自动泊车轨迹规划场景介绍

自动泊车场景介绍

1、概述

传统泊车系统的轨迹规划主要由直线、圆弧和曲线三个要素组成。通过将这三个要素进行拼接，组成形式多样的行车轨迹。
常见的车位类型为平行车位、垂直车位和斜向车位。其中垂直车位可以理解为特殊的斜向车位，斜向角度为90°斜向车位即为垂直车位。
下面基于嵌入式平台的半实物仿真结果，说明常见的几种泊车轨迹的规划方式。

2、平行泊车

2.1、库位长度满足一次性入库的情形

如下图所示，因为库位足够长，所以可以直接规划一次性曲线，实现车辆一次性入库。

2.2、库位长度不满足一次性入库的情形

如下图所示，因为车位长度不满足一次性入库条件，所以在规划时需先进行反向尝试，使车辆满足泊出条件，然后再进行一次曲线规划。

3.垂直泊车

3.1车辆离车位足够远的情形

如下图所示，当车辆离车库足够远时，可规划一个圆弧使车辆一次入库。

3.2车辆离车位近且位置靠前的特殊情形

如下图所示，当车辆离车库较近时，一段圆弧已无法规划入库轨迹。此图描绘的是当车辆位置比较靠前时，可以通过两端圆弧实现倒车入库轨迹。当然这个方式的缺点也很明显，需要向前移动太多距离。

3.3 车辆离车库近的一般情形

如下图所示，当车辆离库位较近时，车辆停止位置也离库位入口比较近，此时可以进行多次尝试入库。通过规划两个相切圆的方式，使车辆逐步移入库内。

3.4 车辆离车库近的多次尝试情形

如下图所示，当车辆位置离库位太近时，此时需要进行多次尝试，才能使车辆成功入库。尝试次数，由车辆离库位的距离、库位长度和边角余量决定。

4 说明

关于上述泊车算法,近期准备整开源出来,有兴趣的同学欢迎点赞.

• 如果点赞超过100,上述核心算法的代码将开源(坑位1).

感谢大家的支持和点赞，相关软件分享如下:

1. APA_QT：基于QT平台的算法验证
2. ROS_RRT: 基于ROS平台的算法验证

• 上述用到的上位机软件,开源路径如下:APA_DebugAssistant,可供大家学习和交流,如果喜欢记得Star一下哦
• 本文所参考的论文路径如下:PaperSets
• 后续我继续更新相关规划和控制相关内容(坑位2),大家的鼓励是我坚持更新的动力哈

1. 横向控制算法分析文章
2. 横向控制文章集合
3. Python仿真代码: 基于control工具库
4. 动力学仿真: 基于WeBots软件

如果项目对您有帮助，麻烦在Github上点击Star，您支持是我坚持更新的动力。

最近很多小伙伴在后台提问关于软件如何使用的问题，我这里简单说明一下：

1. 博文中的图片是使用APA_DebugAssistant软件截图的，该软件只是PC端的上位机，用于显示泊车路径，不包含规划控制算法部分，但有一些超声波的处理算法。当时具体的规划控制算法在嵌入式端，目前嵌入式代码未开源。
2. APA_QT项目包含完整的规划控制算法，并且可以独立运行，所以想研究算法的小伙伴请关注这个项目。
3. ROS_RRT项目是二代规划算法的探索，但并不表示可以实际项目使用，目前主流的可能还是用A* 加 RS曲线的方式去做路径搜索。
4. 横向控制算法重点关注后轴反馈算法，实际使用效果很好。
5. 由于本人目前已离开这个行业，所以这方面的更新频率会比较低，感谢小伙伴们对我的点赞和鼓励，我会尽量抽出时间，回答大家的问题，整出点干货。