![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
规划
文章平均质量分 90
笑扬轩逸
这个作者很懒,什么都没留下…
展开
-
【规划】 最短路径搜索之A*算法
作者简介:申泽邦(Adam Shan),兰州大学在读硕士研究生,主攻无人驾驶,深度学习;原文链接:https://blog.csdn.net/adamshan/article/details/79945175本文系统的阐述了A*算法的生长轨迹,从开始的广度优先,到Dijkstra,再到启发式拓展从而形成了A*的算法。路线规划中一个很核心的问题即最短路径的搜索,说到最短路径的搜索我们就不得...转载 2018-07-05 10:19:22 · 22906 阅读 · 8 评论 -
【规划】 终身规划A*算法(LPA*):Lifelong Planning A*
文章源自CSDN博主 云水禅心_心一 LPA_start或life Planning A_star是一种基于A*的增量启发式搜索算法。2001年,斯文·柯尼格(Sven Koenig)和马克西姆·利卡切夫(Maxim Likhachev)首次提出。1.描述LPA_star是A_star的增量版本,它可以适应图形中的变化而无需重新计算整个图形,方法是在当前搜索期间更新前一次搜索的g值(从...转载 2019-02-07 08:57:00 · 2763 阅读 · 0 评论 -
【规划】D*路径搜索算法及Python实现
文章源自CSDN博主 云水禅心_心一 D*路径搜索算法“D_star算法”的名称源自 Dynamic A Star,最初由Anthony Stentz于“Optimal and Efficient Path Planning for Partially-Known Environments”中介绍。它是一种启发式的路径搜索算法,适合面对周围环境未知或者周围环境存在动态变化的场景。同A_...转载 2019-02-08 00:34:08 · 2192 阅读 · 2 评论 -
【规划】D* Lite路径搜索算法
原文来来自于 云水禅心_心一上一篇介绍了D*路径搜索算法原理解析及Python实现,这一篇紧接着介绍D*算法的改进版。1.D* Lite算法简述D_star Lite算法是Koenig S和Likhachev M基于LPA_star 算法基础上提出的路径规划算法。D_star Lite 算法之于 LPA_star 算法犹如 D_star 算法之于 A_star 算法。与 LPA_s...转载 2019-02-08 18:19:04 · 3987 阅读 · 1 评论 -
【规划】机器人规划算法总结
转发自知乎 搬砖的旺财1 自主机器人近距离操作运动规划体系在研究自主运动规划问题之前,首先需建立相对较为完整的自主运动规划体系,再由该体系作为指导,对自主运动规划的各项具体问题进行深入研究。本节将根据自主机器人的思维方式、运动形式、任务行为等特点,建立与之相适应的自主运动规划体系。并按照机器人的数量与规模,将自主运动规划分为单个机器人的运动规划与多机器人协同运动规划两类规划体系。1.1...转载 2019-02-10 12:13:46 · 8622 阅读 · 0 评论 -
【自动驾驶行业观察】多策略决策系统(MPDM)
Edwin Olson 为原密歇根大学助理教授,在自动驾驶领域深耕逾十年。曾参与 2007 DARPA 城市挑战赛,曾任福特自动驾驶项目首席研究员、丰田研究院自动驾驶技术研发副总监。现已下海创业,创立May Mobility 并担任 CEO。Edwin OlsonEdwin Olson:今天的话题是如何搞出可靠的自行驾驶系统。不论在密歇根大学,还是 May Mobility,...转载 2019-03-06 01:03:16 · 2515 阅读 · 0 评论 -
【规划】RRT Planer 以及 python实现
