。由于随机采样的方式,它可能生成的轨迹并不是最优解,而是局部最优解。同时,RRT算在环境中有大量的障碍物时,也可能存在搜索效率低下的问题。为了解决这些问题,可以通过改进RRT算,如RRT*算,来提高轨迹的质量以及搜索效率。 综上所述,RRT算是一种自动驾驶轨迹规划中常用的算,通过随机采样的方式在环境中探索可能的轨迹,并逐渐生成最佳路径。它具有较快的生成速度和适应复杂环境的能力,但同时也存在局部最优解和搜索效率低下的问题。 ### 回答2: 自动驾驶轨迹规划是指在自动驾驶系统中,通过算来确定车辆的行驶轨迹。其中一个常用的算是RRT(Rapidly-exploring Random Trees)算。 RRT算通过随机采样的方式在地图上构建一棵随机探索树,树的节点代表车辆在地图上的位置,树的边代表车辆在不同位置之间的移动轨迹。算初始化时,将起始位置作为树的根节点,然后不断迭代执行以下步骤,直到找到一条符合要求的路径: 1. 随机采样:根据地图的特点和限制条件,随机采样一个点作为新的节点。 2. 寻找最近节点:从树中已有的节点中找到离采样点最近的节点,作为起始节点。 3. 扩展树:以起始节点为起点,按照一定步长,在地图上搜索一条从起始节点到采样点的路径,将路径上的点作为新增的节点加入树中。 4. 碰撞检测:对新增的节点进行碰撞检测,判断是否与障碍物相交。 5. 连接节点:如果新增节点通过碰撞检测,没有与障碍物相交,且与目标点的距离小于阈值,则将新增节点与目标点直接连接。 6. 重复以上步骤,直到找到一条从起始点到目标点且不与障碍物相交的路径。 通过上述步骤,RRT算可以在较短的时间内找到一条符合要求的车辆轨迹。然而,RRT算存在一些缺点,如对于复杂环境需要较长的时间来找到一条路径,而且路径的质量可能不够优化。因此,研究者们也在不断改进和优化RRT算,以提高自动驾驶系统的性能和安全性。 ### 回答3: 自动驾驶轨迹规划是指通过算来确定车辆在道路上行驶的最佳路径,使得车辆能够安全、高效地达到目的地。其中,rrt(Rapidly-exploring Random Tree)算是一种常见的路径规划算。 rrt算的基本思想是通过随机采样的方式,探索和扩展树结构,直到找到符合要求的路径。具体过程如下: 1. 初始化:将起点设置为树的起始节点,并将其加入树中。 2. 随机采样:根据特定的采样策略,在地图区域内产生一个随机的采样点,作为目标点。 3. 搜索:从树中选择最近邻的节点(树中距离目标点最近的节点),并通过运动模型生成一个新的节点。 4. 碰撞检测:判断新节点与障碍物是否有碰撞,如果有碰撞,则重复第3步。 5. 节点连接:将新节点添加到树中,并与最近邻节点进行连接。 6. 判断终点:判断新节点是否接近目标点,如果满足条件,则结束搜索。 7. 循环:重复第2至第6步,直到找到有效路径或达到最大搜索次数。 通过rrt算进行自动驾驶轨迹规划,能够快速探索潜在的路径,同时有效避开障碍物。其优点是适用于复杂的环境和动态障碍物,能够找到可行解。然而,rrt算也存在一些不足之处,例如路径不一定是最短路径,而且搜索过程中可能出现偏差。因此,实际应用中通常会结合其他算对路径进行优化和改进,以提高路径规划的准确性和效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

无意2121

创作不易,多多支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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