<b id="sidpw"></b>

<b id="sidpw"></b><tt id="sidpw"><address id="sidpw"></address></tt>
<tt id="sidpw"></tt>

<b id="sidpw"></b>

<b id="sidpw"></b>

自動駕駛路徑規劃知乎(汽車自動駕駛路徑規劃有哪些特點)

自動駕駛 1028
本篇文章給大家談談自動駕駛路徑規劃知乎,以及汽車自動駕駛路徑規劃有哪些特點對應的知識點,希望對各位有所幫助,不要忘了收藏本站喔。 本文目錄一覽: 1、汽車自動駕駛路徑規劃有哪些特點

本篇文章給大家談談自動駕駛路徑規劃知乎,以及汽車自動駕駛路徑規劃有哪些特點對應的知識點,希望對各位有所幫助,不要忘了收藏本站喔。

本文目錄一覽:

汽車自動駕駛路徑規劃有哪些特點

汽車自動駕駛路徑規劃是基于AI設定的,與人類駕駛者不同的,所有路徑規劃都是基于一個原始邏輯,所以自動駕駛的的路徑規劃特點就是統一邏輯。

你可以這樣理解,AI的路徑規劃,不是隨意的,它一定要有一個基礎條件,例如只走大道,只走高速,在這個基礎邏輯上,再進行比較,全部的高速,哪一條比較近,在路程相同的情況下,哪一條比較暢通,在這個邏輯上得出一個結論,選定一條道路。

這個基礎邏輯是由工程師賦予的,在這個邏輯上,誕生了算法,算法產生了路徑的規劃,所產生的路徑規劃,在邏輯相同的情況下,是完全一成不變的。這種特性正是AI的邏輯體現。但是從人類的角度看,這種特性是完全機械的,完全理性的。

在這個路徑規劃中,不會有一時興起,不會有臨時變通,甚至不會有執行錯誤,一切行動,邏輯占據絕對主導地位。從交通運輸,辦事效率上講,AI的路徑規劃是最優選擇。但是對于一個想要旅游的駕駛者來說,這將是最無聊的一次行程。

Apollo自動駕駛之規劃(二)

軌跡規劃分為兩步:路徑規劃、速度規劃。

首先在路徑規劃步驟中生成候選曲線,這是車輛可行駛的路徑。使用成本函數對每條路徑進行評估,該函數包含平滑度、安全性、與車道中心的偏離以及開發者想要考慮的其他任何因素。然后按成本對路徑進行排名并選擇成本最低的路徑。

然后是確定沿這條路線行進的速度。我們可能希望改變在該路徑上的速度,所以真正需要選擇的是與路徑點相關的一系列速度,而不是單個速度。我們將該序列稱作“速度曲線”。我們可以使用優化功能為路徑選擇受到各種限制的良好速度曲線。通過將路徑和速度曲線相結合可構建車輛行駛軌跡。

為了生成候選路徑,首先將路段分割成單元格。

然后對這些單元格中的點進行隨機采樣。通過從每個單元格中取一個點并將點連接,我們創建了候選路徑。

通過重復此過程可以構建多個候選路徑。使用成本函數對這些路徑進行評估并選擇成本最低的路徑,成本函數可能考慮以下因素:與車道中心的偏離、與障礙物的距離、速度和曲率的變化、對車輛的壓力、或希望列入的任何其他因素。

選擇路徑后的下一步是選擇與該路徑關聯的速度曲線,一個被稱為“ST 圖”的工具可以幫助設計和選擇速度曲線。

在ST圖中,“s”表示車輛的縱向位移、“t”表示時間。

ST 圖上的曲線是對車輛運動的描述,因為它說明了車輛在不同時間的位置。

由于速度是位置變化的速率,所以可以通過查看曲線的斜率從 ST 圖上推斷速度。斜坡越陡則表示在更短的時間段內有更大的移動,對應更快的速度。

為構建最佳速度曲線需要將 ST 圖離散為多個單元格。

單元格之間的速度有所變化,但在每個單元格內速度保持不變,該方法可簡化速度曲線的構建并維持曲線的近似度。

ST 圖中可以將障礙物繪制為在特定時間段內阻擋道路的某些部分的矩形。例如,假設預測模塊預測車輛將在 t0 到 t1 的時間段內駛入的車道。由于該車將在此期間占據位置 s0 到 s1,因此在 ST 圖上繪制了一個矩形,它將在時間段 t0 到 t1 期間阻擋位置 s0 到 s1。為避免碰撞,速度曲線不得與此矩形相交。既然有了一張各種單元格被阻擋的 ST 圖,便可以使用優化引擎為該圖選擇最佳的速度曲線。優化算法通過復雜的數學運算來搜索受到各種限制的低成本解決方案。這些限制可能包括:法律限制,如速度限制;距離限制,如與障礙物的距離;汽車的物理限制,如加速度限制。

路徑-速度規劃在很大程度上取決于離散化。

路徑選擇涉及將道路劃分為單元格,速度曲線構建涉及將 ST 圖劃分為單元格。

盡管離散化使這些問題更容易解決,但該解決方案生成的軌跡并不平滑

為了將離散解決方案轉換為平滑軌跡,可使用“二次規劃”技術(Quadratic Programming)。

.