本文转载自头条号作者半杯茶的小酒杯,百度的研发工程师,文章多是自动驾驶相关,推介给大家。RRT Planer快速搜索随机树(RRT-Rapidly-ExploringRandom Trees)是一种常见的用于机器人路径规划的方法,他的原始算法思想很简单,以一个初始点作为根节点,通过随机采样增加叶子节点的方式,生成一个随机扩展树,当随机树中的叶子节点包含了目标点或进入了目标区域,便可以在随机...转载 2019-03-15 01:39:38 · 2319 阅读 · 0 评论 -
【规划】Motion Planning Approaches 路径规划方法汇总
什么是规划规划的本质是搜索。基于目标函数,找到一个安全舒适的行驶轨迹。机器学习的话,其实是一个寻找mapping的过程,state to action 的mapping搜索是寻找action去optimize objective function 的过程。如何搜索可以通过BFS, DFS进行搜索,不过效率不高,他们都是Non-informative search。...原创 2019-03-29 05:29:23 · 4570 阅读 · 0 评论 -
【规划】RRT*算法图解
尽管RRT算法是一个相对高效率,同时可以较好的处理带有非完整约束的路径规划问题的算法,并且在很多方面有很大的优势,但是RRT算法并不能保证所得出的可行路径是相对优化的。因此许多关于RRT算法的改进也致力于解决路径优化的问题,RRT*算法就是其中一个。RRT*算法的主要特征是能快速的找出初始路径,之后随着采样点的增加,不断地进行优化直到找到目标点或者达到设定的最大循环次数。RRT*算法是渐进优化的,...转载 2019-03-27 19:04:57 · 56941 阅读 · 20 评论 -
【Apollo】决策技术分享
文章来源于Apollo社区,分享人是 百度美研 Yifei Jiang老师。本次分享包含以下部分:参考路径 交规决策 路径决策 速度决策 决策场景决策模块相当于无人驾驶系统的大脑,保障无人车的行车安全,同时也要理解和遵守交通规则。为了实现这样的功能,决策模块为无人车提供了各种的限制信息包括:路径的长度以及左右边界限制; 路径上的速度限制; 时间上的位置限制。...原创 2019-03-29 05:13:15 · 4302 阅读 · 1 评论 -
【规划】关于A*、LPA*、D* Lite算法的小结
原文来自于知乎 搬砖的旺财A*、LPA*以及D* lite都可以用于静态环境下移动机器人的路径规划,此时三者计算效率都相差不大,都利用了启发式搜索来提高效率,LPA*和D* Lite的增量式搜索在这时没有任何帮助,但对于动态环境的路径规划,A*算法却有心无力,但是对于动态环境下进行二次搜索,LPA*和D* Lite效率明显高于A*。 LPA*以及D* lite原理大体类似,都是基于这样一个思...转载 2019-02-08 18:28:11 · 5460 阅读 · 2 评论 -
【规划】A*算法以及c++实现
A*算法A*算法的核心在于估价函数的设计上,如下式所示:其中 称为耗散函数,表示从起始节点 到节点 n 的实际代价; 称为启发函数,表示节点 到目标节点 的估计代价; 表示从起始节点经由节点 到目标节点的估计代价。同Dijkstra算法类似,A*算法也维持一个Open表。Open表中节点的优先级是依据 的大小排列的, 值越小,被搜索到的优先级越高。为保证能搜索到最...原创 2019-02-06 09:55:37 · 10395 阅读 · 12 评论 -
【规划】 分层有限状态机和无人车行为规划
作者简介:申泽邦(Adam Shan),兰州大学在读硕士研究生,主攻无人驾驶,深度学习;文章来源:https://blog.csdn.net/adamshan/article/details/80633099分层有限状态机和无人车行为规划行为规划又称为行为决策,是无人车规划模块三层(任务,行为,动作)的中间层,本文将介绍行为规划的基本概念,设计核心,同时介绍一种具体的无人车行为规划方...转载 2018-07-05 10:21:06 · 2427 阅读 · 0 评论 -
【规划】基于Frenet优化轨迹的无人车动作规划方法
