- 博客(5)
- 收藏
- 关注
RSS订阅原创 人工势场法
2，局部最优问题：车辆在某个位置时，如果障碍物的斥力合力与目标点的引力大小相等方向相反，则车辆受到的合力为0，此时陷入局部最优，车辆不再向前搜索路径；1，目标不可达问题：当障碍物与目标点距离太近时，引力很小，而障碍物的斥力合力可能较大，因此可能会无法在目标点停下来；被控对象在这两种势场组成的复合场中受到斥力作用和引力作用，斥力和引力的合力指引着被控对象的运动，生成无碰撞的路径；3，当物体离目标点比较远时，引力将变的特别大，相对较小的斥力在甚至可以忽略的情况下，物体路径上可能会碰到障碍物；
2023-06-04 15:38:59
1455
1
原创 RRT算法
Rapidly Exploring Random Trees 快速探索随机树，RRT和PRM的相同之处是，它们都是基于随机采样的规划算法，不同的是PRM生成的是一个“图”（Graph），而RRT生成的是“树”，RRT的一大显著特征就是它具备探索空间的能力，即从一点（根）出发向外探索拓展的特征。简单的RRT有单树和双树两种类型，单树RRT将规划起点作为随机树的根节点，通过随机采样、碰撞检测的方式为随机树增加叶子节点，最终生成一颗随机树。
2023-06-04 15:21:45
529
1
原创 动态窗口法
动态窗口法主要是在速度（v,w）空间中采样多组速度，并模拟机器人在这些速度下一定时间（sim_period）内的轨迹。在得到多组轨迹后，对于这些轨迹进行评价，选取最优轨迹所对应的速度来驱动机器人运动。该算法突出点在与动态窗口这个名词，它的含义是依据移动机器人的加减速性能限定速度采样空间在一个可行的动态范围内路径。动态窗口法一般用于局部路径规划，该算法在速度空间内采样线速度和角速度,并根据机器人的运动学模型预测其下一时间间隔的轨迹。对待评价轨迹进行评分,从而获得更加安全、平滑的最优局部。
2023-06-04 15:05:07
602
1
原创 无人驾驶求解非凸优化问题
在求解非凸优化问题上，特斯拉的处理方式和业内的主流成熟方案类似，都遵循图3所示的求解流程：先将感知模块得到的 vector space（矢量空间）做 coarse search（粗搜索）操作，得到在矢量空间中的 convex corridor（凸走廊，下轨迹边界）；特斯拉在分享中并未直接提到其期望（或更常用的专有名词是优化目标），但我们可以大胆猜测是以安全性（与障碍物之间的碰撞风险）、高效性（同样时间到达更远空间点）和舒适性（横纵向加速度和加加速度）等为核心目标的。
2023-06-04 14:54:37
117
1
原创 动态路径规划与动态环境下的路径规划区别
总的来说，动态环境下的路径规划包含了动态环境下的在线规划和离线规划。动态路径规划包括了静态环境和动态环境下的在线规划。动态环境下的路径规划，有一部分的论文是给定这个动态环境的信息，通过离线规划，规划出一条路径。动态规划先规划好路径，遇到动态障碍物重规划，路径是变化的。
2023-06-04 14:50:11
194
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人