二次規劃將平滑的非線性曲線與這些分段式線性段擬合。

盡管二次規劃背后的數學運算很復雜,但對于我們的目的而言,細節并不是必需的。

我們只需簡單使用幾種不同的優化包中的一種,包括一種由 Apollo 推出的運行方案來生成平滑的軌跡,一旦路徑和速度曲線就緒,便可以用其構建三維軌跡。

假設我們正在路上行駛,感知系統觀察到一輛緩慢行駛的車輛離我們越來越近。

首先,在這輛車的周圍生成多條候選路線,使用成本函數對這些候選路徑進行評估并選擇成本最低的路徑。然后使用 ST 圖來進行速度規劃,根據其他車輛隨時間變化的位置阻擋了 ST 圖的部分區域。

優化引擎可幫助確定該圖的最佳速度曲線,該曲線受制于約束和成本函數。

我們可以使用二次規劃讓路徑和速度曲線變平滑。

最后,將路徑和速度曲線合并構建軌跡。這里的軌跡在速度較快時為紅色,在速度較慢時為藍色。我們使用該軌跡來安全地繞開其他車輛并繼續我們的旅程。

通過使用 Frenet 坐標可以將環境投射到縱軸和橫軸上,目標是生成三維軌跡:

可以將三維問題分解成兩個單獨的二維問題,這是通過分離軌跡的縱向和橫向分量來解決的。其中一個二維軌跡是具有時間戳的縱向軌跡稱之為 ST 軌跡,另一個二維軌跡是相對于縱向軌跡的橫向偏移稱之為 SL 軌跡。

Lattice 規劃具有兩個步驟即先分別建立 ST 和 SL 軌跡,然后將它們合并為生成縱向和橫向二維軌跡。

先將初始車輛狀態投射到 ST 坐標系和 SL 坐標系中,通過對預選模式中的多個候選最終狀態進行采樣。來選擇最終車輛狀態。對于每個候選最終狀態構建了一組軌跡將車輛從其初始狀態轉換為最終狀態,使用成本函數對這些軌跡進行評估并選擇成本最低的軌跡。

根據情況可以將狀態分成 3 組:

巡航意味著車輛將在完成規劃步驟后定速行駛,實際上在對圖上的點進行采樣,在圖中橫軸代表時間,縱軸代表速度。對于該圖上的點,這意味著汽車將進入巡航狀態,在時間 t 以 s 點的速度巡航,對于這種模式,所有最終狀態的加速度均為零

跟隨車輛,在這種情況下要對位置和時間狀態進行采樣,并嘗試在時間t出現在某輛車后面,在跟隨車輛時,需要與前方的車保持安全距離,這時速度和加速度將取決于要跟隨的車輛,這意味著在這種模式下,速度和加速度都會進行修正。

最后一種模式是停止,對于這種模式只需對汽車何時何地停止進行抽樣,這里速度和加速度會被修正為 0 。

無論車輛進入怎樣的終止狀態,車輛都應該穩定地與車道中心線對齊。

這意味著只需要在一個小區域內,對橫向終止位置進行采樣。

具體來說采樣的是道路上相鄰車道中心線周圍的位置。為了確保穩定性,汽車駛向的終止狀態應該與車道中心一致。

當用橫向位置與縱向位置作圖時 ,想要的候選軌跡應該以車輛與車道對齊并直線行駛而結束。為了達到這種終止狀態,車的朝向和位置的一階和二階導數都應該為零。這意味著車輛既不是橫向移動的,那是一階導數;也不是橫向加速,那是二階導數。這意味著車輛正沿著車道直行。

一旦同時擁有了 ST 和 SL 軌跡,就需要將它們重新轉換為笛卡爾坐標系。

然后可以將它們相結合構建由二維路徑點和一維時間戳組成的三維軌跡。ST 軌跡是隨時間變化的縱向位移,SL 軌跡是縱向軌跡上每個點的橫向偏移。由于兩個軌跡都有縱坐標 S,所以可以通過將其 S 值進行匹配來合并軌跡。

汽車自動駕駛路徑規劃和局部規劃的含義及區別是什么?

首先來說明三個概念,路徑規劃、避障規劃、軌跡規劃。路徑規劃通常指全局的路徑規劃,也可以叫全局導航規劃,從出發點到目標點之間的純幾何路徑規劃,無關時間序列,無關車輛動力學。

避障規劃又叫局部路徑規劃,又可叫動態路徑規劃,也可以叫即時導航規劃。主要是探測障礙物,并對障礙物的移動軌跡跟蹤(Moving Object Detection and Tracking ,一般縮寫為MODAT)做出下一步可能位置的推算,最終繪制出一幅包含現存碰撞風險和潛在碰撞風險的障礙物地圖,這個潛在的風險提示是100毫秒級,未來需要進一步提高,這對傳感器、算法的效率和處理器的運算能力都是極大的挑戰,避障規劃不僅考慮空間還考慮時間序列,在復雜的市區運算量驚人,可能超過30TFLOPS,這是無人車難度最高的環節。未來還要加入V2X地圖,避障規劃會更復雜,加入V2X地圖,基本可確保無人車不會發生任何形式的主動碰撞。

自動駕駛路徑規劃知乎的介紹就聊到這里吧,感謝你花時間閱讀本站內容,更多關于汽車自動駕駛路徑規劃有哪些特點、自動駕駛路徑規劃知乎的信息別忘了在本站進行查找喔。

掃碼二維碼
人妻一区二区三区_国产精品无码毛片久久久_精品无码久久久久久囯产_久久精品亚洲AV日韩AV

<b id="sidpw"></b>

<b id="sidpw"></b><tt id="sidpw"><address id="sidpw"></address></tt>
<tt id="sidpw"></tt>

<b id="sidpw"></b>

<b id="sidpw"></b>