文章出处:https://blog.csdn.net/adamshan/article/details/80779615 动作规划动作在无人车规划模块的最底层,它负责根据当前配置和目标配置生成一序列的动作,我们前面讨论的三次样条插值实际上只是一个简单的路径,而非我们最终能够执行的轨迹,本文介绍一种基于Frenet坐标系的优化轨迹动作规划方法,该方法在高速情况下的高级车道保持和无人驾驶都具有...转载 2018-07-05 10:24:46 · 9920 阅读 · 4 评论 -
【Baidu Apollo】5 预测
本篇预测的部分参照了Apollo自动驾驶公开课詹锟的演讲内容。预测模块是连接感知和决策规划的桥梁,结合物理世界的人类行为习惯进行适当的逻辑推理,将周围障碍物下一时刻和后续多个时刻的运动行为进行估计,给出对应可能的运动轨迹线。詹锟老师主要从代码层面剖析Apollo2.5的预测系统。Apollo代码架构预测部分分为3个部分,第一个是Container,作用是合理规划整合上游数据,处...转载 2018-08-02 00:12:47 · 4644 阅读 · 3 评论 -
【Baidu Apollo】6.2 Lattice Planner规划算法
一、Lattice Planner 总体概览Lattice算法隶属于规划模块。规划模块以预测模块、routing模块、高精地图和定位的结果作为输入,通过算法,输出一条平稳、舒适、安全的轨迹,交给控制模块去执行。我们可以看到,规划模块在Apollo中是一个承上启下的重要模块。这是Apollo中规划模块的工作流程。首先是依据routing和定位,通过平滑算法,生成一条平滑的参考线(平滑的道...转载 2018-09-05 04:09:50 · 25758 阅读 · 11 评论 -
规划控制和传感器价格高两大问题
转自 知乎 AI技术大本营2017 年百度 AI 开发者大会上,现场视频连线了正乘坐无人驾驶汽车行驶在五环上朝会场赶来的李彦宏,他坐在副驾驶上解说,身边司机的双手并没有触碰方向盘,也正是因为这句话,无人车收到了交警的第一张罚单。2018 年春晚,由百余辆无人车组成的车队在港珠澳大桥上大秀车技,亿万观众通过现场直播观看了视频。当我们还在感慨驾驶是一件费心费力的事情时,无人驾驶技术的进步已经逐...转载 2018-09-03 05:09:50 · 332 阅读 · 0 评论 -
【Baidu Apollo】6.3 EM规划算法
今天这篇文章作为之前6.1 Apollo规划的补充,详细介绍下EM Planner1. EM Planner 中的EM的含义最大期望算法 Expectation Maximum最大期望算法在统计中被用于寻找,依赖于不可观察的隐性变量的概率模型中,参数的最大似然估计。在统计计算中,最大期望(EM)算法是在概率模型中寻找参数最大似然估计或者最大后验估计的算法,其中概率模型依赖于无法观...原创 2018-11-08 03:25:28 · 15798 阅读 · 2 评论 -
【Baidu Apollo】6.1 规划
本文参考了Apollo自动驾驶公开课朱帆老师的讲座还有Udacity公开课的内容。技术难点规划模块所面临的技术难点有三点。第一,车辆所处的环境复杂度高。因此传感器检测返回的数据复杂,障碍物个数种类多;路况信息复杂,在高速上一秒钟车辆能跑出30米,情况瞬息万变。第二,系统对规划模块的要求高。规划模块需要覆盖所有的ADAS场景,对模块计算的实时性和稳定性有着很高的要求。第三...转载 2018-08-02 00:13:08 · 6812 阅读 · 3 评论 -
【Baidu Apollo】6.4 规划 动态规划DP 和 二次规划QP
5、Optimization Inside Motion Planning 动态规划来自于动态系统, 通过类似于有限元的方式,把问题抽象再离散空间里面,把重复计算通过aggregating的方式进行简化。 问题:计算时长太长,,这么撒点太复杂。对于凸问题,或者单调问题,求最优解,用binary search搜索某个点的值就可以,收敛速度是指数收敛。 牛顿法更快,考虑了不...原创 2019-02-05 16:41:01 · 9923 阅读 · 0 评论